使用 RGB 图像作为无地图机器人导航的视觉输入

无地图环境下的机器人导航是移动机器人面临的核心问题与挑战之一。深度强化学习是解决无地图导航任务的一项极具前景的技术。由于强化学习需要大量探索，通常需要在模拟器中训练智能体，然后迁移到真实环境中。巨大的现实鸿沟使得最常见的视觉传感器——RGB 图像——鲜少被使用。本文提出了一种以 RGB 图像作为视觉输入的基于学习的无地图运动规划器。以 RGB 图像作为视觉输入的端到端导航网络中，大量参数被用于提取视觉特征。因此，我们将视觉特征提取模块与强化学习网络解耦，以减少智能体与环境之间交互的需求。我们使用变分自编码器（VAE）对图像进行编码，并将所得的隐向量作为低维视觉特征，与目标信息和运动信息一同输入网络，从而大幅提高了智能体的采样效率。我们构建了模拟环境作为机器人导航环境以进行算法比较。在测试环境中，将所提方法与端到端网络进行了对比，证明了其有效性与高效性。源代码可在以下地址获取：https://github.com/marooncn/navbot。