NavBench: A Unified Robotics Benchmark for Reinforcement Learning-Based Autonomous Navigation

要約

自律的なロボットは、地上および水生の設定から空中および宇宙ドメインまで、多様な環境でナビゲートして動作する必要があります。
Rewnection Learning（RL）は、特定の自律的なロボットのトレーニングポリシーに有望を示していますが、既存のベンチマークは多くの場合、ユニークなプラットフォームに制約され、さまざまなモビリティシステム全体で一般化と公正な比較を制限しています。
このホワイトペーパーでは、多様なロボットプラットフォームと運用環境全体でRLベースのナビゲーションポリシーをトレーニングおよび評価するためのマルチドメインベンチマークであるNavbenchを紹介します。
Isaaclabに基づいて構築されたフレームワークは、タスク定義を標準化し、さまざまなロボットがアドホックタスクの再設計やカスタム評価メトリックを必要とせずにさまざまなナビゲーションの課題に取り組むことを可能にします。
私たちのベンチマークは、3つの重要な課題に対処しています。（1）現実的な環境での多様な作動方法（スラスタ、ホイール、水ベースの推進）の直接評価を可能にする統一されたクロスメディアベンチマーク。
（2）スケーラブルでモジュラー設計、シームレスなロボットタスクの交換性と再現可能なトレーニングパイプラインを促進します。
（3）衛星ロボットシミュレーター、無人の表面容器、車輪付き地上車両など、複数の現実世界ロボットへのポリシー転送が成功したことで実証された堅牢なSIMからリアルの検証。
シミュレーションと現実世界の展開の一貫性を確保することにより、Navbenchは適応可能なRLベースのナビゲーション戦略の開発を簡素化します。
そのモジュラー設計により、研究者はフレームワークの事前定義されたテンプレートに従ってカスタムロボットとタスクを簡単に統合し、幅広いアプリケーションにアクセスできるようになります。
私たちのコードはNavbenchで公開されています。

要約(オリジナル)

Autonomous robots must navigate and operate in diverse environments, from terrestrial and aquatic settings to aerial and space domains. While Reinforcement Learning (RL) has shown promise in training policies for specific autonomous robots, existing benchmarks are often constrained to unique platforms, limiting generalization and fair comparisons across different mobility systems. In this paper, we present NavBench, a multi-domain benchmark for training and evaluating RL-based navigation policies across diverse robotic platforms and operational environments. Built on IsaacLab, our framework standardizes task definitions, enabling different robots to tackle various navigation challenges without the need for ad-hoc task redesigns or custom evaluation metrics. Our benchmark addresses three key challenges: (1) Unified cross-medium benchmarking, enabling direct evaluation of diverse actuation methods (thrusters, wheels, water-based propulsion) in realistic environments; (2) Scalable and modular design, facilitating seamless robot-task interchangeability and reproducible training pipelines; and (3) Robust sim-to-real validation, demonstrated through successful policy transfer to multiple real-world robots, including a satellite robotic simulator, an unmanned surface vessel, and a wheeled ground vehicle. By ensuring consistency between simulation and real-world deployment, NavBench simplifies the development of adaptable RL-based navigation strategies. Its modular design allows researchers to easily integrate custom robots and tasks by following the framework’s predefined templates, making it accessible for a wide range of applications. Our code is publicly available at NavBench.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google