AdobeIndoorNav数据集：面向基于深度强化学习的真实世界室内机器人视觉导航
机器人学
2018-02-27 v1
摘要
深度强化学习（DRL）在学习用于机器人视觉导航的无模型导航策略方面展现出潜力。然而，这一数据需求巨大的算法依赖于训练中的大量导航轨迹。现有支持此类机器人导航算法训练的数据集或由3D合成场景组成，或由重建场景组成。合成数据存在与真实世界场景的领域鸿沟，而从3D重建场景渲染的视觉输入具有不期望的空洞与伪影。本文提出一个在真实世界中收集的新数据集，以推动基于DRL的视觉导航研究。我们的数据集包含真实世界场景的3D重建以及从这些场景密集采集的真实2D图像。它在密集网格位置为机器人提供具有真实世界场景复杂性的高质量视觉输入。我们进一步研究并基准测试了一种近期基于DRL的导航算法，并给出我们在提升其对场景中未见测试目标泛化能力方面的尝试与思考。
引用
@article{arxiv.1802.08824,
title = {The AdobeIndoorNav Dataset: Towards Deep Reinforcement Learning based Real-world Indoor Robot Visual Navigation},
author = {Kaichun Mo and Haoxiang Li and Zhe Lin and Joon-Young Lee},
journal= {arXiv preprint arXiv:1802.08824},
year = {2018}
}