请选择 进入手机版 | 继续访问电脑版
首页 / 全部作品 / 作品详情
基于分布式深度强化学习的无地图室内视觉导航
578 0 0
作者:1583854

作品亮点:

利用深度强化学习对机器人进行导航,是近些年的发展热点。本项目提出了一种新颖的学习架构,从而实现了在大规模室内复杂环境下进行无地图导航。分布式指将整个场景分成若干区域,分别在每个区域进行深度强化学习。这种方案相比于在整个场景进行训练,大幅度降低了所需的训练时间。之后通过识别图像判断当前处于哪个区域,从而选择相应的训练完成的模型进行导航。本项目除去常规的深度强化学习,还利用自动编码器,训练由当前状态和上一步行动到上一状态的编码-解码网络,将编码网络作为深度强化学习的特征提取网络,使得机器人不仅具有理解空间的能力,还具有理解行动对于状态影响的能力。项目分别在S3DIS(Stanford Large-Scale 3D Indoor Spaces Dataset)虚拟环境与真实环境进行了训练与测试,均获得较高的成功率,高于综合性能最佳的A3C(Asynchronous Advantage Actor-Critic)在此问题上的成功率。本项目论文Distributed Deep Reinforcement Learning based Indoor Visual Navigation已被IROS 2018接收。

作品说明:


项目视频:

项目论文:
微信图片_20180804095448.jpg 微信图片_20180804095454.jpg 微信图片_20180804095457.jpg 微信图片_20180804095500.jpg 微信图片_20180804095503.jpg 微信图片_20180804095510.jpg
返回列表