May, 2023

基于动态系统路径规划与无监督学习的现实环境自主搜索

PDF
TL;DR本文章提出了一种基于 ROS 框架的混沌路径规划应用程序，该程序通过提供避障技术、混沌轨迹分散和准确覆盖计算等技术，解决了对于限制目标的自主搜索与遍历任务的三大关键问题，其性能可与传统最优路径规划器相媲美，并在多种大小、形状和障碍物密度的真实环境与 Gazebo 模拟中进行了测试。
chaotic coverage path plannersautonomous searchobstacle avoidance techniquereal-time coverage calculation techniqueros framework
发现论文，激发创造
  • 未知环境下在线覆盖路径规划的端到端强化学习

    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

  • 使用 Roomba 模拟覆盖路径规划

    该研究探讨了在未知环境下运用深度强化学习对覆盖路径规划问题进行建模，并与流行的吸尘机器人 Roomba 内置算法进行性能比较。

    Oct, 2022

  • 多目标覆盖路径规划：实现复杂实际结构的自动化检测

    使用多目标演化算法，在保证能量使用和覆盖率平衡的同时，规划机器人的路径，实现复杂三维结构的检测。

    Jan, 2019

  • 在线并发多机器人覆盖路径规划

    提出一种非基于时间限制的集中式算法，可以实现并发规划和执行，从而在大规模工作区中完成完整覆盖，无需浪费机器人和计算资源。

    Mar, 2024

  • 一个高效的基于可达性的框架，用于在未知环境下证明安全的自主导航

    本研究提出了一种基于 Hamilton-Jacobi 可达性的实时安全分析方法，该方法可以在未知的环境下为自主车辆提供强有力的安全保障。

    May, 2019

  • 大规模环境中动态障碍下的自主 3D 探索

    动态探索、自主系统、动态障碍物、增强的基准套件、避碰是本文的关键词汇和主要研究内容。

    Oct, 2023

  • 基于 Q-learning 的无人机群障碍物环境路径规划系统

    本文论述了如何使用基于强化学习的 Q-learning 算法来解决具有障碍物的环境下，多 UAV 自主控制的路径规划问题。实验表明，该系统在实现完全覆盖目标区域的同时，能够以较少的动作数节约路径长度和能源消耗。

    Mar, 2023

  • URA*: 用于非公路环境的基于图像的空中到地面可行性估计的不确定性感知路径规划

    面向离线环境的自主导航，提出了一种基于航空图像的不确定性感知路径规划方法（URA*），利用集成的卷积神经网络模型从区域感兴趣的航空图像中进行像素级可行性估计，然后应用不确定性感知规划器计算路径，并使用重规划技术来实现在线机器人操作中的快速重规划。结果表明，该方法在初始路径的质量和可行性及重新规划路径的质量方面优于传统规划算法。

    Sep, 2023

  • 未知杂乱环境中的机器人主动神经感知与规划

    本篇研究提出了一种主动感知的机器人模型，通过视觉观测、场景建模以及物体形状推断，生成机器人示意图的可行运动路径，以达到在未知，复杂环境下收集足够视觉观测数据的目的。基于人工合成的数据集，实现了在实际狭小、遮盖的环境中进行物体还原的过程，并证明了其在规划和视角数等方面的高效性。

    Aug, 2022

  • 深度无人机赛车：学习在动态环境中敏捷飞行

    利用卷积神经网络直接映射原始图像到航点和所需速度的强鲁棒性生成，使用路径规划和控制系统生成短的、最小时间轨迹段，测试表明该方法能够在动态环境中准确和稳健地实现无人机的自主飞行，不需要昂贵的硬件和昂贵的图像处理，且比专业的人类驾驶员更加高效。

    Jun, 2018