用于移动机器人导航的预训练掩码图像模型

2D俯视地图常用于移动机器人在未知区域中的导航与探索。通常，机器人使用机载传感器从局部观测逐步构建导航地图。近期工作表明，通过基于学习的方法预测环境中的结构模式可大幅提升任务效率。尽管许多此类工作使用有限数据集构建任务特定网络，我们展示了现有基础视觉网络无需任何微调即可完成相同任务。具体而言，我们使用在街景图像上预训练的掩码自编码器（Masked Autoencoders），针对不同输入模态，提出视野扩展、单智能体拓扑探索以及用于室内建图的多智能体探索的新颖应用。我们的工作推动了基础视觉模型在泛化结构预测驱动应用中的使用，尤其在训练数据匮乏时。更多定性结果见 https://raaslab.org/projects/MIM4Robots。