[论文解读] APPLD: Adaptive Planner Parameter Learning from Demonstration

Xuesu Xiao, Bo Liu+3 more|arXiv (Cornell University)|Mar 31, 2020

Robotic Path Planning Algorithms参考文献 25被引用 5

一句话总结

APPLD 提出了一种仅通过一次人类遥控操作示范来实现机器人导航系统自适应参数调优的方法。通过将示范分割为不同情境，并利用行为克隆学习情境特定的规划器参数，APPLD 使机器人在部署过程中能够动态调整导航参数，在复杂环境中对两种不同机器人和导航系统的表现均优于默认配置和专家调优配置。

ABSTRACT

Existing autonomous robot navigation systems allow robots to move from one point to another in a collision-free manner. However, when facing new environments, these systems generally require re-tuning by expert roboticists with a good understanding of the inner workings of the navigation system. In contrast, even users who are unversed in the details of robot navigation algorithms can generate desirable navigation behavior in new environments via teleoperation. In this paper, we introduce APPLD, Adaptive Planner Parameter Learning from Demonstration, that allows existing navigation systems to be successfully applied to new complex environments, given only a human teleoperated demonstration of desirable navigation. APPLD is verified on two robots running different navigation systems in different environments. Experimental results show that APPLD can outperform navigation systems with the default and expert-tuned parameters, and even the human demonstrator themselves.

研究动机与目标

• 使非专家用户仅通过一次遥控操作示范即可将机器人导航系统适配至新环境。
• 解决在复杂环境中参数调优的挑战，其中默认或专家调优的参数无法在多样化情境中泛化。
• 开发一种黑箱、可泛化的通用方法，适配现有导航系统，且无需修改底层规划器架构。
• 通过情境感知的参数自适应，实现优于默认参数和专家调优配置的导航性能。

提出的方法

• 使用基于传感器数据和行为的变点检测算法（CHAMP）将人类遥控导航示范分割为不同情境。
• 为每个检测到的情境训练一个行为克隆模型，以学习能复现示范者行为的最优规划器参数。
• 在部署阶段使用情境预测器，基于传感器输入实时识别当前环境情境。
• 根据预测的情境在推理阶段动态切换导航系统的参数，实现自适应行为。
• 将底层导航系统视为黑箱，避免依赖内部规划器架构或手工设计的特征。
• 通过最小化行为克隆损失来优化参数，并在真实机器人部署中进行评估。

实验结果

研究问题

• RQ1 一次人类遥控操作示范是否足以在复杂多样的环境中实现有效的机器人导航参数调优？
• RQ2 情境感知的参数自适应是否能在导航性能上超越固定参数配置（默认或专家调优）？
• RQ3 所提出的方法是否可在无需架构修改的情况下泛化至不同机器人和导航系统？
• RQ4 该系统是否能仅基于传感器和行为数据学习到有意义的情境边界，而无需预先了解环境？
• RQ5 所学习的参数自适应是否能在真实部署中实现超越人类示范者本身的表现？

主要发现

• 在 Jackal 和 BWIBot 上，APPLD 均优于默认参数配置，在 Jackal 上行为克隆损失降低了 34.7%，在 BWIBot 上降低了 29.8%。
• 在 BWIBot 上，APPLD 的参数实现了 0.0669 ± 0.0071 的行为克隆损失，显著低于专家调优的 0.0940 ± 0.0095。
• 在真实世界部署中，APPLD 生成的轨迹在定性上比默认和专家调优配置更接近人类示范者的路径。
• 该方法成功为均匀走廊环境（BWIBot）学习到一组统一的参数，因为 CHAMP 未检测到变点，证实了在适当情境下具备情境感知能力。
• APPLD 展现出跨不同导航系统（dwa 和 e-band）的泛化能力，且无需修改核心学习框架。
• 即使示范者的目标并非速度（例如，在办公室走廊中实现平滑、直线的导航），系统仍表现出色，验证了对多样化导航目标的鲁棒性。