在线学习可复用的抽象模型用于物体目标导航
计算机视觉与模式识别
2022-03-08 v1
摘要
在本文中，我们提出了一种增量学习未知环境抽象模型的新方法，并展示了智能体如何复用所学模型来处理物体目标导航任务。抽象模型是一个有限状态机，其中每个状态是环境在某一位置和朝向下被智能体感知到的状态的抽象。感知是高维感官数据（例如 RGB-D 图像），该抽象通过利用图像分割和 Taskonomy 模型库实现。抽象模型的学习通过执行动作、观察到达状态并用所获信息更新抽象模型来完成。学习到的模型由智能体记忆，并在其识别出处于与所存模型对应的环境时被复用。我们基于公开基准研究了所提方法在物体目标导航任务上的有效性。结果表明，复用所学抽象模型可提升物体目标导航的性能。
引用
@article{arxiv.2203.02583,
title = {Online Learning of Reusable Abstract Models for Object Goal Navigation},
author = {Tommaso Campari and Leonardo Lamanna and Paolo Traverso and Luciano Serafini and Lamberto Ballan},
journal= {arXiv preprint arXiv:2203.02583},
year = {2022}
}
备注
Paper accepted at CVPR2022