MATdiff: Learning diffusion policy with multi-auxiliary task for mobile robot visual exploration

Qifei Tang

doi:10.1016/j.robot.2025.105199

MATdiff: Learning diffusion policy with multi-auxiliary task for mobile robot visual exploration

2025-10-04

0

PRE

AI

DOI：10.1016/j.robot.2025.105199

原文链接

原文求助

摘要

En 中文

扩散模型在机器人领域的应用正因其建模复杂数据分布的优势而受到越来越多的关注。在基于扩散策略的移动机器人视觉导航任务中，现有框架将当前观测作为引导条件，并采用无分类器引导模式进行联合训练。然而，使用扩散模型进行端到端训练可能导致特征损失，因为所学习的特征未被充分理解，从而在未知环境中导致泛化能力差和导航成功率低。为解决泛化问题，我们从视觉表示的角度提出了一种新的视觉导航框架MATdiff。我们的框架利用两个辅助任务来增强条件观测网络（Conditioned Observation Network）的表示能力。它利用深度估计提取环境几何特征，并采用自由空间分割识别安全可行驶区域，这些区域被定义为无障碍且适合安全导航的区域。在融合这些特征后，我们使用条件扩散模型来建模观测条件下的分布并生成固定数量的连续航点。这种辅助任务的设计确保了条件特征能同时关注几何和语义信息。我们在仿真环境和真实世界均进行了实验。与最先进的方法相比，我们的方法不仅模型参数更轻，还实现了最高的导航成功率和更长的碰撞前平均行驶距离。

MATdiff: Learning diffusion policy with multi-auxiliary task for mobile robot visual exploration

摘要

期刊

机构

引用论文