跳到正文
arXiv · 机器人与计算机视觉· Bojan Deraji\'c·· 29 天前AI 评分72

未知动态环境下基于可达性的实时机器人导航安全表示学习

Learning Reachability-Based Safety Representations for Real-Time Robot Navigation in Unknown and Dynamic Environments

AI 导读

这篇博士论文提出训练神经隐式表示来离线学习哈密顿 - 雅可比(HJ)可达性解,以在实时控制中区分安全与必撞状态。研究展示了五种方法:前四种将学习到的函数作为模型预测控制的终端约束或控制巴利尔函数的候选项,第五种则通过顶点输入的并行树搜索生成标签,解决了网格求解器限制低维模型的问题。仿真和硬件实验表明,该方法在短视域和移动障碍物场景下比几何及手工设计的基线具有更好的碰撞避免能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org