团队博士生周康同学论文Learning Heterogeneous Relation Graphand Value Regularization Policy for Visual Navigation在SCI一区top 期刊IEEE Transactions on Neural Networks and Learning Systems发表。

期刊IEEE Transactions on Neural Networks and Learning Systems由美国电气和电子工程师协会（IEEE）创办，是机器学习、信息科学、人工智能交叉学科领域的顶级期刊，主要发表关于神经网络和相关学习系统的理论、设计和应用的学术论文，最新影响因子11.68，中科院分区一区。

视觉导航的目标是引导智能体根据当前观测找到给定的导航目标。在视觉导航任务中，学习信息丰富的视觉表示和鲁棒的导航策略至关重要。

论文提出了3种互补技术，即异构关系图HRG、值正则化导航策略VRP和基于梯度的元学习ML。HRG整合了目标关系，包括目标的语义接近度和空间方向，例如，刀通常与碗在语义上共现，或者位于叉的左侧。异构关系图能够改善视觉表示。VRP和基于梯度的ML都能促进鲁棒的导航策略，帮助智能体摆脱卡住或者循环等死锁状态。具体来说，基于梯度的ML是一种用于策略网络训练的监督方法，它消除了可见环境分布和未见环境分布之间的差距。在这一过程中，VRP最大化视觉观测和导航策略之间的互信息转换，从而提升更明智的导航决策。在成功率和成功长度加权SPL方面，论文提出的方法显示出优于SOTA的性能。在跨场景泛化方面，论文提出的HRG优于Visual Genome知识图谱，在Hits@5*和MRR*方面分别提高了≈56%和≈39%。