توقع الإشغال لاستكشاف وتنقل فعّال

تستفيد الطرق الحديثة للتنقل من ذاكرة مكانيّة للتميّز في البيئات الجديدة، لكن خرائط الازدحام فيها محدودة في القدرة على التقاط الهياكل الهندسية التي يراها الوكيل مباشرةً. نقترح مفهوم توقّع الازدحام، حيث يستخدم الوكيل ملاحظاته ذاتية المدى (RGB-D) لاستنتاج حالة الازدحام خارج المناطق المرئية. وبهذا، يبني الوكيل وعيه المكاني بشكل أسرع، مما يُسهّل الاستكشاف والتنقل بكفاءة في البيئات ثلاثية الأبعاد. وباستغلال السياق الموجود في المشاهد ذاتية المدى والخرائط العلوية، نجح نموذجنا في التنبؤ بخرائط أوسع للبيئة، بمستوى أداء يتفوّق بشكل ملحوظ على النماذج القوية السابقة. علاوةً على ذلك، عند تطبيقه في مهام اتخاذ القرار المتسلسلة المتعلقة باستكشاف البيئة والتنقل، تفوق نموذجنا على الطرق الرائدة في مجموعة بيانات Gibson وMatterport3D. ويُعدّ هذا النهج هو الفائز في مسابقة Habitat PointNav لعام 2020. صفحة المشروع: http://vision.cs.utexas.edu/projects/occupancy_anticipation/