SGN-CIRL：基于场景图的导航学习框架
机器人学
2025-06-06 v1 机器学习
摘要
3D 场景图建模了物体之间的空间关系，使智能体能够在部分可观测环境中高效导航并预测目标物体的位置。本文提出一种原创框架 SGN-CIRL（3D 场景图基礎强化学习导航），用于无地图的基于强化学习的机器人导航，并支持开放词汇 3D 场景图的可学习表示。为加速和稳定基于强化学习算法的训练，框架还采用仿真学习和课程学习。前者使智能体能够从演示中学习，而后者则通过逐步增加任务复杂度从简单到更高级情景来结构化训练过程。在 Isaac Sim 环境中的数值实验表明，使用 3D 场景图进行强化学习显著提高了在复杂导航情形下的成功率。该代码已开源，地址为：https://github.com/Xisonik/Aloha\_graph。
引用
@article{arxiv.2506.04505,
title = {SGN-CIRL: Scene Graph-based Navigation with Curriculum, Imitation, and Reinforcement Learning},
author = {Nikita Oskolkov and Huzhenyu Zhang and Dmitry Makarov and Dmitry Yudin and Aleksandr Panov},
journal= {arXiv preprint arXiv:2506.04505},
year = {2025}
}
备注
7 pages, 11 figures