MacroNav: Multi-Task Context Representation Learning Enables Efficient Navigation in Unknown Environments

Probleemstelling

Autonome navigatie in onbekende omgevingen blijft een fundamentele uitdaging in de robotica. Robots moeten beslissingen nemen onder gedeeltelijke waarneembaarheid (partial observability) terwijl ze botsingsvrije paden naar een doel vinden. Bestaande methoden kampen met twee hoofdproblemen:

1. Klassieke methoden (zoals A* en RRT*) zijn afhankelijk van handgemaakte regels en heuristieken voor frontier-selectie en grafconstructie. Deze zijn vaak te rigide en vangen de semantische en structurele complexiteit van realistische omgevingen niet goed genoeg.
2. Lernende methoden (zoals End-to-End Reinforcement Learning) missen vaak expliciete contextmodelleren. Ze worstelen met generalisatie in complexe, ongezette omgevingen omdat ze geen duidelijk begrip hebben van globale ruimtelijke relaties. Anderzijds abstracte grafische methoden (topologische grafen) vaak te veel en verliezen fijne geometrische details (zoals gangstructuren en doorgangsbreedtes).

Er is een behoefte aan een systeem dat multi-schaal ruimtelijk begrip combineert: globaal structureel inzicht, lokale geometrische continuïteit en robuustheid tegen occlusie, alles binnen een rekenkundig efficiënt kader voor real-time gebruik.

Methodologie: MacroNav

MacroNav is een leerbaar navigatiekader dat bestaat uit twee kerncomponenten: een Context Encoder en een RL-gebaseerd Navigatiebeleid.

1. Context Encoder (Multi-Task Zelftoezicht)

De encoder is ontworpen om compacte, navigatie-specifieke ruimtelijke representaties te leren uit bezettingskaarten (occupancy maps). In plaats van generieke visuele modellen te gebruiken, wordt de encoder vooraf getraind via een multi-task zelftoezicht (Self-Supervised Learning - SSL) framework met drie complementaire taken op verschillende ruimtelijke schalen:

• Stochastic Path Masking (SPM): Voor het begrijpen van de globale lay-out. Het maskeert gebieden via stochastische wandelpaden (random walks) in plaats van willekeurige blokken. Dit dwingt het model om lange-afstandsafhankelijkheden en de algemene structuur van de omgeving te leren.
• Field-of-View (FOV) Prediction: Voor het herkennen van lokale geometrische continuïteit. Het model moet perifere gebieden voorspellen op basis van een centraal zichtbaar gebied. Dit helpt bij het begrijpen van details zoals gangen, deuropeningen en doorgangsbreedtes.
• Masked Autoencoding (MAE): Voor robuustheid tegen gedeeltelijke waarneembaarheid. Het model reconstructeert zwaar gemaskeerde gebieden (75% masking) om te leren omgaan met beperkte sensorinformatie en occlusie.

Deze taken worden gezamenlijk getraind zonder handmatige gewichtstuning; per stap wordt willekeurig één taak geselecteerd.

2. Context-Aware Navigatiebeleid (RL)

Het navigatiebeleid gebruikt Reinforcement Learning (Soft Actor-Critic - SAC) om de beste volgende waypoint te selecteren.

• Grafische Redenering: Het systeem bouwt een lokaal topologisch grafiek van binnenshuis knopen (waypoints) rondom de robot.
• Hiërarchische Cross-Attention: De beleidsnetwerk fuseert drie soorten informatie via een hiërarchisch mechanisme:
  1. De globale contextuele representatie van de vooraf getrainde encoder.
  2. De lokale eigenschappen van de knopen in de topologische grafiek (richting, nut, bezoekstatus).
  3. Historische trajectinformatie (via een LSTM).
• Actie-selectie: Een "Pointer Attention" module gebruikt de gefuseerde representatie om een kansverdeling over de beschikbare knopen te genereren en de optimale actie te kiezen.

Belangrijkste Bijdragen

1. Multi-Task SSL Framework: Een nieuwe aanpak voor het leren van ruimtelijke representaties die specifiek is ontworpen voor navigatie, in plaats van het toepassen van generieke visuele modellen (zoals DINO of ViT).
2. Context-Aware RL Policy: Een architectuur die de kracht van dichte ruimtelijke representaties combineert met expliciete topologische grafische redenering via cross-attention, wat superieur is aan puur end-to-end of puur grafische methoden.
3. Uitgebreide Validatie: Bewijs uit zowel simulatie als echte wereldexperimenten dat de methode aanzienlijk beter presteert dan state-of-the-art (SotA) methoden, met name in complexe omgevingen.

Resultaten

Simulatie-experimenten

• Vergelijking met SotA: MacroNav overtreft bestaande pre-getrainde visuele modellen (ResNet, ViT, DINOv2) en andere RL-methoden. In "harde" omgevingen behaalde MacroNav een Success Rate (SR) van 83,9% en een SPL (Success weighted by Path Length) van 64,7%, wat een verbetering is van 9,5% in SR en 11,7% in SPL ten opzichte van de sterke baseline ViT-DINO.
• Algoritme-onafhankelijkheid: De geleerde representaties bleken effectief bij integratie met verschillende RL-algoritmen (TD3, PPO, SAC), wat aantoont dat de representaties algemene, robuuste kenmerken bevatten.
• Efficiëntie: MacroNav convergeert sneller tijdens het trainen en vindt kortere paden met minder omwegen.

Real-World Experimenten

• Platform: Getest op een Unitree Go2 robot met Livox Mid-360 LiDAR en FAST-LIO2 voor mapping, draaiend op een NVIDIA Jetson Orin.
• Prestaties: MacroNav behaalde een SR van 91,7% en een SPL van 73,4%.
  • Dit is een verbetering van 8,4 procentpunten in SR en 54,8 procentpunten in SPL ten opzichte van HD Planner (een andere SotA RL-methode).
  • T.o.v. FAR Planner (een klassieke grafische methode) was de SR 16,7% hoger.
• Rekenkracht: MacroNav is uiterst efficiënt. Het gebruikt slechts 48,9% CPU en 1,3% GPU, terwijl FAR Planner 84% CPU gebruikt (door real-time grafiekconstructie) en NavRL veel GPU-kracht vraagt. Dit maakt MacroNav ideaal voor deployment naast andere modules zoals SLAM.
• Gedrag: In vergelijking met andere methoden die vaak vastliepen in doodlopende straten of onnodige omwegen maakten, slaagde MacroNav erin om kortere routes te vinden en effectieve shortcuts te identificeren.

Betekenis en Conclusie

MacroNav demonstreert dat het combineren van multi-task zelftoezicht (voor het leren van een rijk begrip van de omgeving) met contextbewust reinforcement learning (voor het nemen van beslissingen) een doorbraak betekent in autonome navigatie.

De belangrijkste inzichten zijn:

1. Generieke visuele modellen zijn niet optimaal voor navigatie; specifieke, navigatie-gerichte pre-training is essentieel.
2. Het combineren van globale structuur, lokale geometrie en robuustheid in één representatie is cruciaal voor succes in onbekende omgevingen.
3. De methode is niet alleen nauwkeuriger, maar ook rekenkundig efficiënter, wat het geschikt maakt voor echte robottoepassingen met beperkte hardware.

Toekomstig werk richt zich op het integreren van semantische informatie en temporele cues om dynamische obstakels beter te anticiperen en oscillaties in lange trajecten te verminderen.