robot navigation | BriefGPT

关键词robot navigation

搜索结果 - 54

PoliFormer: 用 Transformer 扩展 On-Policy 强化学习，实现高超的导航员
我们提出了 PoliFormer（Policy Transformer），这是一个使用强化学习进行训练的 RGB 室内导航代理，采用规模化的端到端训练，能够在真实世界中无需适应即可进行泛化，尽管它是纯在模拟环境中训练的。PoliFormer
PDF6 days ago
3D 摄像机评估的碰撞避免度量
为了解决当前标准相机评估指标无法准确考虑应用上下文的问题，我们提出了一种新的用于评估点云的度量标准，该度量标准专门设计用于评估 3D 相机在关键的避碰任务中的适用性，并结合应用特定的考虑因素来提供一个更准确的评估控制机器人安全导航性能的度量
PDF2 months ago
CVPRJRDB-PanoTrack: 拥挤人类环境中的开放式全景分割和追踪机器人数据集
自主机器人系统研究中，环境理解是机器人导航、人机交互和决策的关键步骤。本文介绍了一种新的开放世界全景分割和跟踪基准数据集 JRDB-PanoTrack，旨在提供更全面的环境感知。该数据集包含室内和室外拥挤场景的多种数据、包括 2D 和 3D
PDF3 months ago
NeuPAN: 直接点机器人导航与端到端基于模型的学习
NeuPAN 是一种实时高精度、无地图、机器人通用和环境不变的机器人导航解决方案，通过将原始点映射到学习的多帧距离空间，并从端到端的模型学习角度解释方案，实现了避免感知到控制的误差传播和可证明收敛性。NeuPAN 通过 PnP 层与回路中的
PDF4 months ago
TTA-Nav: 测试时自适应恢复点目标导航在视觉损坏下
通过测试时适应 (TTA) 方法，我们的研究提出了一种名为 TTA-Nav 的机器人视觉导航方法，在视觉失真条件下进行目标导向的导航。我们的方法通过将自顶向下解码器与预训练导航模型结合，从失真图像中提取特征，重建较干净的图像，并使导航模型能
PDF4 months ago
深度强化学习中可转换的高斯奖励函数对于具有社交意识的导航
机器人导航已从优先考虑避障转向采用能够适应人类存在的社交化导航策略，这导致社交化导航在机器人领域内具有显著地位。我们介绍并验证了可变高斯奖励函数（TGRF），该函数显著减轻了超参数调整的负担，在各种奖励函数中具备适应性，并在深度强化学习中展
PDF4 months ago
用深度强化学习实现多机器人社交导航的注意力图
通过结合感知、规划和预测，本研究提出了一种基于深度强化学习的多智能体社会感知导航策略方法，使用基于图的实体交互表示，并利用图神经网络和注意机制进行建模。实验证明，该方法在多个异构人群的复杂环境中能比社交导航深度强化学习单智能体技术更快地学习
PDF5 months ago
增强机器人导航：单一和多目标强化学习策略的评估
本研究通过比较分析单目标和多目标强化学习方法，针对训练机器人在有效避开障碍物的同时有效地导航到目标的问题进行探究。传统的强化学习技术，包括深度 Q 网络（DQN），深度确定性策略梯度（DDPG）和双延迟 DDPG（TD3），在 Gazebo
PDF7 months ago
面向任务驱动的探索，加速具有时态逻辑任务规范的深度强化学习
通过自动机表示 LTL 任务以及部分模拟未知系统动力学的神经网络，我们提出了一种新颖的深度强化学习（DRL）算法，其样本效率得以提高，能够更快速地学习控制策略，以在未知环境中的机器人导航任务中提高效率。
PDF7 months ago
ICML变分课程增强学习用于无监督技能发现
基于互信息的强化学习作为一种无需任务导向奖励函数的复杂技能自主检索方法已被提出，但由于训练技能的顺序会在很大程度上影响样本效率，对于学习复杂技能仍具有挑战性。本文提出了一种名为变分课程强化学习（VCRL）的方法，将变分增强视为内在奖励函数的
PDF8 months ago
PathRL：一种基于深度强化学习的端到端避障路径生成方法
通过使用深度强化学习 (DRL) 的机器人导航，可以提高移动机器人的性能。然而，现有的基于 DRL 的导航方法主要集中于训练一个直接命令机器人进行低级控制的策略，导致机器人在长期执行过程中速度不稳定、轨迹不平滑。我们提出了一种名为 Path
PDF8 months ago
评估视觉与语言导航的解释方法
利用深度神经模型进行自然语言指令导航机器人在未知环境中是实现具体化人工智能的关键步骤。本文通过建立定量基准来评估对视觉语言导航模型进行解释的方法，并提出了一种新的基于擦除的评估流程，以测量顺序决策环境中的逐步文本解释。通过实验证实了两个代表
PDF9 months ago
步行 = 可通过？：遮挡下基于多人物对象追踪的可通过性预测
通过使用第三人称视角的单目摄像头替代第一人称视角的传感器，在机器人室内导航中实现了通过人类轨迹预测被遮挡地板的可通过性，可在具有挑战的视觉场景中稳定地进行预测。
PDF9 months ago
自监督地形表示学习从无约束机器人经验
自我监督的地形表示学习（STERLING）是一种无需额外约束数据收集的机器人地形感知方法，通过非对比表示学习实现多模态自我监督目标，为机器人导航提供相关的地形表示，该方法在机器人在野外环境的视觉导航任务中与全监督方法相当，优于其他先进方法并
PDF9 months ago
E (2) 等变图规划导航
学习机器人导航的关键和挑战性任务是通过欧几里得对称性进行二维导航的规划，以及开发一种等变消息传递网络来进行值迭代。同时，通过可学习的等变层将特征提升到所需空间以处理多相机输入，在固定和无结构环境中的五种任务评估的实验证实了训练效率、稳定性和
PDF9 months ago
无死角：从全景图像中定向目标估计
使用全景相机提出了一种使用指向手势的机器人导航直观操作方式，通过反复从全景图像中提取感兴趣区域并投影到透视图像上，消除了用户 / 目标位置约束和指向臂的左 / 右约束，并通过机器学习训练目标对象的可能性进一步提高了估计的准确性。
PDFa year ago
可扩展动态避障的顺序神经障碍物
基于时序神经控制屏障模型的组合学习方法，在动态障碍物导航方面具有可扩展性和效果优于其他方法的实用性。
PDFa year ago
一种自监督微型一次性纹理分割 (MOSTS) 模型，用于实时机器人导航和嵌入式应用
本文研究利用自监督一次性纹理分割框架和 RGB-D 相机实现鲁棒的可行驶区域分割并在与现有一次性纹理分割模型和两种最先进的室内语义分割模型进行比较的基准研究中表现出极具竞争力的准确性和速度。
PDFa year ago
Ada-NAV: 自适应基于轨迹的高效样本策略学习机器人导航
提出 Ada-NAV 方法，通过采用自适应轨迹长度方案，将随机性嵌入到策略的梯度更新中，实现了对探索 - 利用策略的平衡，相较于常数或随机采点策略，能够在样本效率和性能上都有显着提升，最终在多种实验中得到验证。
PDFa year ago
基于深度强化学习的无地图人群导航移动机器人感知移动风险
提出了一种基于深度强化学习和碰撞概率（Collision Probability，CP）的机器人人群导航方法，以解决机器人导航不稳定性问题。在不同密度的人群行为情景中进行了测试，并与当前最先进的 DRL 方法进行了比较，结果表明该方法表现出
PDFa year ago