Jun, 2021

稳健导航：走向评估行动导航鲁棒性

PDF
TL;DR提出 RobustNav 框架，旨在评估具有鲁棒性的导航代理的性能，并在受到各种视觉和动态的影响下量化性能。通过系统分析在不同污染下使用标准导航代理产生的怪异行为，我们发现其中一些标准代理的表现明显下降。对于 RobustNav 中的视觉污染，虽然这些标准技术可以在零次抗阻和导航性能方面提供一些效果，但相对于干净的 “无污染” 设置还有很长的路要走，仍需要更多的研究。
embodied navigation agentsrobustnavvisual corruptionsdynamics corruptionsnavigation performance
发现论文，激发创造
  • RoNIN: 野外环境下稳健的神经惯性导航：基准测试、评估和新方法

    本文提出了一种新的数据驱动惯性导航方法，涵盖了数据集、神经网络模型和两种质量评估方法，应用于人体运动状态下的惯性测量单元感应数据分析。

    May, 2019

  • 利用反馈的实体视觉导航鲁棒性

    本文提出了一个培训框架，用于训练代理在物体目标导航任务中主动寻求帮助，并提供有反馈的目标物体在其视野中的位置。为了使代理更加鲁棒，该培训课程包括具有和没有反馈的情节混合。结果表明，即使没有反馈，在这个方法的帮助下，代理的表现也得到了提高。

    Mar, 2023

  • 视觉测距技术在点目标导航中的出人意料有效性

    本研究使用实际噪声模型和视觉里程法，改进了 Habitat PointNav 基准中 PointGoal 导航任务的成功率，成功率从 64.5% 提高到 71.7%，速度提高了 6.4 倍。

    Aug, 2021

  • CoNav：人本合作导航的基准测试

    人机协作导航以及基于 LLM 的人形动画生成框架与感知人类意图的代理的相关研究。

    Jun, 2024

  • 具身视觉导航的深度学习：一项综述

    综述了目前关于具有各种智能技能的智能机器人在 3D 环境中进行导航的研究领域，着重介绍了在这一领域内的各种高级技能，例如：感知局部观察视觉输入，理解跨模态的指令等等，并探讨了未来的研究方向及挑战。

    Jul, 2021

  • GNSS-Denied 场景下角度稳健性无人机导航

    通过采用新颖的角度稳健导航范式和模型，结合自适应特征增强模块、跨领域注意力引导模块和鲁棒任务导向头模块，实现高精度导航的方向角预测，并经过实验证明所提出的模型在理想和干扰环境下的到达成功率分别提高了 26.0% 和 45.6%，从而解决了基于视觉的导航方法的局限性。

    Feb, 2024

  • 融合自我定位以实现更真实的点 - 目导航智能体

    本文介绍了一种基于视觉位移估计和任务特定导航策略的点目标导航代理，该代理可适应嘈杂的传感器和动作动态，并在 CVPR 2020 Habitat Challenge 的 PointNav 跟踪中获得亚军。

    Sep, 2020

  • 从完美到嘈杂的世界模拟：用于 SLAM 鲁棒性评估的可定制的多模态干扰

    我们提出了一种新颖的、可定制的噪声数据合成管道，旨在评估多模态 SLAM 模型对各种干扰的弹性，通过使用所提供的工具箱，将清洁环境转化为具有挑战性的噪声模拟。使用该管道，我们构建了大规模 Noisy-Replica 基准，并评估现有高级 RGB-D SLAM 模型对多种干扰类型的风险容忍度。

    Jun, 2024

  • 加强模拟环境下基于行的作物导航基准测试与感知数据生成

    本文介绍了通过使用合成数据集和虚拟场景来加速自主导航系统的开发的方法及其在农业领域的应用。

    Jun, 2023

  • 实环境下的自适应课程学习体感视觉导航

    通过自适应课程学习方法的引入，提出了一种新的导航机器人自主移动策略 NavACL，该策略能够在陌生的室内环境中实现绕过障碍物并到达指定目标，并能够应用于真实场景的移动机器人系统。

    Sep, 2020