We have observed significant progress in visual navigation for embodied agents. A common assumption in studying visual navigation is that the environments are static; this is a limiting assumption. Intelligent navigation may involve interacting with the environment beyond just moving forward/backward and turning left/right. Sometimes, the best way to navigate is to push something out of the way. In this paper, we study the problem of interactive navigation where agents learn to change the environment to navigate more efficiently to their goals. To this end, we introduce the Neural Interaction Engine (NIE) to explicitly predict the change in the environment caused by the agent's actions. By modeling the changes while planning, we find that agents exhibit significant improvements in their navigational capabilities. More specifically, we consider two downstream tasks in the physics-enabled, visually rich, AI2-THOR environment: (1) reaching a target while the path to the target is blocked (2) moving an object to a target location by pushing it. For both tasks, agents equipped with an NIE significantly outperform agents without the understanding of the effect of the actions indicating the benefits of our approach.
翻译:我们观察到了内装物剂在视觉导航方面的显著进步。 视觉导航研究的一个共同假设是环境是静止的; 这是一个有限的假设。 智能导航可能涉及与环境的相互作用, 不仅仅是向前/ 后向后和向左/ 右。 有时, 最佳导航方式是将某些东西推出方向。 在本文中, 我们研究了交互式导航问题, 即代理人学会改变环境以更高效地向目标方向航行。 为此, 我们引入了神经互动引擎( NIE), 以明确预测由代理人的行动造成的环境变化。 通过模拟这些变化, 我们发现代理人的导航能力有了显著的改善。 更具体地说, 我们考虑的是物理学驱动的、 视觉上丰富的、 AI2-THHOR 环境中的两个下游任务:(1) 达到目标, 而通往目标的路径被阻断了(2) 将一个物体推向目标地点。 对于这两项任务, 我们引入了神经互动引擎(NIE) 以明确预测由代理人的行为造成的环境变化。 通过在规划中进行模拟, 我们发现代理人的导航能力有显著的改进。 。 。 更具体地说, 我们考虑的是, 在物理学驱动下游环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境环境的特征, 。