跳到正文
arXiv · 机器人与计算机视觉· Ziyi Hao·· 16 天前AI 评分48

人工势场奖励增强实现部分观测下的尺寸鲁棒避障

Positive Safety Margins from Artificial Potential Field Reward Augmentation for Size-Robust Obstacle Avoidance under Partial Observability

AI 导读

针对障碍物几何未观测场景,研究者在模拟 Franka Emika Panda 抓取任务中引入水平人工势场奖励项。该方法在半径 0.03m 至 0.055m 范围内将安全成功率维持在 88% 以上,最小间隙达 47.9mm,且消除训练碰撞时间提前至少八倍。该优势在三强化学习求解器及全观测条件下均显著成立,路径长度仅增加约 19%。

来源:arXiv · 机器人与计算机视觉 · arxiv.org