D2M2N: Decentralized Differentiable Memory-Enabled Mapping and Navigation for Multiple Robots

要約

最近、マルチロボットナビゲーション用の学習ベースのモデルが多数提案されています。
ただし、これらのモデルにはメモリが不足しており、ロボットの現在の観察にのみ依存して行動を計画します。
特に複雑な環境では、過去の観察を活用してより良いパスを計画することができません。
この研究では、D2M2N と呼ばれる、マルチロボットのナビゲーションとマッピングのための完全に微分可能で分散型のメモリ対応アーキテクチャを提案します。
D2M2N は、過去の観察を記憶するために環境のコンパクトな表現を維持し、複雑なナビゲーションに値反復ネットワークを使用します。
私たちは広範な実験を実施し、D2M2N が複雑なマッピングとナビゲーション タスクにおいて最先端のモデルよりも大幅に優れていることを示しました。

要約(オリジナル)

Recently, a number of learning-based models have been proposed for multi-robot navigation. However, these models lack memory and only rely on the current observations of the robot to plan their actions. They are unable to leverage past observations to plan better paths, especially in complex environments. In this work, we propose a fully differentiable and decentralized memory-enabled architecture for multi-robot navigation and mapping called D2M2N. D2M2N maintains a compact representation of the environment to remember past observations and uses Value Iteration Network for complex navigation. We conduct extensive experiments to show that D2M2N significantly outperforms the state-of-the-art model in complex mapping and navigation task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google