近期，机器人与智能技术研究团队学生吴宇的学术论文《NAVS: A Neural Attention-Based Visual SLAM for Autonomous Navigation in Unknown 3D Environments》在SCI期刊《Neural Processing Letters》（CCF-C推荐期刊，IF=3.1,中科院4区）上发表。

链接地址：https://link.springer.com/article/10.1007/s11063-024-11502-6

  论文针对在未知室内环境中主动SLAM导航时存在的预测地图误差大和定位精度低等问题，提出了一种模块化的导航模型NAVS，在保证高效探索的前提下，大大提高了建图和定位的精确度。

整体框架图

实验结果图

  论文针对建图过程中预测地图误差大和定位精度低的问题，以及探索过程中频繁访问已探索区域的问题，提出了一个基于CBAM注意力的主动SLAM视觉导航模型NAVS。该模型结合了经典导航策略、深度强化学习和注意力机制。空间注意力增加处理RGB图像过程中主要障碍物的权重，提高了agent建图和定位的精确度。通道注意力增加在导航过程中未知自由空间的通道权重。这让agent对未访问区域的探索成为更高优先级的任务，可以尽量避免访问已探索区域，提高了对环境的探索率。本研究为基于深度强化学习在未知室内环境下的主动SLAM应用做了有效的探索。