NavDreams：面向仅相机的人群中强化学习导航
机器人学
2022-03-24 v1 机器学习
摘要
在日常拥挤空间中自主导航机器人需要解决复杂的感知与规划挑战。当仅以单目图像传感器数据作为输入时，经典的二维规划方法无法使用。尽管图像在感知与规划上带来显著挑战，它们也允许捕获可能重要的细节，如复杂几何、身体运动与其他视觉线索。为仅从图像成功解决导航任务，算法必须能仅利用该信息通道对场景及其动态建模。我们研究在世界模型概念——其在 Atari 游戏建模与策略学习上展现了最优结果，并在基于 2D LiDAR 的人群导航中展现出有前景结果——是否也能应用于基于相机的导航问题。为此，我们创建了仿真环境，其中机器人须在不与静态及移动行人碰撞的情况下导航至目标。我们发现最优方法能成功解决该导航问题，并可生成具有一致几何与移动行人的类梦境未来图像序列预测。我们还通过在实际机器人上测试策略，证明在高保真 sim2real 仿真场景中的策略性能可迁移至真实世界。我们将模拟器、模型与实验发布于 https://github.com/danieldugas/NavDreams。
引用
@article{arxiv.2203.12299,
title = {NavDreams: Towards Camera-Only RL Navigation Among Humans},
author = {Daniel Dugas and Olov Andersson and Roland Siegwart and Jen Jen Chung},
journal= {arXiv preprint arXiv:2203.12299},
year = {2022}
}