ICLRJan, 2023

盲人导航智能体记忆中的地图生成

PDF
TL;DR本研究研究了机器（人工智能导航代理）是否也能建立内在空间表征或地图，通过对盲智能体进行训练，发现即使在没有预先设定机制条件的情况下，盲智能体也能通过记忆体和选择性建立地图，并表现出智能行为，这证明了地图是导航的基本机制之一。
animal navigationartificial intelligenceimplicit mapsneural networksreinforcement learning
发现论文，激发创造
  • 利用鼹鼠学习：可转移的潜在空间表示，实现无需重建的导航

    本研究提出通过盲辅助代理训练学习场景的可操作表示，用于导航决策，并且经实验证明该学习表示方式在处理复杂环境及从模拟到真实场景的转换时具有很好的鲁棒性。

    Jun, 2023

  • 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

  • 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

  • 学习在复杂环境中导航

    利用增强学习问题和多模态感应输入的辅助深度预测和循环闭环分类任务，可以学习从复杂 3D 迷宫中进行导航并接近人类级别表现

    Nov, 2016

  • 使用语义地图监督学习导航视觉表征

    我们提出了一种新颖的导航特定的视觉表示学习方法，通过对比代理的自我中心视图和语义地图（Ego$^2$-Map），将地图中的紧凑且丰富的信息转移到代理的自我中心表示中，从而实现室内导航。我们的实验结果表明，采用我们学习到的表示的代理在目标导航中优于最近的视觉预训练方法，并且我们的表示显著改善了连续环境下的视觉和语言导航，在高级和低级行动空间上均取得了 47％的 SR 和 41％的 SPL 的最新最佳结果。

    Jul, 2023

  • 目标导向智能体的无监督预测记忆

    本文介绍了一个新的模型 MERLIN，其通过利用可预测的建模引导记忆形成，使单一的学习智能体架构能够在心理学和神经生物学中解决基本行为任务。

    Mar, 2018

  • 在模糊环境中整合认知地图学习与主动推理的规划

    本文提出了一种将统计模型的认知地图形成与支持不确定性规划的主动推理代理进行集成的方法，并通过在三个空间导航场景中比较原始克隆图代理和主动推理驱动的克隆图代理，证明了尽管两种代理在简单场景中都有效，但主动推理代理在具有关于位置的模糊信息的挑战性场景中的规划更有效。

    Aug, 2023

  • 使用 Affordance Map 学习移动

    本文提出了一种基于自监督学习的模块化方法，该方法将传统的几何规划与学习空间场景表示相结合，以实现对动态对象和语义约束进行自主探索和导航。在基于 VizDoom 的仿真环境中得到了验证。

    Jan, 2020

  • 概念空间导航：对人工通用智能的新视角

    Tolman's ideas on latent learning and cognitive maps led to conceptual space representation and proposed autonomous navigation as a valid approach for emulated cognition via neoRL navigation of conceptual space that resembles biological learning.

    Feb, 2022

  • 导航代理学习到了哪些关于环境的信息？

    本文介绍了一种解释具有符号感知（Embodied）的 Point Goal 和 Object Goal 导航代理的方法，即 “Interpretability System for Embodied agEnts (iSEE)”，并使用该方法对代理行为进行了分析，揭示了一些关于代理的有趣性质。

    Jun, 2022