X-Nav：面向移动机器人的端到端跨体 embodiment navigation 学习
机器人学
2025-11-27 v2
摘要
现有的导航方法主要为特定机器人体现结构设计，限制了其在不同机器人平台之间的可泛化性。本文引入 X-Nav，一个用于端到端跨体 embodiment navigation 的新框架，其中单个统一的策略可部署于各种体现结构，用于 wheeled 和 quadrupedal 机器人。X-Nav 包含两个学习阶段：1) 使用带有特权观察的深度强化学习在广泛的随机生成机器人体现结构上训练多个专家策略；2) 通过 navigation action chunking with transformer( Nav-ACT) 从专家策略中提炼出单个通用策略。该通用策略直接将视觉和 proprioceptive 观察映射到低层控制命令，从而实现对新体现结构的泛化。仿真实验表明，X-Nav 能够在零样本情况下转移到未见体现结构和照片逼真环境。规模性研究显示，随着训练随机生成体现结构数量的增加，X-Nav 的性能会提升。消融研究确认了 X-Nav 的设计选择。此外，还进行了实际环境中的实验，以验证 X-Nav 在真实环境中泛化的能力。
引用
@article{arxiv.2507.14731,
title = {X-Nav: Learning End-to-End Cross-Embodiment Navigation for Mobile Robots},
author = {Haitong Wang and Aaron Hao Tan and Angus Fung and Goldie Nejat},
journal= {arXiv preprint arXiv:2507.14731},
year = {2025}
}