NavFormer: Una arquitectura Transformer para la navegación dirigida por objetivos en entornos desconocidos y dinámicos

En entornos desconocidos desordenados y dinámicos, como escenas de desastres, los robots móviles necesitan realizar navegación dirigida por objetivos para encontrar personas u objetos de interés, guiándose únicamente por imágenes de los objetivos. En este artículo, presentamos NavFormer, una novedosa arquitectura transformer de extremo a extremo desarrollada para la navegación dirigida por objetivos en entornos desconocidos y dinámicos. NavFormer aprovecha las fortalezas de 1) transformers para el procesamiento de datos secuenciales y 2) aprendizaje auto-supervisado (SSL) para la representación visual, para razonar sobre distribuciones espaciales y realizar evasión de colisiones en entornos dinámicos. La arquitectura combina de manera única codificadores visuales duales que consisten en un codificador estático para extraer características invariantes del entorno para el razonamiento espacial y un codificador general para la evasión de obstáculos dinámicos. La tarea principal de navegación del robot se descompone en dos subtareas para entrenamiento: exploración de un solo robot y evasión de colisiones multi-robot. Realizamos entrenamiento cruzado de tareas para permitir la transferencia de habilidades aprendidas a la compleja tarea principal de navegación sin necesidad de un ajuste fino específico de la tarea. Experimentos simulados demuestran que NavFormer puede navegar efectivamente un robot móvil en diversos entornos desconocidos, superando los métodos existentes de última generación en términos de tasa de éxito y éxito ponderado por la (inversa normalizada) longitud del camino. Además, se realiza un estudio de ablación integral para evaluar el impacto de las principales decisiones de diseño de la estructura y entrenamiento de NavFormer, validando aún más su efectividad en el sistema general.