针对智能四旋翼无人机，本文提出了一种稳健可靠的自主规划系统，结合动态障碍物的跟踪和轨迹预测实现高效可靠的自主飞行，采用轻量级目标检测算法识别动态障碍物，利用卡尔曼滤波跟踪和估计其运动状态，在规划阶段不仅考虑静态障碍物而且考虑动态障碍物的潜在移动，使用基于 B 样条的轨迹搜索算法生成轨迹，并通过各种约束进一步优化以提高安全性和与无人机运动特征的一致性，在仿真和实际环境中进行实验，结果表明我们的方法能够实时检测和避开动态环境中的障碍物，相较现有方法在可靠性上有更大优势。此外，在自然语言处理（NLP）技术展示出卓越的零样本泛化能力的进展下，更友好的人机交互变得可行，本研究还探索了自主规划系统与大型语言模型（LLMs）的集成。

Nov, 2023

提出了一种基于 RGB-D 相机的实时动态障碍物跟踪和建图系统，该系统使用 “占用格子图” 生成动态障碍物区域，应用卡尔曼滤波和连续滤波来跟踪每个动态障碍物，并提出了一种基于 Markov 链的环境感知轨迹预测方法。实验结果表明，该方法可以在动态环境中实时成功跟踪和避免障碍物。

Sep, 2022

本文提出了一种基于机器视觉和多层规划方案的无人机自主检测框架，用于评估爆破法隧道开挖表面的地理位置，能够在未知和动态的隧道环境中完成自主检测任务。

Jan, 2023

本文介绍了一种基于视觉技术和先进路径规划算法的自主机器人导航系统，该系统可以避开障碍物并朝着目的地导航，其性能通过定性和定量指标进行评估，研究结果有助于室内机器人导航的发展。

Jul, 2023

本研究提出一种基于深度强化学习的自主建模人工群体的方法，以解决手动创建过程时间复杂且不切实际的问题。该方法通过对静态和动态障碍物及阻力的建模，实现了多目标追踪和鲁棒群体形成，而采用的策略包括动态群体管理、避免障碍与追踪对象及岛屿建模。创新的基于策略的深度强化学习算法取得了显著的结果，表明该方法在复杂环境下显著提高了群体导航和追踪多个目标的能力。

Feb, 2022

本文讨论了使用轻量级立体相机设置进行障碍物避难的方法。通过计算图像的不同点，利用经过优化的半全局匹配（SGM）算法得出障碍物分布图，并采用反应式的避障方式通过嵌入式 FPGA 进行最短路径规划。

Jul, 2018

机器人在番茄大棚中越来越多地用于自动化劳动密集型任务，但面临着植物其他部分的遮挡引起的感知困难。我们提出了一种基于梯度的下一最佳观测点规划方法，通过差分射线采样直接估计视点规划的局部梯度方向，旨在克服遮挡问题并提高感知质量，在模拟实验中证明了该方法的有效性。

Nov, 2023

基于 LiDAR 的目标寻找和探索框架，解决了在不规则环境中在线避障的效率问题，并通过利用缓冲区域进行动态障碍的在线构建以及安全导航，实现了机器人在多障碍动态环境中高效、安全地达到目标位置。

Feb, 2024

本文提出了基于深度强化学习和递归神经网络的无人机避障技术，可在未知室内环境中自主避免障碍物，提高了导航距离和推理速率。

Nov, 2018

本文介绍了一种针对微型多旋翼飞行器（MAVs）的轨迹再规划方法，通过使用障碍物避难和占用格网等技术实现。

Mar, 2017