序数神经崩溃作为视觉导航先验的表示

直接从视觉观察中学习强大的导航策略仍然是基于视觉的机器人导航的基本挑战。在端到端模仿学习方法中，视觉编码器和动作解码器使用单个动作损失联合优化，该损失仅向编码器提供间接监督信号。这种间接监督经常导致编码器学习模糊的、与动作无关的表示。由于不同环境中场景结构和外观的巨大差异，以及现实世界导航设置固有的视觉干扰因素的普遍存在，问题变得更加复杂。这种与动作无关的特征导致导航策略在不明确的决策点产生不一致的动作，从而导致导航失败。为了克服这些限制，我们提出了 ORION（视觉导航序数神经崩溃），这是一种根据导航动作的序数结构显式组织编码器表示空间的方法。在目标导向导航的背景下，从最左到最右的以自我为中心的控制类别表现出一种自然的序数关系，其中相邻类共享相似的视觉上下文，而语义上相反的类在外观上有很大差异。我们鼓励类表示沿着单个判别轴顺序排列，同时抑制每个类内的离轴方差。然后将预训练的编码器集成到基于扩散的导航框架中，并对整个管道进行端到端微调。在模拟和现实环境中进行的大量实验表明，ORION 在导航成功率和目标进度方面始终优于端到端和神经崩溃基线，并且在复杂的多路交叉口等视觉挑战性场景中取得了显着的进步。