当前位置：首页 > news >正文

论文速读《DARE：基于扩散模型的自主机器人探索新范式》

news 2025/5/9 6:45:22

论文地址：arxiv.org/abs/2410.16687
代码开源：github.com/marmotlab/DARE

1. 简介

自主机器人探索任务要求机器人在未知环境中高效地构建地图。传统方法多依赖于当前认知状态进行路径优化，难以充分利用历史经验。新加坡国立大学提出的DARE（Diffusion Policy for Autonomous Robot Exploration）是一种基于扩散模型的生成式探索方法，通过专家演示数据训练，能够一次性生成高效的探索路径，并在模拟与现实环境中展现出优异的泛化能力。
在这里插入图片描述

图1：来自DARE的示意路径。基于机器人对环境的认知（以占用栅格图表示），机器人（由坐标轴表示）构建了一个信息丰富的图谱。该图谱被输入到注意力编码网络和扩散策略网络，生成一条规划的探索路径（用橙色标出）。机器人按照递归视野方式执行该路径，直至完全探索完环境。值得注意的是，DARE能够利用部分认知信息推理，识别某些未知区域的潜在结构，并在路径规划时考虑这些区域。

2. 主要贡献

提出DARE探索框架：首次将扩散模型引入自主机器人探索，结合图结构编码与扩散策略，生成可解释的长期探索路径。
专家最优演示训练：利用已知地图和覆盖路径算法，获得近似最优探索路径，显著提升模型性能。
强泛化能力：在模拟和真实环境中均取得与最优规划器相当的表现，缩小了仿真与现实的差距。

3. 相关工作

3.1 传统探索方法

所谓“前沿驱动”探索方法，是指每次选择一个前沿（即已知自由空间与未知空间的边界）作为导航目标，驱动机器人进行探索。这类方法已被研究数十年，针对简单场景提出了多种贪心策略以提升探索效率。常见的前沿选择标准包括：

距离/代价：优先选择距离最近的前沿（如最近点法）。
效用：综合考虑前沿处可观测信息量（信息增益）与到达代价。
混合策略：将距离和效用加权组合，动态调整目标选择。

近年来，部分工作通过规划非贪心的长期路径，即在一次规划中覆盖更多前沿，显著提升了探索效率。这类方法通常依赖于精心设计的采样策略，在规划质量与计算效率之间取得平衡，并采用滚动时域（receding-horizon）方式分步执行长路径。

3.2 基于学习的方法

随着深度学习的发展，越来越多的研究尝试用深度强化学习（DRL）解决探索问题，通过训练策略最大化长期回报。早期的DRL探索器多基于卷积神经网络（CNN），在小规模环境中取得了一定效果，但由于输入尺寸固定，难以适应大规模或任意形状的环境，泛化能力有限，且实际表现往往不及先进的传统方法。

为克服上述局限，近期工作（包括作者团队的前作）提出基于图结构的注意力网络，将机器人认知状态编码为图，利用注意力机制捕捉长期依赖关系。实验表明，这类方法在性能和泛化性上均可媲美甚至超越传统规划器，并能较好地迁移到真实场景。

3.3 扩散模型在机器人领域的应用

扩散模型最初用于图像生成，近年来在多种生成任务中取得了突破性进展。其核心思想是对数据逐步加噪声，并训练神经网络逆向去噪，实现新数据的生成。为提升机器人学习能力，扩散模型已被应用于机械臂运动规划、视觉导航、避障等任务。

这些扩散式规划器通常以机器人的状态（如位姿、编码观测等）为条件，采样动作序列并迭代去噪，生成时序一致的高维动作序列。相比传统逐步决策，扩散模型能直接生成完整的未来动作序列，有助于提升动作的连贯性和长期规划能力。训练方式包括离线强化学习和行为克隆。其中，Diffusion Policy 通过建模条件动作分布，支持端到端训练与高效推理，满足机器人实时部署需求。

DARE的创新点在于：首次将扩散模型与图结构注意力编码结合，针对自主探索任务设计了高效的路径生成策略，并通过专家最优演示实现高质量模仿学习，兼顾了传统方法的高效性与学习方法的泛化。

4. 核心算法

4.1 基于图的环境建模

节点采样与图构建：在每个决策时刻，DARE会在当前已知的自由空间内，按照固定间隔均匀采样节点。这些节点代表机器人可能的候选位置。每个节点与其5x5邻域内的其他节点相连，前提是两节点之间存在无碰撞的直线路径。这样可以高效离散化动作空间，并通过边明确表示节点间的可达性。

