基于时空Transformer的强化学习用于机器人人群导航
机器人学
2023-10-12 v2
摘要
社交机器人导航是一个开放且具有挑战性的问题。在现有工作中，分别使用独立的模块来捕获空间和时间特征。然而，此类方法给提高时空特征的利用率以及降低导航策略的保守性带来了额外的困难。有鉴于此，我们提出了一种基于时空Transformer的策略优化算法，以增强时空特征的利用率，从而促进人机交互的捕获。具体而言，本文引入了一种门控嵌入机制，通过在特征层面整合两种模态，有效地对齐空间和时间表征。随后利用Transformer编码时空语义信息，以期找到最优导航策略。最后，时空Transformer与自适应策略熵的结合显著降低了导航策略的保守性。实验结果证明了所提框架的有效性，我们的方法展现出优越的性能。
引用
@article{arxiv.2305.16612,
title = {Spatio-Temporal Transformer-Based Reinforcement Learning for Robot Crowd Navigation},
author = {Haodong He and Hao Fu and Qiang Wang and Shuai Zhou and Wei Liu},
journal= {arXiv preprint arXiv:2305.16612},
year = {2023}
}
备注
The duplication rate is too high and the manuscript needs to be withdrawn