Dec, 2023

模拟最短路径实现在真实世界中的有效导航和操作

PDF
TL;DR在这项工作中，我们展示了在模拟环境中模仿最短路径规划者能够产生使得智能体可以根据语言指令熟练地导航、探索和操作对象的代理，仅使用 RGB 传感器（无深度图或 GPS 坐标）。这一令人惊讶的结果得益于我们的端到端、基于 transformer 的 SPOC 架构、强大的视觉编码器以及大规模且多样化的训练数据：在大约 200,000 个程序生成的房屋中收集了数百万帧最短路径专家轨迹，涵盖了 40,000 个独特的 3D 资源。我们的模型、数据、训练代码和新提出的十项任务基准套件 CHORES 将全部开源。
reinforcement learningimitation learningdense rewardsshortest-path plannersspoc architecture
发现论文，激发创造
  • 基于经验规划与自我模仿学习的机器人运动规划的强化学习

    本文提出了一种称为 SILP + 算法的自我模仿学习方法，将基于经验的规划有效地嵌入到学习架构中，从而缓解了机器人运动规划任务中的数据采集问题，并在复杂的运动规划任务中取得了更好的培训效率和更高稳定的成功率。

    Jun, 2023

  • 新路径：使用合成指令和模仿学习扩展视觉语言导航

    利用 360 度全景数据生成的合成语音引导大型模拟数据集，使用模仿学习的简单 Transformer 模型，本文介绍了一种新的方式 —— 合成指令及大规模模仿学习来提高代理程序。

    Oct, 2022

  • 基于模拟运动演示的机器人操纵强化学习

    本文提出了一种新的机器人操作方法，该方法利用了物体本身的运动学习，通过使用物理模拟器中的对象运动策略生成辅助奖励，称为模拟运动演示奖励（SLDRs），该方法可以在不需要人类演示或昂贵成本的情况下，通过强化学习来掌握机器人操作技能，从而实现多物体堆放和非刚性物体操作等任务的更高成功率和更快学习。

    Oct, 2019

  • 基于轨迹的球迷宫游戏学习

    本研究介绍了一种简单的方法来应用轨迹学习方法，以增加深度强化学习方法的样本效率，该方法应用于文献中最近引入的具有挑战性的球迷宫游戏，并展示了通过使用模拟器为模型生成有限数量的轨迹，可以在不使用人工生成轨迹的情况下，获得约 2-3 倍的学习加速度，同时讨论了在使用基于轨迹的学习处理非常稀疏的奖励函数时面临的一些挑战。

    Nov, 2018

  • 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

  • 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

  • 通过想象和达到视觉目标来跟随指示

    本文提出了一种基于空间推理和 RL 框架的学习方法，通过想象视觉目标并选择适当的行动来完成任务，使用单一外部奖励信号和内部动机来学习，该方法在两个仿真 3D 环境中，进行了验证，并在处理物体排列任务时，优于两个扁平化架构和一个分层架构。

    Jan, 2020

  • 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

  • 用低保真度模拟的约束机器人人群导航结构化图网络

    通过使用低保真度的模拟器，我们研究了使用强化学习政策进行约束群体导航的可行性。我们引入了一种动态环境的表示，将人类和障碍物分开表示。我们的方法在模拟和实际环境中显著改善了导航性能。

    May, 2024

  • PIRLNav：利用模仿与强化学习微调的预训练方法实现物体导航

    该研究通过提出一种两阶段的学习方法，结合模仿学习和强化学习，对 ObjectGoal Navigation 问题进行研究，展示了对人类演示预训练后进行强化学习的 PIRLNav 策略，在 ObjectNav 任务上将成功率从 60.0% 提升至 65.0%。研究发现，相比自动生成的演示，人类演示更具优势，而当 IL 预训练的准确率较高时，增加训练数据集的规模对 RL 微调的影响较小，此外，还提出了进一步改进该策略的指导方针。

    Jan, 2023