어디를 볼지와 어떻게 갈지
물체를 찾으려면 유망한 탐색 지역을 고르는 일과 그 지역까지 이동하는 일이 모두 필요하다. PONI는 앞의 선택을 인식 문제로 보고 이동 기능과 분리한다.
지도에서 배우는 탐색
위에서 본 의미 지도의 수집 자료로 잠재 함수 네트워크를 학습한다. 환경과 반복 상호작용하며 탐색 정책을 배우는 대신 지도 자체를 감독 자료로 활용한다.
상호 보완적인 함수
두 잠재 함수는 의미 지도를 조건으로 예측된다. 이 정보를 사용해 아직 보이지 않은 목표 물체를 어느 쪽에서 찾을지 정하고 전체 모듈형 이동 체계에 연결한다.
상호작용 없는 학습의 범위
학습 중 환경 상호작용이 필요 없다는 것은 실행할 때 로봇이 움직이지 않는다는 뜻은 아니다. 논문은 학습 비용과 물체 목표 이동 성능을 해당 벤치마크 설정에서 비교했다.
관련 문서
ObjectNav / 목표 지향 의미 탐사 / Habitat / Matterport3D / Gibson Env / 지도 학습