从多模态演示中学习导航：基于几何候选模式的分层策略

研究者提出一种分层神经网络策略，从局部几何计算候选模式，并通过演示学习选择和执行哪种模式，高层策略依据目标与历史选择在候选模式中决策，低层策略将其转化为动作。仿真中该策略在已见和未见测试用例上成功率均超95%，而四个离线学习基线最高仅43%和20%，使用相同模式但不学习的启发式方法为79%和67%。该仿真训练的策略还迁移到了 LimX Tron 1 双足机器人上。