本研究提出了 EPTNav 探索实现连续环境下视觉语言导航的方法和框架，该框架着重于生成长距离导航计划和在连续环境中进行避障控制，并利用拓扑地图和指令生成自主导航计划。实验证明该方法的有效性，并在 R2R-CE 和 RxR-CE 数据集上分别获得超过 10% 和 20% 的改进。

Apr, 2023

本论文提出了一个名为 ALAN 的新方法，用于多智能体导航，通过将该问题转化为动作选择问题，允许智能体根据本地条件动态调整它们的行为以实现时间高效和无碰撞的移动，相对于现有方法，该方法在拥挤的空间中实现更高效的全局行为。

Oct, 2017

本文提出了一种基于线性规划的自动车辆轨迹规划方法，结合了避障、达到路径点的时间调度和管状道路段的时间最优遍历。

May, 2017

本文提出了一个解决在非凸静态和动态环境下的不确定性轨迹规划问题的风险有界方法，可以处理所有已知的概率不确定性，非凸和非线性的静态和动态障碍，以及适用于在线轨迹规划问题，并提供了基于平方和优化的凸方法来高效地解决获得的非凸时间变优化问题并获得连续时间的风险边界轨迹。

May, 2023

该研究提出了基于强化学习的、连续状态和动作空间下的在线覆盖路径规划方法，用于处理未知环境的大型区域，并且结合了全局地图和局部感知输入，以及多尺度地图输入表示的观测空间构建，通过提出的全变差奖励，实现了学习路径上无漏洞被覆盖的目标。

Jun, 2023

学习机器人导航的关键和挑战性任务是通过欧几里得对称性进行二维导航的规划，以及开发一种等变消息传递网络来进行值迭代。同时，通过可学习的等变层将特征提升到所需空间以处理多相机输入，在固定和无结构环境中的五种任务评估的实验证实了训练效率、稳定性和泛化能力的显著优势。

Sep, 2023

本文提出了一种混合在线部分可观察马尔可夫决策过程规划系统，针对多模态不确定性对自主导航的影响。通过使用多查询运动规划和在线 POMDP 求解器，我们实现了更加灵活和高效的实时方法，从而更好地解决了密集人群和障碍物之间的自主导航问题，并获得了更高的安全性和效率。

Jun, 2022

该研究考虑在存在障碍物的情况下，寻找曲率受限的系统的无碰撞路径，同时将执行时间最小化。通过找到有界次优的解，而不是时间最优解，可以显著降低使用的时间最优转换的数量，并仍然保证解的质量。

Apr, 2022

本文提出了一种新颖的统一的时空语义走廊结构 (SSC), 为不同类型的语义元素提供了一定的抽象，并解决了自主车辆在复杂城市环境中规划安全轨迹的问题，方法使用广义二次规划 (GQP) 实现轨迹计算，并融合了分段 Bezier 曲线参数化的凸包和豁免特性，提供轨迹安全和合规的理论保障.

Jun, 2019

该论文提出了一种基于梯度的 B 样条轨迹优化算法，利用机器人的视觉感知，可以在动态环境中快速、安全地生成避障轨迹。

Sep, 2022