UIVNAV：基于模仿学习的水下信息驱动视觉导航
机器人学
2025-04-16 v2
摘要
由于能见度有限、动态变化以及缺乏高性价比的精确定位系统，水下环境的自主导航具有挑战性。我们介绍了UIVNav，一种新颖的端到端水下导航方案，旨在驱动机器人越过感兴趣物体（OOI）同时避开障碍物，且不依赖定位。UIVNav使用模仿学习，并受人潜水员不依赖定位的导航策略启发。UIVNav包含以下阶段：（1）生成中间表示（IR），以及（2）基于人工标注的IR训练导航策略。通过在IR而非原始数据上训练导航策略，第二阶段是域不变的——若域或OOI改变，导航策略无需重新训练。我们通过将同一导航策略部署于两个不同域（仿真与真实水池）中调查两个不同OOI（牡蛎与岩石礁）来证明这一点。我们将我们的方法与完全覆盖和随机游走方法进行比较，表明我们的方法在收集OOI信息方面更高效，同时也避开了障碍物。结果显示，UIVNav选择访问具有较大牡蛎或岩石面积区域，无需环境或定位的先验信息。此外，使用UIVNav的机器人与完全覆盖方法相比，在相同行驶距离下平均多调查36%的牡蛎。我们还通过在真实水池中使用BlueROV水下机器人调查牡蛎壳床，证明了UIVNav实时部署的可行性。
引用
@article{arxiv.2309.08806,
title = {UIVNAV: Underwater Information-driven Vision-based Navigation via Imitation Learning},
author = {Xiaomin Lin and Nare Karapetyan and Kaustubh Joshi and Tianchen Liu and Nikhil Chopra and Miao Yu and Pratap Tokekar and Yiannis Aloimonos},
journal= {arXiv preprint arXiv:2309.08806},
year = {2025}
}