NavOL：基于在线模仿学习的导航策略
机器人学
2026-05-13 v1
摘要
学习鲁棒的导航策略是机器人学中的核心挑战。离线模仿学习受分布迁移和滚动中的累积误差影响，而强化学习则需要奖励工程且学习效率低下。本文提出NavOL，一种基于在线模仿学习的范式，通过与模拟器交互并使用在线收集的专家演示进行自我更新。基于预训练的导航扩散策略，NavOL在滚动更新循环中训练：在滚动过程中，策略在模拟器中行动并查询全局规划器，该规划器利用对全局环境的特权访问获取最优路径片段作为ground truth轨迹标签；在更新过程中，策略在收集的在线观察-轨迹对上进行训练。这种在线模仿循环消除了奖励设计的需求，提高了学习效率，并通过训练自身探索的轨迹来缓解分布迁移问题。基于IsaacLab的快速高保真并行渲染和相机姿态及起点-终点对的域随机化，本系统可在50个场景中扩展到8台RTX 4090 GPU上，每小时收集超过2,000条新轨迹，每条轨迹平均超过400步。我们还引入了一个室内视觉导航基准，包含预定义的起点和终点位置，用于零样本泛化。广泛的评估包括NavDP基准和我们提出的基准，以及精心设计的实际实验，都表明NavOL的有效性，显示出在线模仿学习中持续的性能提升。
引用
@article{arxiv.2605.11762,
title = {NavOL: Navigation Policy with Online Imitation Learning},
author = {Xiaofei Wei and Chun Gu and Li Zhang},
journal= {arXiv preprint arXiv:2605.11762},
year = {2026}
}
备注
Project page: https://logosroboticsgroup.github.io/NavOL/