Stubborn：室内物体导航的强基线
机器人学
2022-03-15 v1 人工智能
摘要
我们提出一个强基线，在Habitat Challenge的室内环境导航至目标物体任务上超越了先前发表方法的性能。我们的方法受启于先前最优方法的主要失败模式：探索性差、物体识别不准确，以及因地图构建不精确导致智能体受困。我们做出三项贡献以缓解这些问题：(i) 首先，我们展示现有基于地图的方法未能有效利用语义线索进行探索。我们提出一种无学习的语义无关探索策略(称为Stubborn)，其出人意料地优于先前工作。(ii) 我们提出一种整合时序信息以改进物体识别的策略。(iii) 最后，由于深度观测不准确，智能体常在小区内受困。我们开发了用于障碍识别的多尺度碰撞地图以缓解该问题。
引用
@article{arxiv.2203.07359,
title = {Stubborn: A Strong Baseline for Indoor Object Navigation},
author = {Haokuan Luo and Albert Yue and Zhang-Wei Hong and Pulkit Agrawal},
journal= {arXiv preprint arXiv:2203.07359},
year = {2022}
}