ReProHRL：面向真实世界多目标导航的层次化智能体方法

机器人已成功用于执行高精度任务。在具有稀疏奖励和多目标的真实世界环境中，学习仍是一项重大挑战，强化学习（RL）算法难以学到良好的策略。在仿真环境中训练然后在真实世界中微调是常见做法。然而，适应真实世界环境是一项挑战。本文提出一种名为面向生产就绪的层次化 RL（ReProHRL）的方法，其通过强化学习引导的层次化多目标导航来分解任务。我们还使用目标检测器作为预处理步骤来学习多目标导航并将其迁移至真实世界。实证结果表明，所提出的 ReProHRL 方法在仿真和真实世界环境中，无论在训练时间还是性能方面均优于最先进的基线。尽管两种方法在基于单目标的简单导航环境中均达到 100% 成功率，但在更复杂环境和多目标设定下，所提方法分别比基线高出 18% 和 5%。对于真实世界实现和概念验证演示，我们将所提方法部署于名为 Crazyflie 的搭载前视摄像头的纳米无人机上，以执行多目标导航实验。