訂閱
糾錯(cuò)
加入自媒體

ECCV 2020 | 基于對(duì)抗路徑采樣的反事實(shí)視覺(jué)語(yǔ)言導(dǎo)航

為了提升對(duì)于未知環(huán)境的適應(yīng)性,預(yù)探索也被應(yīng)用到了整套系統(tǒng)中去。導(dǎo)航器可以首先探索不熟悉的環(huán)境,并增加在未知環(huán)境中執(zhí)行導(dǎo)航指令的機(jī)會(huì)。針對(duì)先前的預(yù)探索方法,像束搜索和自模仿學(xué)習(xí),他們基于指令并對(duì)每一條指令進(jìn)行優(yōu)化,但這種方法會(huì)造成路徑過(guò)長(zhǎng)。在真實(shí)環(huán)境中部署機(jī)器人到陌生環(huán)境時(shí),首先要熟悉環(huán)境并有效地在環(huán)境中執(zhí)行自然語(yǔ)言指令。

與先前方法優(yōu)化給定指令或假設(shè)一次性覆蓋所有未知環(huán)境不同,本文提出了利用APS方法來(lái)實(shí)現(xiàn)基于環(huán)境的預(yù)探索,可以使得智能體僅僅針對(duì)同一環(huán)境中的任務(wù)進(jìn)行環(huán)境預(yù)探索,而無(wú)需先驗(yàn)知識(shí)。在未知環(huán)境中,利用APS來(lái)采樣多條路徑P’并生成導(dǎo)航指令I(lǐng)’。隨后利用(P’,I’)來(lái)優(yōu)化位置環(huán)境中的NAV。在預(yù)探索過(guò)程中,固定APS參數(shù)而僅僅優(yōu)化NAV。通過(guò)這樣的方法可以有效提升模型對(duì)于未知環(huán)境的適應(yīng)能力。

未知環(huán)境中的預(yù)探索優(yōu)化流程。APS對(duì)未知環(huán)境進(jìn)行采樣來(lái)優(yōu)化NAV。

二、實(shí)驗(yàn)結(jié)果

為了驗(yàn)證這種方法的有效性,研究人員在視覺(jué)語(yǔ)言導(dǎo)航數(shù)據(jù)集R2R(Room-to-Room)上進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)分別針對(duì)Seq2Seq、Speaker-Follower、RCM等三個(gè)基準(zhǔn)進(jìn)行,分別為其增加隨機(jī)采樣增強(qiáng)路徑、APS采樣增強(qiáng)路徑觀察導(dǎo)航誤差(Navigation Error)、成功率(Oracle Success Rate,Success Rate)、路徑長(zhǎng)度加權(quán)的成功率(Success Rate weighted by Path Length),其結(jié)果如下表所示:

可以看到基于APS的方法顯著地提升了三種基準(zhǔn)的性能,下圖還更為直觀地反映了隨機(jī)采樣和APS增強(qiáng)采樣模式針對(duì)兩種方法在不同增強(qiáng)率下性能提升:

下圖還展示了預(yù)探索策略對(duì)于未知環(huán)境導(dǎo)航的有效性,可以看到經(jīng)過(guò)預(yù)探索后導(dǎo)航模型可以根據(jù)指令徑直向前,方向和移動(dòng)過(guò)程更為準(zhǔn)確。研究人員還發(fā)現(xiàn)在差異較大的環(huán)境中,預(yù)探索能顯示出的能力也就越強(qiáng),在實(shí)際使用中就會(huì)具有更強(qiáng)的適應(yīng)性和泛化性。

如果想要了解更多的實(shí)現(xiàn)細(xì)節(jié)和實(shí)驗(yàn)結(jié)果分析比較,請(qǐng)參看論文,其中不僅包含了充分的理論分析和模型的詳盡實(shí)現(xiàn)細(xì)節(jié),同時(shí)還涵蓋了完整的消融性分析結(jié)果。

關(guān)于我“門(mén)”

將門(mén)是一家以專(zhuān)注于發(fā)掘、加速及投資技術(shù)驅(qū)動(dòng)型創(chuàng)業(yè)公司的新型創(chuàng)投機(jī)構(gòu),旗下涵蓋將門(mén)創(chuàng)新服務(wù)、將門(mén)技術(shù)社群以及將門(mén)創(chuàng)投基金。將門(mén)成立于2015年底,創(chuàng)始團(tuán)隊(duì)由微軟創(chuàng)投在中國(guó)的創(chuàng)始團(tuán)隊(duì)原班人馬構(gòu)建而成,曾為微軟優(yōu)選和深度孵化了126家創(chuàng)新的技術(shù)型創(chuàng)業(yè)公司。

將門(mén)創(chuàng)新服務(wù)專(zhuān)注于使創(chuàng)新的技術(shù)落地于真正的應(yīng)用場(chǎng)景,激活和實(shí)現(xiàn)全新的商業(yè)價(jià)值,服務(wù)于行業(yè)領(lǐng)先企業(yè)和技術(shù)創(chuàng)新型創(chuàng)業(yè)公司。

將門(mén)技術(shù)社群專(zhuān)注于幫助技術(shù)創(chuàng)新型的創(chuàng)業(yè)公司提供來(lái)自產(chǎn)、學(xué)、研、創(chuàng)領(lǐng)域的核心技術(shù)專(zhuān)家的技術(shù)分享和學(xué)習(xí)內(nèi)容,使創(chuàng)新成為持續(xù)的核心競(jìng)爭(zhēng)力。

將門(mén)創(chuàng)投基金專(zhuān)注于投資通過(guò)技術(shù)創(chuàng)新激活商業(yè)場(chǎng)景,實(shí)現(xiàn)商業(yè)價(jià)值的初創(chuàng)企業(yè),關(guān)注技術(shù)領(lǐng)域包括機(jī)器智能、物聯(lián)網(wǎng)、自然人機(jī)交互、企業(yè)計(jì)算。在近四年的時(shí)間里,將門(mén)創(chuàng)投基金已經(jīng)投資了包括量化派、碼隆科技、禾賽科技、寬拓科技、杉數(shù)科技、迪英加科技等數(shù)十家具有高成長(zhǎng)潛力的技術(shù)型創(chuàng)業(yè)公司。

<上一頁(yè)  1  2  3  
聲明: 本文由入駐維科號(hào)的作者撰寫(xiě),觀點(diǎn)僅代表作者本人,不代表OFweek立場(chǎng)。如有侵權(quán)或其他問(wèn)題,請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過(guò)于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號(hào)
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯(cuò)
x
*文字標(biāo)題:
*糾錯(cuò)內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號(hào)