【标题】Depth-CUPRL: Depth-Imaged Contrastive Unsupervised Prioritized Representations in Reinforcement Learning for Mapless Navigation of Unmanned Aerial Vehicles
【作者团队】Junior Costa de Jesus, Victor Augusto Kich, Alisson Henrique Kolling, Ricardo Bedin Grando, Rodrigo da Silva Guerra, Paulo Lilles Jorge Drews Jr
【发表日期】2022.6.30
【论文链接】https://arxiv.org/pdf/2206.15211.pdf
【推荐理由】强化学习通过原始像素成像和连续控制任务在视频游戏中表现出了令人印象深刻的性能。然而，RL在高维观察（如原始像素图像）中表现不佳。普遍认为，基于物理状态的RL策略（如激光传感器测量）比像素学习提供了更有效的样本结果。本文提出了一种从深度图估计中提取信息的新方法，以教会RL代理执行无人机的mapless导航。并且提出了强化学习中的深度成像对比无监督优先表示法（Depth-CUPRL），该方法通过优先回放记忆来估计图像的深度。并将学习语言和对比学习相结合，解决了基于图像的学习语言问题。通过对无人机（UAV）结果的分析，可以得出结论，本文的深度CUPRL方法对于决策是有效的，并且在mapless导航能力方面优于最先进的基于像素的方法。
