PONI：面向无交互学习的 ObjectGoal 导航势函数
计算机视觉与模式识别
2022-06-20 v2 人工智能
摘要
当前最先进的 ObjectGoal 导航方法依赖于强化学习，通常需要大量的计算资源和学习时间。我们提出了面向无交互学习的 ObjectGoal 导航势函数 (PONI)，这是一种模块化方法，将“去哪里寻找？”物体和“如何导航到 (x, y)？”这两个技能解耦。我们的核心见解是，“去哪里寻找？”可以纯粹视为一个感知问题，并在无需与环境交互的情况下学习。为此，我们提出一个网络，该网络以语义地图为条件预测两个互补的势函数，并利用它们来决定去哪里寻找未见过的物体。我们在一个俯视语义地图的被动数据集上使用监督学习训练势函数网络，并将其集成到一个模块化框架中以执行 ObjectGoal 导航。在 Gibson 和 Matterport3D 上的实验表明，我们的方法达到了 ObjectGoal 导航的最先进水平，同时训练所需的计算成本降低了高达 1600 倍。代码和预训练模型可在以下链接获取：https://vision.cs.utexas.edu/projects/poni/
引用
@article{arxiv.2201.10029,
title = {PONI: Potential Functions for ObjectGoal Navigation with Interaction-free Learning},
author = {Santhosh Kumar Ramakrishnan and Devendra Singh Chaplot and Ziad Al-Halah and Jitendra Malik and Kristen Grauman},
journal= {arXiv preprint arXiv:2201.10029},
year = {2022}
}
备注
8 pages + supplementary. Accepted in CVPR 2022