NavFormer: Uma Arquitetura Transformer para Navegação de Robôs Orientada por Alvos em Ambientes Desconhecidos e Dinâmicos

Em ambientes desconhecidos, desordenados e dinâmicos, como cenas de desastres, robôs móveis precisam realizar navegação orientada por alvos para encontrar pessoas ou objetos de interesse, sendo guiados unicamente por imagens dos alvos. Neste artigo, introduzimos o NavFormer, uma nova arquitetura de transformer de ponta a ponta desenvolvida para navegação de robôs orientada por alvos em ambientes desconhecidos e dinâmicos. O NavFormer aproveita as forças tanto dos 1) transformers para processamento de dados sequenciais quanto dos 2) aprendizado auto-supervisionado (SSL) para representação visual, para raciocinar sobre disposições espaciais e realizar evitação de colisão em cenários dinâmicos. A arquitetura combina de forma única codificadores visuais duais, consistindo em um codificador estático para extrair características invariantes do ambiente para raciocínio espacial e um codificador geral para a evitação de obstáculos dinâmicos. A tarefa principal de navegação do robô é decomposta em duas subtarefas para treinamento: exploração de robô único e evitação de colisão entre múltiplos robôs. Realizamos treinamento cruzado de tarefas para permitir a transferência de habilidades aprendidas para a complexa tarefa principal de navegação, sem a necessidade de ajuste fino específico da tarefa. Experimentos simulados demonstram que o NavFormer pode efetivamente navegar um robô móvel em diversos ambientes desconhecidos, superando os métodos existentes de ponta em termos de taxa de sucesso e sucesso ponderado pelo comprimento do caminho (inverso normalizado). Além disso, um estudo de ablação abrangente é realizado para avaliar o impacto das principais escolhas de design da estrutura e do treinamento do NavFormer, validando ainda mais sua eficácia no sistema geral.