视觉里程计技术在具身 PointGoal 导航中令人惊讶的有效性
计算机视觉与模式识别
2021-08-27 v1 人工智能
机器学习
摘要
可靠地导航至指定目标对于个人机器人至关重要。为了研究这一任务，PointGoal 导航被引入到模拟的具身 AI 环境中。最近的进展在照片级逼真的模拟环境中，假设无噪声的自我中心视觉、无噪声的驱动以及最重要的是完美的定位，以近乎完美的精度（99.6% 的成功率）解决了这一 PointGoal 导航任务。然而，在视觉传感器和驱动的现实噪声模型下，且无法使用“GPS 和罗盘传感器”时，PointGoal 导航的 99.6% 成功率智能体仅能达到 0.3% 的成功率。在本工作中，我们展示了视觉里程计技术在这种现实设定下（即具有现实的感知和驱动噪声模型且无法使用 GPS 和罗盘传感器）对 PointGoal 导航任务的令人惊讶的有效性。我们表明，将视觉里程计技术集成到导航策略中，大幅提升了在流行的 Habitat PointNav 基准上的现有技术水平，将成功率从 64.5% 提升至 71.7%，同时执行速度提高了 6.4 倍。
引用
@article{arxiv.2108.11550,
title = {The Surprising Effectiveness of Visual Odometry Techniques for Embodied PointGoal Navigation},
author = {Xiaoming Zhao and Harsh Agrawal and Dhruv Batra and Alexander Schwing},
journal= {arXiv preprint arXiv:2108.11550},
year = {2021}
}
备注
ICCV 2021