计算机科学 > 计算机视觉与模式识别
[提交于 2025年7月2日
]
标题: 图像目标导航中真正重要的是什么?
标题: What does really matter in image goal navigation?
摘要: 图像目标导航需要两种不同的技能:首先,核心导航技能,包括自由空间和障碍物的检测,以及基于内部表示做出决策;其次,通过将视觉观察与目标图像进行比较来计算方向信息。 当前最先进的方法要么依赖于专门的图像匹配,要么依赖于计算机视觉模块在相对姿态估计上的预训练。 在本文中,我们研究了是否可以通过强化学习对完整智能体进行端到端训练来高效解决此任务,这已被近期的工作所声称。 肯定的答案将超越具身人工智能的影响,并允许仅通过奖励训练相对姿态估计用于导航。 在一项大规模研究中,我们调查了架构选择如后期融合、通道堆叠、空间到深度投影和交叉注意力的影响,以及它们在从导航训练中出现相对姿态估计器中的作用。 我们表明,最近方法的成功在一定程度上受到模拟器设置的影响,导致了模拟中的捷径。 然而,我们还表明这些能力可以在一定程度上转移到更现实的环境中。 我们还发现了导航性能与探测(出现的)相对姿态估计性能之间的相关性,这是一个重要的子技能。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.