XAI-N：基于传感器、利用专家策略与决策树的机器人导航
机器人学
2021-07-20 v2 人工智能
机器学习
摘要
我们提出一种新颖的基于传感器的学习型导航算法，用于为机器人在具有移动障碍物或目标的密集动态环境中计算无碰撞轨迹。我们的方法使用基于深度强化学习的专家策略，该策略采用 sim2real 范式训练。为提高可靠性并处理专家策略的失效情形，我们结合策略提取技术将所得策略转化为决策树形式。所得决策树具有若干性质，我们利用这些性质分析并修改策略，从而改善包括平滑度、振荡频率、 immobilization 频率以及目标遮挡在内的导航指标表现。我们能够在无需重新训练的情况下修改策略以解决这些缺陷，将深度学习的学习能力与领域特定算法的可控性相结合。我们在仿真环境以及驱动 Clearpath Jackal 机器人在移动行人中导航时展示了本算法的优势。（视频见此链接：https://gamma.umd.edu/researchdirections/xrl/navviper）
引用
@article{arxiv.2104.10818,
title = {XAI-N: Sensor-based Robot Navigation using Expert Policies and Decision Trees},
author = {Aaron M. Roth and Jing Liang and Dinesh Manocha},
journal= {arXiv preprint arXiv:2104.10818},
year = {2021}
}