Key points are not available for this paper at this time.
في البيئات غير المعروفة المليئة بالعقبات والديناميكية مثل مشاهد الكوارث، تحتاج الروبوتات المتنقلة إلى تنفيذ التنقل المستند إلى الهدف من أجل العثور على أشخاص أو أشياء مثيرة للاهتمام، مع الاعتماد بالكامل على صور الأهداف. في هذه الورقة، نقدم NavFormer، وهي بنية محول جديدة شاملة تم تطويرها للتنقل المستند إلى الهدف في البيئات غير المعروفة والديناميكية. يستفيد NavFormer من نقاط القوة في كل من 1) المحولات لمعالجة البيانات المتسلسلة و 2) التعلم الذاتي المُشرف (SSL) للتمثيل البصري للتفكير في التخطيطات المكانية ولأداء تجنب الاصطدام في الإعدادات الديناميكية. تجمع البنية بشكل فريد بين مشفرين بصريين ثنائيين يتكونان من مشفر ثابت لاستخراج ميزات البيئة الثابتة للتفكير المكاني، ومشفر عام لتجنب العقبات الديناميكية. يتم تحليل المهمة الأساسية للتنقل الروبوتي إلى مهمتين فرعيتين للتدريب: استكشاف روبوت واحد وتجنب الاصطدام بين الروبوتات المتعددة. نقوم بأداء التدريب عبر المهام لتمكين نقل المهارات المكتسبة إلى المهمة الأساسية المعقدة للتنقل دون الحاجة إلى ضبط دقيق مخصص للمهمة. توضح التجارب المحاكية أن NavFormer يمكنه التنقل بشكل فعال لروبوت متنقل في بيئات غير معروفة متنوعة، متجاوزًا الطرق الحالية الأفضل من حيث معدل النجاح والنجاح الموزون بطول المسار (المعاد تجميعه). علاوة على ذلك، يتم إجراء دراسة شاملة للاختبارات لتقييم تأثير الخيارات التصميمية الرئيسية للهيكل والتدريب لـ NavFormer، مما يعزز فعاليتها في النظام الكلي.
أجرى وانغ وآخرون (الثلاثاء) دراسة حول هذا السؤال.