[论文解读] Multiple Thinking Achieving Meta-Ability Decoupling for Object Navigation

Ronghao Dang, Lu Chen+4 more|arXiv (Cornell University)|Feb 3, 2023

Machine Learning and Algorithms被引用 5

一句话总结

本文提出了一种元能力解耦（MAD）范式，将目标导航分解为若干独立的元能力——直觉、搜索、导航、探索和障碍处理，每种能力均配备专用输入、编码器和奖励。通过采用具备多思维协作（MTC）模块的多思维（MT）模型，该方法在AI2-Thor和RoboTHOR中的典型与零样本目标导航任务上均实现了最先进性能，同时提升了可解释性与泛化能力。

ABSTRACT

We propose a meta-ability decoupling (MAD) paradigm, which brings together various object navigation methods in an architecture system, allowing them to mutually enhance each other and evolve together. Based on the MAD paradigm, we design a multiple thinking (MT) model that leverages distinct thinking to abstract various meta-abilities. Our method decouples meta-abilities from three aspects: input, encoding, and reward while employing the multiple thinking collaboration (MTC) module to promote mutual cooperation between thinking. MAD introduces a novel qualitative and quantitative interpretability system for object navigation. Through extensive experiments on AI2-Thor and RoboTHOR, we demonstrate that our method outperforms state-of-the-art (SOTA) methods on both typical and zero-shot object navigation tasks.

研究动机与目标

• 解决目标导航中缺乏统一归纳偏置范式的问题，与计算机视觉和自然语言处理领域形成对比。
• 克服现有方法依赖有偏见的端到端学习与稀疏奖励所带来的局限性。
• 将复杂的导航能力解耦为可解释、模块化的元能力，以提升泛化能力与分析能力。
• 通过协作式架构实现多种导航策略之间的相互增强。
• 为具身人工智能任务中智能体行为的分析提供一种新颖的可解释性框架。

提出的方法

• 将目标导航分解为五种核心元能力：直觉、搜索、导航、探索和障碍处理。
• 设计任务特定的输入：直觉使用全局图像特征，搜索使用目标检测特征，导航使用目标导向记忆，探索使用历史状态记忆，障碍处理使用障碍位置记忆。
• 为每个思维模块设计专用的轻量化编码网络，并赋予针对性的归纳偏置。
• 引入多思维协作（MTC）模块，实现思维模块之间动态、上下文感知的协作。
• 为每种元能力定义独立的特定奖励，以独立引导各思维模块的学习，同时保持任务层面的一致性。
• 采用课程学习策略端到端训练MT模型，其中元能力奖励以多目标方式联合优化。

实验结果

研究问题

• RQ1 是否能够通过统一范式在不依赖整体性、有偏模型的前提下，解耦并增强目标导航中的多样化元能力？
• RQ2 在输入、编码与奖励层面对元能力进行解耦，是否能提升标准与零样本导航任务的性能？
• RQ3 MT模型的内部行为在多大程度上可通过激活可视化与元能力追踪实现可解释与分析？
• RQ4 MTC模块是否能有效协调多个思维模块，从而提升整体导航成功率与鲁棒性？
• RQ5 所提出的MAD框架是否能泛化至目标导航之外的其他具身人工智能任务？

主要发现

• 在AI2-Thor的Living Room场景中，MT模型取得了73.47%的成功率，较DOA提升4.32个百分点。
• 在Bedroom场景中，MT模型达到75.70%的成功率，较DOA提升13.60个百分点，SSR指标成功率提升13.87个百分点。
• 在零样本泛化设置下，MT模型优于SOTA基线方法，展现出对未见目标与环境配置的强鲁棒性。
• 可解释性分析显示，当目标可见时，搜索思维占据主导；目标被遮挡后，导航思维接管，验证了行为逻辑的一致性。
• 探索思维因形状化奖励与基于记忆的规划，表现出对前进动作的强烈偏好，有效减少智能体陷入旋转循环的困境。
• MTC模块实现了思维角色的动态切换，在Living Room场景中较DOA实现6.93%更高的成功率与6.49%更短的平均episode长度。