arXiv · ML· Bojan Deraji\'c·· 2026-10-14AI 评分33
学习基于可达性的安全表征以实现在未知动态环境中的实时机器人导航
Learning Reachability-Based Safety Representations for Real-Time Robot Navigation in Unknown and Dynamic Environments
AI 导读
论文提出通过离线训练神经隐式表征来捕捉 Hamilton-Jacobi 可达性分析的价值函数,从而实现在未知动态环境中的实时机器人导航。 方法将学习到的函数作为模型预测控制的终端约束或控制障碍函数的候选,并通过并行树搜索生成高维系统标签。 在地面和空中机器人的仿真与硬件实验中,该方法在短视野和移动障碍场景下展现出优于几何基线的碰撞规避能力。
来源:arXiv · ML · arxiv.org