PEANUT:预测并导航至未见目标
计算机视觉与模式识别
2022-12-06 v1 人工智能
机器人学
摘要
在陌生环境中高效的目标物体导航(ObjectNav)需要理解环境布局中的空间与语义规律性。本工作中,我们提出一种直接方法,通过从不完整的语义地图预测未观测物体的位置来学习这些规律性。我们的方法不同于先前基于预测的导航方法(如边界潜力预测或自我中心地图补全),其直接预测未见目标,同时利用所有先前探索区域的全局上下文。我们的预测模型轻量,可使用相对较少的被动收集数据以监督方式训练。一旦训练完成,该模型可纳入 ObjectNav 的模块化流水线,无需任何强化学习。我们在 HM3D 与 MP3D 的 ObjectNav 数据集上验证方法有效性,发现尽管未使用任何额外训练数据,它在两个数据集上均达到最优(state-of-the-art)性能。
引用
@article{arxiv.2212.02497,
title = {PEANUT: Predicting and Navigating to Unseen Targets},
author = {Albert J. Zhai and Shenlong Wang},
journal= {arXiv preprint arXiv:2212.02497},
year = {2022}
}
备注
Project webpage: https://ajzhai.github.io/peanut/