Safe-VLN：面向连续环境中自动驾驶机器人视觉-语言导航的碰撞避免
机器人学
2024-12-30 v2
摘要
连续环境中的视觉-语言导航（VLN-CE）任务旨在训练自主 agent 利用视觉观测与语言指令执行底层动作以在 3D 连续周边环境中导航。大量研究已证明 VLN-CE 在移动机器人上的巨大潜力。然而，现有 VLN-CE 工作大多主要关注将标准离散视觉-语言导航（VLN）方法迁移至连续环境，忽视了碰撞问题。此类疏忽常导致 agent 偏离规划路径，或在严重情况下被困于障碍区域并任务失败。为解决上述问题，本文调研 VLN-CE 中的各类碰撞场景，并提出一种分类方法以预测碰撞的潜在成因。此外，提出一种名为 Safe-VLN 的新 VLN-CE 算法，以增强碰撞避免能力，其包含两个关键组件，即航点预测器与导航器。特别地，航点预测器利用模拟的 2D LiDAR 占用掩码防止预测航点落于障碍密集区域。另一方面，导航器采用“碰撞后重选”策略防止机器人 agent 陷入永久碰撞循环。所提 Safe-VLN 在 R2R-CE 上评估，结果展示了增强的导航性能与统计显著的碰撞发生率降低。
引用
@article{arxiv.2311.02817,
title = {Safe-VLN: Collision Avoidance for Vision-and-Language Navigation of Autonomous Robots Operating in Continuous Environments},
author = {Lu Yue and Dongliang Zhou and Liang Xie and Feitian Zhang and Ye Yan and Erwei Yin},
journal= {arXiv preprint arXiv:2311.02817},
year = {2024}
}