1 前言
目前市面上的辅助驾驶功能，应用场景主要包括城区，高速以及地下停车场等场景，跑好村路的都不多，更别说山路，野路了。本篇博客主要介绍一种新的无地图（不包括SD图）导航算法。
无地图导航要求智能体在无先验地图条件下，仅通过自身感知完成长距离移动，核心依赖映射（Mapping）和规划（Planning）能力。传统方法采用显式建图与规划分离的流程；端到端强化学习则通过 RNN 隐式融合历史与当前观测，但存在显著局限。
本篇博客所述论文于 2025 年 10 月发布，聚焦无地图长距离导航任务，核心是提出空间增强循环单元（SRU）解决传统循环神经网络（RNN）空间记忆不足的问题，结合注意力机制与强化学习，实现仅依赖单目前向立体相机的端到端导航，并完成零样本仿真到真实场景的迁移。
2 SRU+架构
在此之前，先简单总结无图导航（不包括SD图）的难点：
- 传统 RNN（如 LSTM、GRU）擅长捕捉时间依赖，但难以有效处理空间记忆，无法将不同视角的序列观测进行空间变换与整合，形成连贯的空间表征。
- 长距离导航中，视角变化导致观测的空间错位，现有模型易丢失全局空间信息，影响规划精度与鲁棒性。
- 仿真到真实场景的迁移难度大，感知噪声与环境差异导致模型泛化能力不足。
论文提出 SRU + 注意力机制的网络架构，配合强化学习训练策略与仿真到真实迁移方案，具体如下：
2.1 空间增强循环单元（SRU）
SRU 是对传统 RNN 单元的改进，核心是增强空间记忆能力，实现观测的空间对齐与整合。
- 设计思路：在循环单元中引入空间变换模块，通过学习隐式的空间转换矩阵，将当前观测与历史记忆进行空间对齐，解决视角变化导致的观测错位问题。
- 结构改进
- 输入变换：对当前观测（图像特征）进行空间编码，生成带空间信息的特征向量。
- 记忆融合：通过门控机制融合历史记忆与当前空间特征，更新记忆状态时保留空间一致性。
- 输出生成：结合空间增强的记忆状态，输出用于规划的隐向量。
- 优势：无需显式建图，通过循环单元隐式完成空间表征构建，计算效率高于显式建图方法。
2.2 强化学习架构
整体网络架构以 SRU 为核心，结合注意力机制提升规划能力，具体流程如下：
- 感知输入：单目前向立体相机获取 RGB 图像与深度信息，经卷积神经网络（CNN）提取特征。
- SRU 记忆模块：输入 CNN 特征与上一时刻记忆状态，输出空间增强的当前记忆状态。
- 注意力机制：计算当前观测与历史记忆的注意力权重，聚焦关键空间信息，辅助规划决策。
- 策略网络：融合注意力输出与记忆状态，输出导航动作（如速度、转向角）。
- 强化学习训练：采用近端策略优化（PPO）算法，以导航成功率、路径长度等为奖励信号，端到端训练网络。
2.3 仿真到真实的零样本迁移
为解决泛化问题，采用以下方案：
- 大规模仿真预训练：在多样化的合成环境中训练模型，学习鲁棒的空间表征。
- 深度噪声模型：在训练中加入并行化的深度噪声模拟真实传感器噪声，提升模型抗干扰能力。
- 硬件适配：针对腿轮式机器人平台，优化模型推理速度，适配真实场景的实时性要求。
3 实验设计与结果
3.1 实验设置
- 环境：仿真环境采用 Habitat 等大规模 3D 场景，真实场景涵盖室内外多样化地形。
- 对比基线：传统 RNN（LSTM、GRU）、显式建图 + 规划的 RL 方法、堆叠历史观测的 RL 方法。
- 评价指标：导航成功率、路径效率、终点误差、整体性能提升百分比等。
3.2 实验结果
| 对比对象 | 性能提升 | 核心结论 |
|---|---|---|
| 传统 RNN（LSTM/GRU） | 23.5% | SRU 有效解决空间记忆不足问题 |
| 显式建图 RL 基线 | 29.6% | 隐式空间记忆优于显式建图方案 |
| 堆叠历史观测 RL 基线 | 105.0% | SRU + 注意力机制大幅提升长距离导航鲁棒性 |
3.3 迁移实验
模型在仿真环境预训练后，直接部署到真实腿轮式机器人，仅使用单目前向立体相机，在无地图条件下完成长距离导航，验证零样本迁移能力。
3.4 消融实验
- 去除 SRU：性能显著下降，证明空间增强模块的必要性。
- 去除注意力机制：路径规划精度降低，验证注意力对关键空间信息提取的作用。
- 去除深度噪声模型：真实场景中鲁棒性下降，证明噪声训练的有效性。
4 总结
论文主要通过 SRU 单元弥补传统 RNN 的空间记忆短板，结合注意力机制与强化学习，实现高效的无地图长距离导航，且具备零样本迁移能力。未来可进一步优化 SRU 的空间变换效率，拓展多传感器融合场景，并探索在动态环境中的应用。
参考文献：
《Spatially-Enhanced Recurrent Memory for Long-Range Mapless Navigation》
开源代码：