arXiv cs.RO 机器人学· Chengyang Peng, Zhihao Zhang, Upama Pant, Yiming Wang, Keith A. Redmill, Ayonga Hereid·· 2 小时前精选AI 评分55
基于几何候选模式从多模态演示学习导航的分层策略研究
Learning Navigation from Multimodal Demonstrations with Geometric Candidate Modes
AI 导读
论文提出一种分层神经网络策略，从局部几何计算候选模式，并从演示中学习选择与执行哪个模式，以缓解行为克隆对多模态演示取平均导致的不安全路径问题。仿真中该策略在已见与未见测试用例上成功率超过 95%，四个离线学习基线最高为 43% 和 20%，使用相同模式的启发式方法为 79% 和 67%；仿真训练的策略还可迁移到 LimX Tron 1 双足机器人。
推荐理由
论文给出分层策略在仿真与真机上的成功率对比数据，可评估其相对基线方法的实际提升幅度。
来源：arXiv cs.RO 机器人学 · arxiv.org