Lazar Milikic

新的VLD框架通过解耦学习增强机器人导航

研究人员开发了视觉学习距离（VLD）框架，旨在改进机器人导航的强化学习。VLD通过在大量视频数据上训练一个自监督的目标距离预测器，将感知学习与策略学习解耦。该预测器的输出随后被一个在模拟环境中通过名为GeoNoise的学习噪声模型单独训练的强化学习策略所使用，以实现鲁棒导航。这种方法使得策略能够有效地从模拟环境迁移到真实机器人，在HM3D和Gibson等复杂数据集上实现了高成功率，并优于端到端的图像-目标基线。