SCALE：基于反新奇估计的移动机器人自纠正视觉导航

虽然视觉导航已广泛使用深度强化学习进行研究，但针对实际机器人的在线学习仍是一个具有挑战性的任务。最近的工作直接从离线数据集中学习，以实现实际任务中的更广泛泛化，但面临离散分布（OOD）问题以及在给定地图中针对不可见观察的机器人定位失效问题。这显著降低成功率甚至引发碰撞。本文提出了一种自纠正视觉导航方法 SCALE，能够在无需人工干预的情况下预防机器人处于 OOD 情况。具体而言，我们开发了基于隐式 Q 学习的图像-目标条件离线强化学习方法。当面对 OOD 观察时，我们的新型定位恢复方法通过学习导航可行性来生成潜在的未来轨迹，并通过随机网络蒸馏（RND）估计未来新奇度。一个量身定制的代价函数搜索具有最小新奇度且可引导机器人到达熟悉地点的候选者。我们收集了离线数据并在三个真实世界城市场景中进行评估实验。实验结果表明，SCALE 在开放世界导航中超过以往最先进的方法，具有独特的定位恢复能力，显著减少了对人工干预的需求。代码已公开于 https://github.com/KubeEdge4Robotics/ScaleNav。