存在障碍物时基于视觉的目标条件化水下导航策略
机器人学
2020-06-30 v1
摘要
我们提出Nav2Goal，一种数据高效且端到端的目标条件化视觉导航学习方法。我们的技术用于训练导航策略，使机器人能在无任何先验地图的情况下导航至用户提供的稀疏地理航点附近，同时避开障碍物并选择覆盖用户指定感兴趣区域的路径。我们的方法基于条件模仿学习的最新进展。通用、安全且信息丰富的动作由人类专家演示。随后通过使用基于机器人相对定位系统的后见之明重标注进行训练，将学到的策略扩展为目标条件化，无需额外手动标注。我们将该方法部署在开放海域的水下航行器上以收集珊瑚礁的科学相关数据，使我们的机器人能够安全自主地运行，即便在极靠近珊瑚时也是如此。我们的现场部署已展示超过一公里的自主视觉导航，机器人到达约40个航点，同时收集科学相关数据。这是在距敏感珊瑚0.5 m高度内航行，并展现出显著习得的敏捷性以克服湍流海洋条件并主动避免碰撞的情况下完成的。
引用
@article{arxiv.2006.16235,
title = {Vision-Based Goal-Conditioned Policies for Underwater Navigation in the Presence of Obstacles},
author = {Travis Manderson and Juan Camilo Gamboa Higuera and Stefan Wapnick and Jean-François Tremblay and Florian Shkurti and David Meger and Gregory Dudek},
journal= {arXiv preprint arXiv:2006.16235},
year = {2020}
}
备注
RSS 2020. Video and project details can be found at http://www.cim.mcgill.ca/mrl/nav2goal/