QuasiNav: 基于约束拟度量强化学习的非对称代价感知导航规划

在非结构化户外环境中的自主导航本质上具有挑战性，因为存在非对称的通行代价，例如上坡与下坡运动所需的能量消耗不同。传统的强化学习方法通常假设对称代价，这可能导致次优的导航路径，并在实际场景中增加安全风险。在本文中，我们介绍了QuasiNav，一个新颖的强化学习框架，它集成了拟度量嵌入来显式建模非对称代价，并引导高效、安全的导航。QuasiNav将导航问题形式化为一个约束马尔可夫决策过程（CMDP），并采用拟度量嵌入来捕捉方向依赖的代价，从而更准确地表示地形。该方法与约束策略优化框架内的自适应约束收紧相结合，以在学习过程中动态执行安全约束。我们在三个具有挑战性的导航场景——起伏地形、非对称山坡穿越和方向依赖地形穿越——中验证了QuasiNav，展示了其在模拟和真实环境中的有效性。实验结果表明，QuasiNav显著优于传统方法，实现了更高的成功率、更高的能源效率以及更好的安全约束遵守。