Sep, 2017

通用计算图的自监督深度强化学习在机器人导航中的应用

PDF
TL;DR提出一种广义计算图，包含基于价值的无模型方法和基于模型的方法，通过学习从原始图像中学习导航模型，实现样本高效，并利用模拟实验和实际应用验证了新方法的优越性。
robot navigationlearning-based methodsvalue-based model-free methodsmodel-based methodssample efficiency
发现论文，激发创造
  • 从单一遍历中学习可部署的千米级导航策略

    通过单次覆盖遍历记录数据，提出了一种有效地在移动机器人上快速学习面向目标导航策略的方法，并且能够在实际机器人上成功地部署，同时能够处理测试时的环境外观差异。

    Jul, 2018

  • 基于深度学习的室内自主导航行为方法

    本文提出了一种适用于室内机器人导航的语义图形表示方法，该表示方法以语义位置和导航行为为节点和边，利用深度学习架构直接从视觉输入生成导航行为，无需计算机器人精确位置和环境几何关系，实现以更高的语义抽象水平导航的目的。

    Mar, 2018

  • 改进社交机器人导航的强化学习训练方式

    自主移动机器人在人类空间中导航必须遵守社会规范。本研究提出了一种使用课程学习来改善强化学习社交导航方法的泛化性能的方法。通过使用多种环境类型和多种动力学模型对行人进行建模，逐步增加训练的多样性和难度。研究结果表明，与之前的训练方法相比，使用课程学习进行训练可以取得更好的泛化性能。此外，我们还验证了训练方法在比训练中使用的更大更拥挤的测试环境中的有效性，从而对模型的性能进行更有意义的衡量。

    Aug, 2023

  • 安全导航：在 CARLA 中使用深度强化学习进行自主车辆训练

    自主驾驶汽车使用深度强化学习技术在不确定环境中进行决策，通过使用 CARLA 模拟器在真实城市环境中训练和测试自动驾驶模型，实现了准确的对象识别和距离估计以及有效的交通导航。

    Oct, 2023

  • 基于行为的图形定位网络的视觉导航

    本文介绍一种基于图神经网络和卷积 / 循环神经网络实现的原始行为分解的、使用拓扑地图进行视觉导航的新方法，并在 Gibson 模拟器中验证了其在已知和未知环境中导航的性能优于相关基准线。

    Mar, 2019

  • 复杂环境中的自主导航

    该论文探讨了使用 CNN-DNN 网络融合构建机器人导航控制器在模拟环境中的应用。模拟环境模拟了地下救援情况，其中一个自主代理任务是在未知的洞穴系统中找到一个目标。使用模仿学习训练控制算法利用 LiDAR 和摄像头数据导航空间并找到目标。通过使用蒙特卡洛测试训练好的模型的鲁棒性。

    Jan, 2024

  • 使用强化学习在限制的行人环境下实现机器人导航

    本文提出了基于强化学习（RL）的方法来解决移动机器人在密闭空间中与行人互动的导航问题，探索了多个场景下训练准则的可复用性，并在两个真实环境的三维重建中表现出了良好的迁移能力。

    Oct, 2020

  • 无地图城市导航学习

    该论文提出一种基于深度强化学习的城市级别自主导航模型，采用 Google StreetView 进行环境交互和训练，具备可迁移性和区域特征一致性，实现了在多个城市环境下自主导航到目标位置。

    Mar, 2018

  • 没有强化学习，没有模拟：学习导航而无需导航

    本研究提出了一种基于自监督学习的方法，通过对漫游的被动视频学习导航，而无需交互、地图信息或强化学习，旨在解决基于图像目标的导航任务，该方法可以作为使用强化学习或模拟的任何未来基于图像的导航任务的强大基准。

    Oct, 2021

  • 自主导航强化学习技术基准测试

    本论文介绍了深度强化学习在自主导航中的应用，指出安全性和泛化性等方面的限制，并探讨了四种学习技术及其在新型开源导航基准和实际环境中的应用，以此进行了全面研究。

    Oct, 2022