[论文解读] Learning Continuous Environment Fields via Implicit Functions

Xueting Li, Shalini De Mello+4 more|arXiv (Cornell University)|Nov 27, 2021

Human Pose and Action Recognition参考文献 49被引用 5

一句话总结

本文提出一种基于神经隐式函数的连续环境场表示方法，用于编码到达距离——即从场景中任意点到目标的最短可行轨迹长度。该方法从离散采样数据中学习此场，实现在2D迷宫和3D室内场景中的高效、基于梯度的导航，相比RRT和PRM等采样方法，其轨迹精度和效率均更优。

ABSTRACT

We propose a novel scene representation that encodes reaching distance -- the distance between any position in the scene to a goal along a feasible trajectory. We demonstrate that this environment field representation can directly guide the dynamic behaviors of agents in 2D mazes or 3D indoor scenes. Our environment field is a continuous representation and learned via a neural implicit function using discretely sampled training data. We showcase its application for agent navigation in 2D mazes, and human trajectory prediction in 3D indoor environments. To produce physically plausible and natural trajectories for humans, we additionally learn a generative model that predicts regions where humans commonly appear, and enforce the environment field to be defined within such regions. Extensive experiments demonstrate that the proposed method can generate both feasible and plausible trajectories efficiently and accurately.

研究动机与目标

• 开发一种动态场景表示，可直接引导代理行为，而无需额外的强化学习训练。
• 解决仅通过离散监督在2D和3D环境中学习密集、连续到达距离场的挑战。
• 通过整合场景合理性与可用性，改进导航与人类运动建模的轨迹生成。
• 通过快速神经网络推理而非迭代搜索算法，实现实时、高效的轨迹优化。
• 在3D室内场景中建模物理上合理、无碰撞且具备支撑感知的轨迹的人类运动。

提出的方法

• 利用神经隐式函数学习一个连续环境场，将任意2D或3D场景坐标映射到其到目标的到达距离。
• 使用离散采样得到的（位置，到达距离）配对训练隐式网络，避免对完整密集监督的依赖。
• 通过对隐式场进行梯度下降，迭代优化代理或人类轨迹以最小化到达距离，从而导向目标。
• 集成变分自编码器（VAE）将可访问区域——即符合人类活动的合理可占用区域——融入环境场，以增强行为的合理性。
• 通过条件化于人体姿态，实施姿态依赖的轨迹搜索，以确保支撑性和无碰撞。
• 实现端到端训练，使环境场与可访问区域在导航与运动预测任务中联合优化。

实验结果

研究问题

• RQ1 能否从稀疏监督中学习到一个连续、可微的环境场，以指导2D和3D场景中的代理导航？
• RQ2 神经隐式函数如何在无需完整真实距离标注的情况下，有效表示密集的到达距离场？
• RQ3 该环境场能否扩展以建模3D室内环境中符合物理约束的合理人类运动轨迹？
• RQ4 通过VAE学习的可访问区域如何提升预测人类轨迹的真实感与可行性？
• RQ5 与经典采样路径规划方法（如RRT、PRM）相比，所提方法在效率与轨迹质量方面提升程度如何？

主要发现

• 在PROX数据集上，该方法实现了0.015的平均到目标距离，优于RRT（0.127）和PRM（0.139），轨迹精度更高。
• 该方法将平均轨迹搜索时间减少至0.028秒（无可用性建模）和0.038秒（含可用性建模），显著快于PRM（1.310秒）和RRT（0.153秒）。
• 在引入可用性建模后，该方法实现了75.32%的有效姿态（具备支撑且无碰撞），优于HMP（65.00%）在PROX数据集上的表现。
• 该模型成功预测了长达8秒（120帧）的长时序人类轨迹，能够避开障碍物并保持物理合理性。
• 环境场支持高效的基于梯度的优化，实现导航，无需为每个新目标重复路径规划。
• 定性结果表明，轨迹避开了不可行区域（如桌下区域），并遵循自然的人类运动模式，尤其在引入可访问区域后效果更明显。