TAME-Nav: Temporal Asymmetric Mixture-of-Experts Distillation for Agile and Versatile Robot Navigation
作者: Lingjie Zhang, Jun Xue, Shanze Wang, Haoyu Xi, Xinming Zhang, Xiaoyu Shen, Wei Zhang
分类: cs.RO
发布日期: 2026-10-09
💡 一句话要点
提出TAME-Nav以解决机器人导航中的决策多样性问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)
关键词: 机器人导航 教师-学生框架 时间软混合专家 动态环境 决策多样性 仿真到现实 程序化场景生成
📋 核心要点
- 现有的导航方法往往无法有效应对多样化场景中的决策需求，导致性能不足。
- TAME-Nav通过不对称的教师-学生框架和时间软混合专家机制，提升了机器人在复杂环境中的导航能力。
- 实验结果表明，TAME-Nav在成功率、碰撞率和导航得分上均优于现有基线，展示了其有效性。
📝 摘要（中文）
灵活可靠的导航是机器人在复杂环境中进行有效交互的核心能力。然而，单一策略往往难以满足多样化场景的决策需求。本文提出了TAME-Nav，一个基于时间软混合专家（Soft-MoE）的不对称教师-学生导航框架。教师通过结合清晰观察与动态障碍物轨迹构建特权表示，而学生则通过时间编码、软专家路由和潜在蒸馏从受损观察历史中学习互补的导航特征。程序化场景生成和并行任务级模拟扩展了训练覆盖范围，而部署信息驱动的不对称领域随机化支持了从仿真到现实的转移。在分布内和未见的组合场景中，TAME-Nav的成功率、碰撞率和导航得分均优于代表性基线。在真实的四足机器人上，它在局部陷阱逃脱和狭窄通道导航中完成了所有20次试验，仅发生一次轻微接触。
🔬 方法详解
问题定义：本文旨在解决机器人在复杂环境中导航时面临的决策多样性问题。现有方法通常依赖单一策略，难以适应不同场景的需求，导致导航性能不足。
核心思路：TAME-Nav提出了一种不对称的教师-学生框架，教师利用清晰的观察和动态障碍物轨迹构建特权表示，而学生则从受损的观察历史中学习互补特征。通过时间编码和软专家路由，学生能够更好地适应复杂环境。
技术框架：该框架包括教师和学生两个主要模块。教师负责生成特权表示，学生则通过时间编码和潜在蒸馏学习导航特征。此外，程序化场景生成和并行任务级模拟扩展了训练覆盖范围。
关键创新：TAME-Nav的主要创新在于引入了时间软混合专家机制，使得学生能够在动态环境中灵活调整决策策略。这一设计使得机器人能够更好地应对复杂的导航任务。
关键设计：在模型设计中，采用了不对称领域随机化以支持从仿真到现实的转移，损失函数则结合了教师和学生的学习目标，确保了模型的有效性和鲁棒性。整体架构的设计使得模型在多样化场景中表现出色。
🖼️ 关键图片
📊 实验亮点
在实验中，TAME-Nav在分布内和未见的组合场景中表现出色，成功率显著提高，碰撞率降低，导航得分也高于代表性基线。在真实四足机器人上，完成了20次试验，成功应对局部陷阱和狭窄通道，仅发生一次轻微接触，展示了其卓越的导航能力。
🎯 应用场景
TAME-Nav的研究成果在多个领域具有广泛的应用潜力，尤其是在服务机器人、自动驾驶和无人机导航等场景中。其灵活的决策能力和高效的导航性能能够显著提升机器人在复杂环境中的自主性和可靠性，推动智能机器人技术的进一步发展。
📄 摘要（原文）
Agile and reliable navigation is a core capability for embodied robots navigating complex spatial constraints and dynamic interactions. However, a single policy often struggles to accommodate the distinct decision-making demands of diverse scenarios. We present TAME-Nav, an asymmetric Teacher-Student navigation framework built around a temporal soft mixture of experts (Soft-MoE). The Teacher combines clean observations with causally maintained dynamic-obstacle tracks to construct privileged representations, while the Student learns complementary navigation features from corrupted observation histories through temporal encoding, soft expert routing, and latent distillation. Procedural scenario generation and parallel task-level simulation broaden training coverage, while deployment-informed asymmetric domain randomization supports sim-to-real transfer. Across in-distribution and unseen compositional scenarios, TAME-Nav achieves higher success rates, lower collision rates, and higher navigation scores than representative baselines. On a real quadruped robot, it completes all twenty trials across local-trap escape and narrow-passage navigation with sudden dynamic obstacles, with only one minor contact.