SGN-CIRL: Scene Graph-based Navigation with Curriculum, Imitation, and Reinforcement Learning

要約

3Dシーングラフは、オブジェクト間の空間的関係をモデル化し、エージェントが部分的に観察可能な環境で効率的にナビゲートし、ターゲットオブジェクトの位置を予測できるようにします。
強化学習ベースのアルゴリズムのトレーニングを加速して安定させるために、フレームワークは模倣学習とカリキュラム学習も採用しています。
最初のものにより、エージェントはデモンストレーションから学習できますが、2番目のものは、単純なシナリオからより高度なシナリオに徐々にタスクの複雑さを高めることでトレーニングプロセスを構成します。
ISAAC SIM環境で実施された数値実験により、補強学習のために3Dシーングラフを使用すると、困難なナビゲーションの場合の成功率が大幅に増加することが示されました。
コードはオープンソースで、https：//github.com/xisonik/aloha\_graphで入手できます。

要約(オリジナル)

The 3D scene graph models spatial relationships between objects, enabling the agent to efficiently navigate in a partially observable environment and predict the location of the target object.This paper proposes an original framework named SGN-CIRL (3D Scene Graph-Based Reinforcement Learning Navigation) for mapless reinforcement learning-based robot navigation with learnable representation of open-vocabulary 3D scene graph. To accelerate and stabilize the training of reinforcement learning-based algorithms, the framework also employs imitation learning and curriculum learning. The first one enables the agent to learn from demonstrations, while the second one structures the training process by gradually increasing task complexity from simple to more advanced scenarios. Numerical experiments conducted in the Isaac Sim environment showed that using a 3D scene graph for reinforcement learning significantly increased the success rate in difficult navigation cases. The code is open-sourced and available at: https://github.com/Xisonik/Aloha\_graph.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google