- 场景作为占用
通过提出一种新的 3D Occupancy 表示法 (OccNet)，并在 nuScenes 数据集上建立了 OpenOcc，我们方法能够有效地为多个驾驶任务提供有力的支持，并取得了显著的性能收益，例如运动规划可以实现 15％-58％的碰撞 - 物理知识引导的神经运动规划的渐进式学习
提出了一种新的 Eikonal 方程组合方式和逐步学习策略，用于在复杂、杂乱、多高维机器人运动规划情境中训练神经网络。实现结果表明，该方法在计算规划速度、路径质量和成功率方面均显著优于最先进的传统 MP、数据驱动 NMP 和物理信息 NMP - 使用 Transformer 学习采样字典，实现机器人运动规划的高效与通用
本论文提出了一种名为矢量量化运动规划转换器（VQ-MPT）的新方法，它克服了以往基于学习的方法的主要限制，包括无法扩展到更高维度空间和缺乏对分布之外环境的通用性，使其能够应用于各种复杂性系统，实现了较高的成功率和更快的路径规划。
- TOFG：自动驾驶统一精细环境表示
提出了一个名为 TOFG 的环境表示方法，将高清地图和车辆历史轨迹融合成同质数据，通过时间依赖关系促进模型表现，成功应用于自动驾驶汽车轨迹预测和运动规划，且比其他模型表现更好且训练时间更短。
- 部分可观测环境下自主智能体复杂任务的无模型运动规划
该研究使用无模型强化学习方法解决了部分已知环境下自主智能体的运动规划问题，提出了一种基于线性时态逻辑和 Markov 决策过程的方法，并应用于无人机的实际控制中。
- 基于信息批次置信树的不确定性运动规划
本文提出一种名为 IBBT 算法的运动规划算法，该算法利用启发式算法，将随机运动规划问题划分为确定性运动规划问题和图搜索问题，并交替进行批量状态采样、路径规划和启发式搜索，以找到满足信念空间运动规划的最优解。实验表明，IBBT 算法在不同规 - 基于强化学习的行为规划与采样运动规划的自动驾驶集成
本文提出一种利用深度强化学习的自主驾驶行为规划模型，通过预测未来交通情况，将高层行为规划接口化，并通过循环规划策略进行实验验证。
- 基于激光雷达的动态物体 3D 跟踪和状态估计
该研究的重点在于利用动态场景定位的方法估计非自主车辆的状态，以支持运动规划和决策制定。
- 使用生存分析优化交叉路口合并入口的速度坡道
本文提出了一种使用参数化速度坡道进行风险分析的方法，通过综合风险优化来解决复杂的 T 型路口交叉并线问题，并在统计评估中证明了该方法的优越性。
- 基于运动基元的非高斯风险有界随机非线性系统不确定环境下的实时管道运动规划
本文提出了一种适用于不确定环境下动态机器人避障的实时在线运动规划算法，通过将概率安全约束转化为风险轮廓的确定性约束，使用总和平方（SOS）编程验证管道的安全性，可保证系统状态与障碍碰撞的概率有限，该算法适用于多种长期任务。
- 预测活动普通物品的运动计划
本文介绍了一种将移动机器人操作任务的规划问题转化为学习问题的方法，并提出了一种基于 ArtObjSim 模拟器的快速和灵活的 SeqIK+$ heta_0$ 运动规划表示方法和相应的学习模型，该方法在测试时可以快速准确地预测关节式对象的运动 - CVPR点云预测作为 4D 占用预测的代理
通过将 3D 点云预测任务从非注释 LiDAR 序列转变为时空 (4D) 占据预测任务，我们可以评估和比较各种数据集、传感器和车辆的点云预测算法。
- 随机序列多智能体决策的因果社交解释
我们提出一个新颖的框架，用于在随机序列多智能体环境中为智能体的决策提供因果解释，通过自然语言交流回答广泛的用户查询，涉及联想、干预或反事实的因果推理。该方法不假定任何特定的因果图，而是依赖于相互作用的生成模型来模拟反事实世界，从而识别决策背 - 使用深度神经网络在约束流形上进行快速运动规划
本文介绍了一种新颖的学习规划框架，探讨了通过利用约束流形和神经规划方法来生成满足任意一组约束的规划，并以短常数时间计算它们的方法。
- 一种基于距离几何的方法，用于从 RGB 图像恢复机器人关节角度
提出了一种利用单个 RGB 图像来检索机器人手臂的关节角度的新方法，该方法基于运动规划和控制算法所需的准确联合角度数据的收集，将机器人运动与物理空间中的距离几何表示联系起来，利用机器人的运动学模型训练一个浅层神经网络来预测结构关键点间的距离 - 机器学习与基于采样的运动规划集成调查
本文综述了如何利用机器学习提高基于采样的运动规划器（SBMPs）的计算效率和适用性，包括提高节点采样、碰撞检测、局部规划等关键组件的学习方法，以及如何利用机器学习构建完整的 SBMP 结构，并提供了方法的优缺点以及未来的研究方向。
- 机器人基础：表示，旋转和速度
本文介绍了经典机器人学中的一些关键主题，包括机器人表示法、旋转运动、坐标变换和速度变换，并强调这些主题对于现代机器人学中最新智能控制算法的重要性。
- 基于环境感知的互动运动原语在杂乱环境中用于物体抓取
提出了一种基于约束的多目标优化框架（OptI-ProMP）和基于局部优化的 CHOMP 规划器相结合的方法，用于解决在 3D 杂乱环境中通过多关节数学模型的机器人达到目标物体的问题，并与文献中的 ProMP 规划器进行比较，结果显示 7 个 - 使用 GNN 和时间编码进行基于学习的动态环境运动规划
本文介绍了一种基于 GNN 的方法，利用时间编码和模仿学习与数据聚合来学习嵌入和边缘优先策略，以显着加速在线规划。
- 城市驾驶的基于模型的模仿学习
使用基于模型的模仿学习方法来提高自主驾驶的动作规划，该方法利用 3D 几何形状作为归纳偏差并从专家演示高分辨率视频中直接学习高度紧凑的潜在空间。该模型被训练于城市驾驶数据的离线语料库中，是首个在城市驾驶环境中只使用相机模拟出静态场景、动态场