[可复现性报告] 基于神经 A* 搜索的路径规划
人工智能
2022-08-09 v1
摘要
以下论文是作为 2021 年 ML 可复现性挑战一部分、发表于 ICML 2021 的“基于神经 A* 搜索的路径规划”的可复现性报告。原论文提出了 Neural A* 规划器，并声称其在减少节点扩展与路径精度之间实现了最优平衡。我们通过在另一框架中重新实现该模型来验证这一主张，并复现了原论文中公布的数据。我们还提供了代码流程图以帮助理解代码结构。作为对原论文的扩展，我们探究了以下影响：(1) 通过在打乱的数据集上训练使模型泛化；(2) 引入 dropout；(3) 将经验选定的超参数作为模型中的可训练参数；(4) 将网络模型改为生成对抗网络（GAN）以引入随机性；(5) 将编码器从 Unet 修改为 Unet++；(6) 将 Neural A* 模块获得的代价地图纳入 A* 搜索的其他变体中。
引用
@article{arxiv.2208.04153,
title = {[Reproducibility Report] Path Planning using Neural A* Search},
author = {Shreya Bhatt and Aayush Jain and Parv Maheshwari and Animesh Jha and Debashish Chakravarty},
journal= {arXiv preprint arXiv:2208.04153},
year = {2022}
}