SGoLAM：面向多目标导航的同步目标定位与建图
计算机视觉与模式识别
2021-10-15 v1 机器人学
摘要
我们提出 SGoLAM（simultaneous goal localization and mapping，同步目标定位与建图），一种用于多目标导航（Multi-Object Goal navigation）的简单高效算法。给定配备 RGB-D 相机与 GPS/Compass 传感器的智能体，我们的目标是让其在真实 3D 环境中依次导航至一系列目标物体。我们的流程通过将该问题解耦为两个关键组件——建图与目标定位——充分借助经典视觉导航方法的优势。建图模块将深度观测转换为占据栅格地图，目标定位模块标记目标物体位置。智能体策略由两模块提供的信息决定：若发现当前目标则规划前往该目标，否则执行探索。由于我们的方法无需训练任何神经网络，它可开箱即用，并易于在新未见环境中快速泛化。尽管如此，我们的方法性能与最先进（SOTA）的基于学习的方法相当。SGoLAM 在 CVPR 2021 MultiON（多目标导航）挑战赛中排名第 2。我们已将代码公开于 \emph{https://github.com/eunsunlee/SGoLAM}。
引用
@article{arxiv.2110.07171,
title = {SGoLAM: Simultaneous Goal Localization and Mapping for Multi-Object Goal Navigation},
author = {Junho Kim and Eun Sun Lee and Mingi Lee and Donsu Zhang and Young Min Kim},
journal= {arXiv preprint arXiv:2110.07171},
year = {2021}
}