- 野外视觉导航:利用预训练模型和在线自监督实现快速遍历能力学习
本研究介绍了一种自适应自主学习系统,用于视觉可穿越性估计并通过机器人导航复杂的户外环境,实现了高效准确的自主导航。
- 层次时序逻辑规约下的机器人规划
通过引入分层结构的时态逻辑规范,将传统的机器人规划方法分解为多层组合规范,以提高语法简洁性、可解释性和规划效率,同时开发了一种基于分解的方法来处理具有分层时态逻辑结构的任务,实验结果表明分层形式具有更强的表达潜力,并且所提出的方法具有很好的 - 复杂未知杂乱环境下的 GP 引导 MPPI 高效导航
GP-MPPI 是基于在线学习的控制策略,将 MPPI 与基于稀疏高斯过程(SGP)的局部感知模型相结合,通过构建方差表面来引导机器人在未知、杂乱环境中进行自主导航,确保机器人安全到达目标并避开障碍物。
- 机器人导航和环境拟态映射的仿生基于脉冲的海马体和后顶叶皮层模型
本文介绍了受生物启发的海马记忆模型与后部顶叶皮质模型相连的基于脉冲的机器人导航和环境伪地图系统,使用脉冲神经网络在 SpiNNaker 硬件平台上实现,并在实验中演示了其正确操作并能够避开障碍物并映射该环境。这是一个动态学习的环境伪映射系统 - 野外视觉导航中的快速遍历估计
本文提出了一种基于视觉的在线自监督学习系统 - Wild Visual Navigation(WVN),用于遍历可行性估计,并且可以在户外环境中适应地学习,可以在 5 分钟以内训练机器人,使其能够穿越复杂的户外地形,并克服高草障碍。
- Arena-Rosnav 2.0:一个用于机器人在高度动态环境中导航的开发和基准测试平台
介绍了 Arena-Rosnav 2.0 平台,它是 Arena-Bench 和 Arena-Rosnav 的一个扩展,通过增加测评功能的 APIs,集成了更多更真实的仿真和行人行为,它经过了成功的用户研究和可行性测试。
- 使用大型预训练的语言、视觉和行为模型的机器人导航
LM-Nav 是一个基于预训练模型的系统,它可以在大型未注释数据集上进行训练,不需要任何细化或语言注释的机器人数据,通过预先训练的导航模型(ViNG),图像语言关联(CLIP)和语言建模(GPT-3),可以通过自然语言指令在复杂的户外环境中 - 基于深度强化学习的葡萄园无位置自主导航
通过边缘人工智能和深度强化学习相结合的方式,提出了一个利用噪声深度图像和位置不确定的机器人状态信息来实现自动导航的机器人系统,在模拟的葡萄园中进行了充分的实验验证。
- 利用 Pareto 前沿近似网络(PA-Net)求解双目标 TSP
本文利用强化学习算法解决双目标 TSP 问题,提出 Pareto frontier approximation network(PA-Net)方法来生成多项式子集,最终应用于机器人导航覆盖规划任务中,可以优化 Pareto 前沿的表现并提高 - 基于视觉和地理线索的千米级导航技术 ViKiNG
本论文提出了一种结合了学习和规划的方法,名为 ViKiNG,其可以利用道路框图和 GPS 坐标等侧面信息作为规划启发式,通过遍历性模型来推断子目标是否可达,通过启发式模型来评估子目标的合适性,从而确定达到最终目标的最佳路径。实验证明,尽管训 - SCFusion:基于语义完整性的实时增量场景重建
通过实时深度数据重建场景的完整三维模型存在遮挡缺失的问题。我们提出了一个基于深度图输入序列、支持实时增量和语义场景完成的框架,其中利用一种新颖的神经架构以及基于体素状态的方式来识别精确、高效的语义完成,并将其与全局三维模型相融合,从而最终达 - 移动机器人操作的空间动作地图
本文研究机器人导航中的动作表示,提出了 “空间动作地图” 概念,使用卷积神经网络从状态图像推断出空间动作地图,从而显著加快了使用强化学习方法实现移动操作任务的复杂行为的学习
- 通过人类脑信号加速机器人学习
通过记录人类观察机器人行为的 EEG 信号,利用相应的反馈信号优化机器人的行为策略,从而加速在稀疏奖励设置下的强化学习,以导航机器人为例,实验表明该方法可以更好地完成障碍物避免任务。
- DisCoRL: 基于策略蒸馏的连续强化学习
本文提出了 DisCoRL 方法,该方法结合状态表示学习和策略蒸馏来解决多任务强化学习中的挑战,并在三个 2D 导航任务上进行了实验验证。
- 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。
- 利用神经机器翻译实现反强化学习导航指令生成
该研究提出了一种导航指南模型,使机器人能够生成自然语言指令,帮助人们在事先未知的环境中进行导航,该模型使用人类演示数据通过反向强化学习训练决策策略,并通过神经序列到序列模型从自然语料库中生成自由形式的语句,实验测评表明,在与人类参考指令进行 - 引导策略搜索作为近似镜像下降
该论文提出了一种新的指导策略搜索算法,将其解释为镜像下降的近似变体,并提供了改善收敛性的保证。实验结果表明,该算法在机器人导航和操作任务中的表现优于之前的指导策略搜索方法,并且具有更简单的公式和更少的超参数。