跳到正文
arXiv · 机器人与计算机视觉· Qingxi Meng, Emiliano Flores, Thai Duong, Vaibhav Unhelkar, Lydia E. Kavraki·· 16 天前AI 评分68

基于场景图的感知受限运动规划:MOPS-PRM 方法

Sampling-Based Motion Planning with Scene Graphs Under Perception Constraints

AI 导读

针对高自由度机器人在复杂环境中需同时满足多对象监控等感知约束的问题,本文提出 MOPS-PRM 这一基于路图的运动规划器。该方法将感知成本作为场景图的一部分嵌入每个物体中,在构建路图时选择性采样配置以隐式执行感知约束。实验表明,相比其他感知受限基线,该方法在平均检测对象数量上提升约 36%,跟踪率提升约 17%,且规划时间和路径长度相当。

来源:arXiv · 机器人与计算机视觉 · arxiv.org