Mar, 2019

基于行为的图形定位网络的视觉导航

PDF
TL;DR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。
visual navigationtopological mapsgraph neural networksprimitive behaviorsgibson simulator
发现论文，激发创造
  • 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

  • 神经拓扑 SLAM 用于视觉导航

    本文研究图像目标导航问题，提出了一种基于拓扑表示法、语义特征和监督学习算法的解决方案，在视觉和物理仿真实验中部署该算法，与现有方法相比，在长时间任务中呈现出 50％以上的相对提高。

    May, 2020

  • 使用 Transformer 的拓扑规划实现视觉语言导航

    本文介绍了一种基于模块化方法的视觉和语言导航技术，使用拓扑地图和注意机制来生成导航计划，并通过低级动作执行控制器实现。实验证明，该方法在自由遍历环境下优于以往的端到端方法。

    Dec, 2020

  • 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

    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。

    Sep, 2017

  • 学习使用不确定拓扑地图进行规划

    本文采用一种数据驱动的策略和基于图像的规划，应用于 3D 环境中的导航系统，通过机器学习方法实现了图像哈希表上的最短路径规划，比传统符号算法更优秀。

    Jul, 2020

  • 大规模拓扑导航的本地控制扩展

    我们提出了一种直观的解决方案，通过准确测量本地控制器的能力，可以实现可伸缩且稳健的大规模视觉拓扑导航，同时在大规模环境中实现轨迹跟随和规划的最新结果，并且该方法可以很好地推广到真实机器人和新环境上，而无需重新培训或微调。

    Sep, 2019

  • 具有图神经嵌入的主动语义定位

    本研究提出了一个轻量级、全 CPU 基于的 “图神经本地化器” 框架，旨在解决语义定位问题。该框架结合了场景图和图神经网络技术，首先训练了一个场景图分类器用于被动视觉，然后将其知识转移到强化学习规划器用于主动视觉。实验表明，该方法在自我监督学习和无监督域适应两个场景下都具有效果。

    May, 2023

  • ViNG: 使用视觉目标学习开放世界导航

    提出了一个基于学习的导航系统，该系统应用于实际移动机器人平台，旨在使机器人通过学习来了解环境和导航便利性，以便在视觉引导下实现目标点的导航，经过实地测试和应用，该系统的表现优于其他以强化学习和搜索为基础的方法。

    Dec, 2020

  • 在逼真环境中学习视觉导航，无需任何监督

    提出了一种无需外部监督或奖励的新方法，通过三个阶段，学习从图像输入进行导航：学习视角的良好表示，然后使用内存进行探索，最后通过设置自己的目标来学习导航。该模型仅使用内在奖励进行培训，因此适用于任何具有图像观察的环境。通过使用 RGB 输入训练代理在具有挑战性的 Gibson 数据集的逼真环境中导航的好处。

    Apr, 2020

  • 进化图形规划器：为视觉语言导航提供上下文全局规划

    本研究基于原始传感器输入，引入了进化图式计划者 (Evolving Graphical Planner，EGP) 模型，其能够以更灵活的决策空间，为导航执行全局规划， 并在具有照片级真实感的图像上的 Vision-and-Language Navigation (VLN) 任务中取得了优异的性能。

    Jul, 2020