Frontier Semantic Exploration for Visual Target Navigation

要約

この研究は、視覚ターゲットのナビゲーションの問題に焦点を当てています。これは、高レベルのタスクと密接に関連しているため、自律ロボットにとって非常に重要です。
未知の環境で特別な物体を見つけるには、古典的な学習ベースのアプローチがナビゲーションの基本的な要素であり、過去に徹底的に研究されてきました。
しかし、複雑なシーンの表現とナビゲーションポリシーの学習が難しいため、特に大きな未知のシーンの場合、以前の方法は依然として適切ではありません。
したがって、フロンティアセマンティックポリシーを使用した視覚的ターゲットナビゲーションのための新しいフレームワークを提案します。
この提案されたフレームワークでは、セマンティック マップとフロンティア マップは環境の現在の観察に基づいて構築されます。
深層強化学習では、マップとオブジェクト カテゴリの機能を使用して、環境を効率的に探索するための長期目標としてフロンティア セルを選択するために使用できるフロンティア セマンティック ポリシーを学習できます。
Gibson と Habitat-Matterport 3D (HM3D) での実験では、提案されたフレームワークが成功率と効率の点で既存のマップベースの方法よりも大幅に優れていることが実証されています。
アブレーション分析は、提案されたアプローチがフロンティアに基づいてより効率的な探査ポリシーを学習することも示しています。
私たちのモデルを現実世界の転送に適用する適用性を検証するために、デモンストレーションが提供されます。
補足のビデオとコードには、リンク https://sites.google.com/view/fsevn からアクセスできます。

要約(オリジナル)

This work focuses on the problem of visual target navigation, which is very important for autonomous robots as it is closely related to high-level tasks. To find a special object in unknown environments, classical and learning-based approaches are fundamental components of navigation that have been investigated thoroughly in the past. However, due to the difficulty in the representation of complicated scenes and the learning of the navigation policy, previous methods are still not adequate, especially for large unknown scenes. Hence, we propose a novel framework for visual target navigation using the frontier semantic policy. In this proposed framework, the semantic map and the frontier map are built from the current observation of the environment. Using the features of the maps and object category, deep reinforcement learning enables to learn a frontier semantic policy which can be used to select a frontier cell as a long-term goal to explore the environment efficiently. Experiments on Gibson and Habitat-Matterport 3D (HM3D) demonstrate that the proposed framework significantly outperforms existing map-based methods in terms of success rate and efficiency. Ablation analysis also indicates that the proposed approach learns a more efficient exploration policy based on the frontiers. A demonstration is provided to verify the applicability of applying our model to real-world transfer. The supplementary video and code can be accessed via the following link: https://sites.google.com/view/fsevn.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google