arXiv · 机器人与计算机视觉· Taiga Ikeshima, Sheila Sutjipto, Lan Wu, Francisco J. Naranjo-Campos, Taiki Ishigaki, Taisuke Kobayashi, Teresa A. Vidal-Calleja, Eiichi Yoshida·· 28 天前精选AI 评分78
基于欧氏距离场的强化学习实现鲁棒避障
Distance Field Driven Reinforcement Learning for Reactive and Robust Collision Avoidance
AI 导读
论文提出一种将欧氏距离场(EDF)直接整合进观测空间的强化学习框架,利用其丰富的空间信息简化奖励函数设计,实现了无需人工势场引导的有效避障。该方法在 7 自由度冗余机械臂上验证了从仿真到实体的零样本迁移能力,尽管仅用随机化静态物体训练,策略仍能泛化至未见过的真实环境并稳健地规避动态障碍物。材料为预印本状态,已接受于 IROS 2026。
推荐理由
该工作将欧氏距离场融入 RL 观测空间,在仿真中训练的策略实现了零样本迁移到真实机械臂,且能应对动态障碍物。
来源:arXiv · 机器人与计算机视觉 · arxiv.org