图的作用：该无碰撞图不仅为路径规划提供了可行的轨迹空间，还能灵活适应任意形状和大小的环境。每个节点都可以作为机器人的候选视点或路点，机器人当前位置也总是对应于图中的某个节点。

动态更新：随着机器人探索的推进，环境认知不断扩展，图结构也会动态更新，始终反映机器人对环境的最新认知。

4.2 注意力编码器

多属性节点特征：每个节点不仅包含坐标信息，还包括信息增益（如可观测前沿数量）、路标（指示是否可达高效用节点）、占用情况（机器人是否在该节点）等属性。这些特征共同描述了节点在探索任务中的价值和作用。

自注意力机制：所有节点特征首先被投影到高维空间，然后输入到6层堆叠的自注意力网络。每一层都能捕捉节点与其邻居之间的依赖关系，充分建模图的连通性和空间结构。

交叉注意力融合：编码器最后将当前节点（即机器人当前位置）的特征与全局所有节点特征进行交叉注意力融合，得到一个综合反映机器人当前认知和环境结构的“置信特征”。这个特征作为扩散策略网络的输入，确保后续路径生成与环境状态紧密相关。

这种基于图的注意力编码方式，突破了传统CNN对输入尺寸的限制，能适应任意大小和形状的环境，并具备良好的仿真到现实泛化能力。

4.3 扩散策略生成路径

扩散模型生成动作序列：DARE采用扩散模型作为核心策略生成器。具体来说，模型首先从一个高斯噪声初始化的动作序列出发，通过多步去噪过程，逐步将噪声动作还原为合理的探索路径。每一步去噪都基于当前环境的编码特征进行条件生成，确保路径与当前认知状态高度相关。

动作定义与执行方式：在DARE中，机器人的每一步动作被定义为从当前位置出发，选择5x5邻域内的一个相邻节点（包括自身），用独热编码表示。每个动作序列对应未来若干步的节点跳转。模型会检查所选节点间是否存在无碰撞边，确保路径安全。

滚动时域执行与动态 replanning：虽然扩散模型一次可生成多步路径，但实际执行时，机器人只会执行前几步（如1步或少数几步），然后根据新的观测信息重新规划。这种“滚动时域”机制保证了机器人能灵活应对环境变化，提升了探索的实时性和鲁棒性。

路径映射与累积：去噪后的动作序列会被映射为节点间的实际位置变化，结合当前机器人位姿，累积得到完整的未来路径点序列。这样，机器人能获得一条明确的、可解释的探索轨迹。

避障机制：为防止生成路径出现碰撞，DARE在动作执行前会对路径进行碰撞检测，并在必要时进行简单的避障处理，确保至少当前要执行的动作段是安全的。

训练方式：扩散策略网络采用行为克隆（模仿学习）方式训练，目标是最大程度还原专家演示的最优路径。损失函数采用均方误差（MSE），鼓励模型生成的动作序列与专家路径尽量接近。

这种设计思路的优势在于：一方面，扩散模型能够一次性生成长时序的动作序列，具备全局规划能力；另一方面，滚动时域执行和动态 replanning 保证了局部的灵活性和对新信息的快速响应。结合图结构的环境编码，DARE能够在复杂、动态的未知环境中高效、智能地完成探索任务。

在这里插入图片描述

图2. 基于扩散的探索规划器。在每一步中，DARE 维护一个基于图的信念表示，并通过自注意力层对其进行编码，以捕捉机器人信念特征。在一系列机器人信念特征的条件下，扩散策略通过迭代去噪生成未来的动作序列。请注意，规划的路径可以延伸到未知区域。

4.4 专家最优演示

专家规划器设计：为获得高质量训练数据，DARE采用了基于真实地图的专家规划器。该规划器能够访问完整环境信息，将探索问题转化为覆盖问题，即寻找一条能覆盖所有未知区域边界（前沿）的最短路径。

覆盖路径生成流程：首先，在真实自由空间内构建无碰撞图，并识别所有需要观测的前沿节点。然后，采用约束采样方法，选取一组节点，保证机器人访问这些节点即可覆盖全部前沿。接着，通过求解旅行商问题（TSP），获得访问所有目标节点的最短路径。为提升路径质量，采样和TSP过程会多次迭代，最终选择最短的一条作为专家演示。

训练数据生成：通过上述流程，批量生成大量近似最优的探索路径，作为扩散模型的训练样本。这样，DARE能够学习到接近全局最优的探索策略，而不仅仅是模仿传统次优规划器。

优势与意义：这种专家演示方式不仅提升了模型的上限，还让扩散模型具备了推理未知区域结构的能力，有助于在实际复杂环境中实现高效探索。