基于激光雷达观测的陆地机器人自主导航世界模型
机器人学
2025-12-04 v1 人工智能
摘要
基于强化学习 (RL) 从激光雷达观测进行陆地机器人自主导航仍然具有挑战性，原因在于传感器数据的高维度和无模型方法的样本效率低下。常规策略网络难以处理全分辨率激光雷达输入，迫使先前工作依赖简化观测，从而降低了空间感知和导航鲁棒性。本文提出了一种基于 DreamerV3 算法的新模型强化学习框架，将多层感知器变分自编码器 (MLP-VAE) 集成到世界模型中，将高维激光雷达读数编码为紧凑的潜在表征。这些潜在特征与学习到的动力学预测器相结合，实现了高效的基于想象的策略优化。在模拟 TurtleBot3 导航任务上的实验表明，所提出的架构相比 SAC、DDPG 和 TD3 等无模型基线实现了更快的收敛速度和更高的成功率。值得强调的是，基于 DreamerV3 的智能体在使用完整 Turtlebot3 激光雷达数据集（360 个读数）时，在所有评估环境中达到了 100% 的成功率，而无模型方法则停滞在 85% 以下。这些结果表明，将预测世界模型与学习到的潜在表征相结合，能够从高维感知数据中实现更高效、更鲁棒的导航。
引用
@article{arxiv.2512.03429,
title = {World Models for Autonomous Navigation of Terrestrial Robots from LIDAR Observations},
author = {Raul Steinmetz and Fabio Demo Rosa and Victor Augusto Kich and Jair Augusto Bottega and Ricardo Bedin Grando and Daniel Fernando Tello Gamarra},
journal= {arXiv preprint arXiv:2512.03429},
year = {2025}
}
备注
Accepted for publication in the Journal of Intelligent and Fuzzy Systems