面向视觉导航的无监督域适应
机器学习
2020-11-13 v2 计算机视觉与模式识别
机器人学
摘要
视觉导航方法的进展已催生出能够从原始 RGB 图像中学习有意义表征并执行涉及结构与语义推理的多种任务的智能具身导航智能体。然而，大多数基于学习的导航策略是在仿真环境中训练与测试的。为使这些策略具有实际用途，需将其迁移至真实世界。本文中，我们提出一种面向视觉导航的无监督域适应方法。我们的方法将目标域中的图像翻译到源域，使得该翻译与导航策略学到的表征一致。所提方法在仿真中两种不同导航任务上优于若干基线。我们进一步展示该方法可用于将仿真中学习的导航策略迁移至真实世界。
引用
@article{arxiv.2010.14543,
title = {Unsupervised Domain Adaptation for Visual Navigation},
author = {Shangda Li and Devendra Singh Chaplot and Yao-Hung Hubert Tsai and Yue Wu and Louis-Philippe Morency and Ruslan Salakhutdinov},
journal= {arXiv preprint arXiv:2010.14543},
year = {2020}
}
备注
Deep Reinforcement Learning Workshop at NeurIPS 2020. Camera Ready Version