Jul, 2023

具条件上下文导航的基于学习的地形和机器人感知动力学模型

PDF
TL;DR在自主导航设置中，考虑到变化，我们开发了一种新颖的综合地形和机器人信息的前向动力学模型 TRADYN，它基于神经过程的元学习前向动力学模型，能够适应各种变化情况，并在实验中表现出更好的长时轨迹预测和导航计划性能。
autonomous navigationvariationsforward dynamics modelterrain propertiesnavigation planning
发现论文，激发创造
  • 基于模型预测路径积分控制的自主越野拉力赛驾驶学习地形感知运动学模型

    提出一种适用于自主驾驶的、适应于车辆周围复杂地形信息的、六自由度动态学模型，并设计出相应的安全稳定的模型预测控制器。仿真实验表明，相比基线模型，该模型 - 控制器组合表现出更好的高速行驶性能，具备较高的安全性和稳健性。

    May, 2023

  • 用于越野无人车的多模态动力学建模

    该篇论文研究如何在戶外和非结构化环境下使用多种传感器来构建预测机器人动态的模型，实验表明多种传感器的组合能够更准确地预测机器人的状态变化。

    Nov, 2020

  • 复杂动态环境下的多模态传感器融合概率端到端车辆导航

    本文提出了一种利用深度学习的基于模仿学习的概率驾驶模型，可以综合利用摄像机，激光雷达和雷达的信息来应对各种环境条件和动态障碍物，具有优异的泛化性能。

    May, 2020

  • 自适应元学习用于 Rover - 地形动力学识别

    本文提出了一种基于元学习的方法，通过将贝叶斯回归算法（P-ALPaCA）与参数仿射的标称模型相结合，增强了探测器动力学的概率预测，并引入了一种正则化方法，以鼓励标称和学习特征的正交性，从而导出可解释的各种地形条件下的地形参数的概率估计。

    Sep, 2020

  • 通过控制和感知的不确定性最小化，在非结构化环境中进行安全导航

    该研究介绍了一种最小化控制和感知不确定性以确保安全可靠的自主车辆导航的框架，由两个不确定性感知模型组成：基于机器学习的车辆动力学模型和自我监督遍历估计模型。

    Jun, 2023

  • EVORA: 深度证据遍历学习用于风险感知的越野自主驾驶

    通过学习地形性质直接获取数据，本研究以有效地量化离散牵引分布和牵引预测潜在特征的概率密度，利用证据深度学习参数化与网络输出的狄利克雷分布，并提出了一种新颖的风险感知和平方地球移动距离损失，通过模拟最坏情况下的牵引来处理不确定性，惩罚通过具有高认知不确定性的地形的轨迹，并在仿真中广泛验证以及在轮式机器人和四足机器人上进行比较，显示出改进的导航性能。

    Nov, 2023

  • 个性化动态模型的自适应辅助导航系统

    提出了一种基于强化学习的个性化导航系统，根据不同视力障碍者的个人特点和行动能力，通过权重专家模型逐步调整系统用户交互体验，实现更精准的长期行为预测和快速适应性学习。

    Apr, 2018

  • Trajectron++：具动态可行性的混合数据轨迹预测

    Trajectron++ 是一个模块化的、图形结构的循环模型，它可以预测多个不同智能体的运动轨迹，同时考虑智能体的动态及不同的数据（例如，语义地图），它与机器人规划和控制框架紧密集成，能够在多个具有挑战性的真实轨迹预测数据集中表现出更好的性能。

    Jan, 2020

  • TOP-Nav：融合地形、障碍物和自我感知估计的四脚导航

    在这项工作中，我们提出了一个新颖的四肢导航框架 TOP-Nav，它将全面路径规划器与地形感知、避障和闭环本体感知整合在一起，突出了视觉和本体感知在路径和动作规划中的协同作用。通过在路径规划器中引入地形估计，我们使机器人能够在更易通过的地形上选择航点，同时有效避开障碍物。在动作规划水平上，我们不仅实现了一种运动控制器来跟踪导航命令，还构建了一个本体感知顾问，为路径规划器提供动作评估。基于闭环运动反馈，我们对基于视觉的地形和障碍物估计进行在线校正。因此，TOP-Nav 在开放世界导航中实现了机器人能够处理先前知识分布范围之外的地形或干扰，并克服了视觉条件造成的约束。通过在模拟和真实环境中进行广泛实验，TOP-Nav 在开放世界导航中展现出了优于现有方法的性能。

    Apr, 2024

  • TrACT: 一种对训练动态敏感的对比学习框架，用于长尾轨迹预测

    自动驾驶的安全性需要准确预测道路用户未来轨迹以进行安全运动规划，在具有挑战性的条件下尤为重要。本文提出了一种在原型对比学习框架中将更丰富的培训动态信息纳入其中的方法，并在两个大规模自然数据集上进行了实证评估，证明了该方法在改善长尾样本准确性和场景符合性方面达到了最先进的性能。

    Apr, 2024