- …
- …
#426
summarized by : 朝岡忠
どんな論文か？
デモンストレーションからオフラインで学習されるValue Iteration Networks (VIN)のような微分可能プランナに焦点．現在の微分可能プランナは小規模なシミュレーションでのみ上手く機能．本研究では，現在の微分可能プランナと現実的なロボットナビゲーションアプリケーションとの間のギャップを縮める．
新規性
現在の微分可能プランナのいくつかの欠点に対して以下のように対処．①実行できない行動判断（単に報酬で阻止するのではなく）とタスク終了判断を組み込んだ制約付き遷移モデル（CALVIN）．②ロボットの姿勢を考慮した3次元状態空間．③時空間情報を効率的に融合する Lattice PointNet (LPN) バックボーン．④アンバランスな学習データに対応するための軌道の再重み付け．
結果
2Dおよび3D環境におけるナビゲーションおよび探索を大幅に改善し、現在の微分可能プランナにとって困難な問題設定において成功．（我々の知る限り）ロボットから撮影された実画像からなるActive Vision Datasetへの適用に成功したのは最初．
その他（なぜ通ったか？等）
https://github.com/shuishida/calvin
- …
- …