ViNG: Learning Open-World Navigation with Visual Goals（ViNG：通过视觉目标学习开放世界的导航）

【作者团队】Dhruv Shah, Benjamin Eysenbach, Gregory Kahn, Nicholas Rhinehart, Sergey Levine  date: 2020-12-17

【论文链接】https://arxiv.org/pdf/2012.09812.pdf

【推荐理由】本文提出了一种基于学习的导航系统，以实现视觉指示的目标，并在真实的移动机器人平台上演示该系统。与传统的机器人导航方法相比，学习提供了一种更具吸引力的替代方法：学习可以使机器人学习导航能力，了解可穿越的障碍物类型（例如高草），而不是根据几何形状和地图来推理环境。 （例如墙壁），并概括环境中的模式。但是，与常规计划算法不同，在部署过程中很难更改学习策略的目标。我们提出了一种用于学习导航到所需目的地的目标图像的方法。通过将学习到的策略与根据先前观察到的数据构建的拓扑图相结合，即使在外观和光线变化的情况下，该系统也可以确定如何达到视觉指示的目标。三个关键的见解，航点提议，图形修剪和否定挖掘使该方法能够仅使用脱机数据来学习在现实环境中的导航，而这是以前方法所难以解决的。文章在一个真正的室外地面机器人上实例化了该方法，并显示了该文称为ViNG的系统优于以前提出的用于目标条件式强化学习的方法，包括结合了强化学习和搜索的其他方法。该文还将研究ViNG如何推广到看不见的环境，并通过不断增长的经验来评估其适应这种环境的能力。最后，文章在许多实际应用中演示了ViNG，例如最后一英里的交付和仓库检查。