- 自适应世界模型的自动驾驶规划
模型预测控制基于 BehaviorNet 的 AdaptiveDriver 在 nuPlan 闭环规划基准中取得了最先进的结果,将测试误差从 6.4%降低到 4.6%,即使应用于以前未见的城市。
- 指导大型语言模型像人驾驶
在自动驾驶中,复杂场景下的动作规划是核心挑战。本文提出了一种将大型语言模型 (LLMs) 转化为具有明确指令调整能力的运动规划器的 InstructDriver 方法,以对齐其行为与人类相符。通过基于人类逻辑与交通规则来生成驾驶指令数据,并 - SLOPE: 带学习的最优剪枝扩展搜索
通过学习最佳剪枝扩展的搜索方法(SLOPE),在限制的计算环境下,我们实现了对最优路径附近区域的探索,降低了内存和计算成本。
- 跟踪一切猛禽 (TAR)
开发了一种名为 Track Anything Raptor (TAR) 的先进空中飞行器系统,利用多模态请求 (如文本、图像和点击) 检测、分割和跟踪用户感兴趣的对象,并使用 DINO、CLIP 和 SAM 等先进模型估计查询对象的相对姿态 - CoverLib: 领域调优运动规划的问题分配覆盖最大化的分类器装备经验库
通过构建和利用 CoverLib 库,本文提出了一种基于库的方法,以实现快速的运动规划,并解决全局和局部方法在可规划性和速度方面的权衡问题。
- ICLRPlan-Seq-Learn: 语言模型引导强化学习解决长时程机器人任务
利用大型语言模型(LLMs)和运动规划,提出了一种模块化方法 Plan-Seq-Learn(PSL),将抽象语言和学习到的低级控制相结合,从头开始解决长期目标的机器人任务,并在超过 25 个具有挑战性的机器人任务中取得了最先进的结果。
- 基于控制屏障函数的神经控制器的高效运动规划
为了解决运动规划中昂贵的碰撞检测和高采样复杂性的问题,我们提出了一种基于控制屏障函数(CBF)的新型可推广的控制器,通过使用 CBF 引导的神经控制器(CBF-INC)生成控制信号,将系统引导到来自 RRT 采样配置的路径,从而结合了 CB - 通过利用在线生成的经验,加速多机器人操作的搜索规划
通过利用冲突基础搜索算法的重复和增量特性,加速搜索算法的方法使其适用于多臂协调和复杂环境中的机器人操作,从而达到完整和有界的次优性保证。
- SLEDGE: 利用生成模型合成驾驶代理的仿真环境
SLEDGE 是第一个使用真实世界驾驶日志训练的用于车辆运动规划的生成模拟器,其核心组件为一个学习模型,能够生成代理边界框和车道图,通过该模型的输出作为交通仿真的初始状态。
- Exosense:适用于安全外骨骼导航的视觉中心场景理解系统
通过视觉为核心的场景理解系统,本论文提出了 Exosense,它能够生成丰富的全局一致性高程图,包括语义和地形可通过性信息,并展示了其对于周期性步行步态的挑战的鲁棒性以及在室内环境中构建准确的语义丰富地图的能力,同时展示了其在运动规划方面的 - LLM^3:基于大型语言模型的任务与动作规划及运动失败推理
LLM^3 是一种基于大型语言模型(LLM)的全新的任务和运动规划(TAMP)框架,具有领域无关的接口,利用预训练的 LLM 的强大推理和规划能力来提出符号动作序列并选择运动规划的连续动作参数,并通过提示将运动规划反馈到 LLM 中,从而通 - 对抗多智能体游戏中的扩散 - 强化学习层次化运动规划
基于强化学习的运动规划在自主导航到机器人操控等方面已显示出超越传统方法的潜力。本文针对部分可观察多智能体对抗潜逃游戏(PEG)中规划机动任务展开研究。我们提出了一种分层架构,将高层扩散模型与低层强化学习算法结合,分别用于全局路径规划和回避行 - 神经隐式扫描体模型用于快速碰撞检测
通过利用神经隐式扫描体模型,结合深度学习方法快速计算任务空间中任意点与机器人运动之间的有向距离,并结合几何碰撞检测器提供强大的精确性保证,实现了对商业物料拾取应用的加速。
- 学习自主车辆漂移的逆运动学动力学
通过数据驱动的学习方法,我们研究自主小型车辆的运动学模型,并观察其对运动规划(特别是自主漂移)的影响。我们基于惯性测量和执行命令来学习运动学规划器,以帮助我们了解世界状态。我们的研究主要关注漂移,并试图学习这些漂移动作的运动学模型,以及尝试 - 动态游戏中数据驱动的先验融合
智能机器人在与人类一起使用的情况下,研究了基于数据驱动和优化的博弈论策略结合的动态规划方法,以更有效地进行交互感知运动规划。
- 异质轨迹的合拟可调预测
本文介绍了一种新的符合方法,用于生成能够以足够高的概率覆盖新的随机轨迹整个路径的同时预测带。在需要可靠的不确定性估计的运动规划应用中,我们结合了在线符合单个和多个时间序列的不同技术,以及解决回归异方差性的思想。这种解决方案既是有原则的,提供 - 大规模语言模型政策适应在任何地方驾驶
利用 LLaDA 工具,我们通过适应新地点的交通规则,使人工驾驶员和自动驾驶车辆能够在任何地方行车。LLaDA 利用大型语言模型对当地的驾驶手册进行解释,从而实现零样本泛化能力,解决了自动驾驶中长期存在的问题,并在实际数据集上展示了适应自动 - 高斯表面模型下的距离和碰撞概率估计
该论文描述了使用连续空间方法估计椭球形机器人模型与将环境表面建模为一组高斯分布之间的碰撞概率、欧几里得距离和梯度。
- 多个无人水下航行器系统的无干扰优化目标分配和运动规划
该论文介绍了一种创新的方法(CBNNTAP),解决了多无人水下航行器系统在优化目标分配和运动规划时由海洋洋流引入的复杂性和挑战。该算法集成了生物启发的神经网络、有效的目标分配和适应海洋洋流影响的调整组件,通过综合模拟结果证明了其优越性。
- InsActor: 指令驱动的基于物理的角色
利用最新的基于扩散的人体运动模型,InsActor 提供了一种原则性的生成框架,可以根据高级人类指令生成基于物理的角色的动画,通过使用扩散策略进行灵活的条件化运动规划,以捕捉高级人类指令和角色动作之间的复杂关系,并在一个紧凑的潜在空间中发现