CoryHall

使机器人能够在复杂的环境中自主导航对于现实世界的部署至关重要。现有方法通过让机器人维护世界的内部地图，然后使用定位和规划方法在内部地图中导航来解决这个问题。然而，这些方法通常包含各种假设，计算量大，并且不能从失败中学习。相比之下，基于学习的方法随着机器人在环境中的动作而改进，但由于其高样本复杂性而难以在现实世界中部署。为了解决用少量样本学习复杂策略的需求，我们提出了一种广义计算图，它包含基于值的无模型方法和基于模型的方法，并在无模型和基于模型之间插入特定的实例。然后，我们实例化该图以形成一个导航模型，该模型可以从原始图像中学习并且样本效率高。我们的模拟汽车实验探索了导航模型的设计决策，并表明我们的方法优于单步和步双 Q 学习。我们还评估了我们在现实世界遥控汽车上的方法，并证明它可以通过几个小时的完全自主、自我监督的训练来学会在复杂的室内环境中导航。