VertiCoder：垂直难地形上的自监督动力学表示学习
机器人学
2025-03-10 v2
摘要
我们提出了 VertiCoder，这是一种用于机器人在垂直难地形上的机动性的自监督表示学习方法。通过相同的预训练过程，VertiCoder 可处理四种不同的下游任务，包括前向动力学学习、逆向动力学学习、行为克隆和斑块重建，仅使用一个表示。VertiCoder 使用 TransformerEncoder 通过随机遮蔽和下一个斑块重建学习其周围环境的局部上下文。我们展示了 VertiCoder 在所有四种不同任务上均优于专用端到端模型，参数数量减少了 77%。我们还展示了 VertiCoder 在实际机器人部署中与最先进的动力学建模和规划方法的性能相当。这些结果凸显了 VertiCoder 在缓解过拟合以及促进跨多样化环境和下游车辆动力学任务的更健壮泛化方面的有效性。
关键词
引用
@article{arxiv.2409.11570,
title = {VertiCoder: Self-Supervised Kinodynamic Representation Learning on Vertically Challenging Terrain},
author = {Mohammad Nazeri and Aniket Datar and Anuj Pokhrel and Chenhui Pan and Garrett Warnell and Xuesu Xiao},
journal= {arXiv preprint arXiv:2409.11570},
year = {2025}
}
备注
Accepted at ICRA 2025. Code: https://github.com/mhnazeri/VertiCoder