- 问题定义
在真实世界中进行无定位辅助，类似于人直觉长距离导航。输入为当前的视觉输入和目标地点。输出就是接下来应该怎么走，才能到达目的地。PS：Navigation相比于planning来说更加粗糙，就是不需要具体到某个地点，而是一个大概的方向确定。
- 问题解决
使用DRL，定义状态：当前视觉输入；定义动作：五个离散动作，快慢向前，这个应该是由Google Map采集地图的摄像头确定的；奖励：最开始的是由当前agent的位置到目标距离的最短路径决定，成比例的，应该是距离越远，给的reward越小；另外走的步数会给予更高的奖励（我觉得走的步数越多，给予的奖励应该是更多加个负号，比较DRL的目标是最大化reward，步数越多可不是好事情，比如一直围绕某个建筑物，步数非常多，这不是我们希望看到的优化结果）输入的目标定义，这个定义的方法有很多，比如给GPS位置，给定目的地周围的视觉形态，这篇论文是使用周围五个最近的landmark确定的，landmark是确定的，任何一个地点周围五个landmark也是确定的，所以使用这种方法，是对目的地进行了一种编码表示，数据压缩吧。这个逼我给满分~
policy：P(a|s,g) 给定当前输入的图片和目的地的状态表示，接下来的动作；
value function：E(s,g) 在该状态下，已知目的地，它的期待奖励，这个东西是为了指导policy那块的network更快收敛的。
- 训练心得
Deepmind的paper就是看上去很高大上，然后更多是提出问题，给出benchmark，自己复现吧。当然，考虑到需要的计算量和实用性，更多小伙伴应该就是看看它训练的时候网络和技巧，定义DRL怎么做的，很少会去复现这些东西。
迁移能力：
使用子网络，来实现迁移学习。
加速收敛：
使用子任务提供更多约束
训练网络使用IMPALA和A3C都可以。
Ref：
https://deepmind.com/blog/learning-to-navigate-cities-without-a-map/
https://papers.nips.cc/paper/7509-learning-to-navigate-in-cities-without-a-map.pdf
