动态环境中基于注意力深度强化学习的目标驱动子导航
机器人学
2023-03-03 v1
摘要
在包含未知静态与动态障碍物的环境中实现无碰撞、目标导向的导航仍是一项巨大挑战,尤其在需要避免手动调参或代价高昂的运动预测时。为此,本文提出一种由深度强化学习训练、解耦避障与运动控制的子目标驱动分层导航架构。具体而言,我们将导航任务拆分为:预测下一子目标位置以在朝向最终目标移动时避免碰撞,以及预测机器人速度控制。依托 2D 激光雷达,我们的方法学会避障同时实现目标导向行为,并生成底层速度控制指令以抵达子目标。在我们的架构中,我们对机器人的 2D 激光雷达读数应用注意力机制,并计算激光雷达扫描段对避障的重要性。如我们在 Turtlebot 机器人的仿真与真实世界实验中所展示,所提方法在人类环境中产生平滑且安全的轨迹,并在成功率上显著优于一种最先进方法。描述我们方法的补充视频可在线获取。
引用
@article{arxiv.2303.01443,
title = {Subgoal-Driven Navigation in Dynamic Environments Using Attention-Based Deep Reinforcement Learning},
author = {Jorge de Heuvel and Weixian Shi and Xiangyu Zeng and Maren Bennewitz},
journal= {arXiv preprint arXiv:2303.01443},
year = {2023}
}