NoMaD

伯克利 2023 年的导航扩散策略，一个模型既能自由探索，也能按目标图像走过去。

NoMaD 由加州大学伯克利分校 Sergey Levine 团队（Ajay Sridhar、Dhruv Shah 等）2023 年 10 月提出，发表于 ICRA 2024，项目页称其获该届最佳论文奖。机器人导航常有两种需求：在陌生环境里无目标地探索，以及看到目标照片后走过去。以往要两套模型，NoMaD 用「目标掩码」合二为一：训练时一半样本遮掉目标图像，推理时遮住就是探索、放开就是去目标。它用 ViNT 式 Transformer 编码最近几帧画面和目标图，再用扩散模型生成未来一段路径点，能表达岔路口左右都可以的多种选择（动作多峰性）。模型约 1900 万参数，在 GNM、SACSoN 等 100 多小时多机器人真实数据上训练。

例子在 LoCoBot 上做真实环境探索，NoMaD 成功率 98%、平均碰撞 0.2 次；对比的「先用扩散生成子目标图像再导航」基线为 77% 和 1.7 次，参数量还多约 15 倍。

相关

扩散策略、ViNT、GNM（通用导航模型）、图像目标导航、主动探索、动作多峰性

来源

NoMaD: Goal Masked Diffusion Policies for Navigation and Exploration (arXiv 2310.07896)
NoMaD 项目页

信息截至

2024-05