要約
ObjectGoal Navigation（ObjectNav）は、エージェントが未知の環境で特定の物体インスタンスにナビゲートする体現タスクです。先行研究では、単純な視覚モジュールと再帰モジュール（例えばCNN+RNN）を使用したエンドツーエンドのObjectNavエージェントが、過学習とサンプル効率の低さにより性能が悪くなることが示されています。これを受け、現在の最先端手法では、解析的なコンポーネントと学習されたコンポーネントを組み合わせ、環境の明示的な空間マップ上で動作させることが提案されています。一方で、我々は補助学習タスクと探査報酬を追加することで汎用的な学習エージェントを再活性化しました。Habitat ObjectNav Challengeにおいて、我々のエージェントは24.5%の成功率と8.1%のSPL（Success-weighted by Path Length）を達成し、それぞれ先行する最先端手法に対して37%および8%の相対的な改善を示しました。分析から、我々はエージェントが視覚入力を簡素化することによってRNNダイナミクスを平滑化し、補助タスクが有効なRNN次元数を最小限に抑えることで過学習を軽減すると提言します。つまり、長期的な計画の一貫性を維持しなければならない高性能なObjectNavエージェントは、平滑で低次元の再帰ダイナミクスを学習することでこれを実現しています。サイト: https://joel99.github.io/objectnav/