- 视觉预测作为避让的中层表示
该研究介绍了一种创新的可视化预测方法，通过引入直观的视觉线索，将动态物体的未来轨迹投影出来，以改善智能体的感知能力并实现预测性行动，验证了该方法在动态环境中的可行性和有效性。
- 基于强化学习的建筑材料供应策略 —— 地震后建筑重建中使用机器人起重机和计算机视觉
本文提出采用具有先进 AI 算法的机器人起重机，在地震后提供基础设施重建所需的资源，并通过强化学习算法中的近端策略优化（PPO）进行三维提升路径规划，设计了详细的状态和奖励函数进行模型训练，结果显示在考虑障碍物的训练模型下，机器人起重机能够 - 深度强化学习中动态间隔限制的行动空间用于避障
本篇论文研究了在动态障碍物路径规划中存在的区间限制问题，提出了两种方法，分别扩展了参数化强化学习和 ConstraintNet 以处理任意数量的区间，结果表明，在无限制约束的情况下，动作值的离散掩码是唯一有效的方法，在学习到约束时，则需要根 - FEDORA: 活动飞行数据集用于反应行为
该研究介绍了使用事件驱动硬件在资源受限环境下实现复杂视觉任务的方法，提出了 FEDORA 数据集作为第一个提供深度、姿态、自我运动和光学流数据的全合成数据集，可以用于自主导航和障碍物规避的多个相关任务。
- 基于人 - 强化学习回路的 UAV 障碍物避让在任意三维环境中
本篇论文探讨了基于深度强化学习方法的无人机在大规模 3D 复杂环境下的连续控制，以达到任何目标点并在飞行中自动避开障碍物，结果表明该方法可以在城市、农村和森林场景中成功降低训练收敛时间并提高导航任务的效率和准确性。
- 水下环境实时稠密三维映射
本文提出了一种针对自主水下载具 (AUV) 的实时稠密三维重建方法，该方法使用了一个鲁棒的 VIO 方法 SVIn2 和一个实时三维重建管道。该管道在四个具有挑战性的水下数据集上获得了可比拟 COLMAP 的重建结果，并在单 CPU 上获得 - 用于地面移动机器人低维感知无地图导航的双深度强化学习技术
本文研究了如何使用深度强化学习和双重深度 Q 神经网络算法来优化无地图导航中移动机器人的导航和避障任务，并证明使用双重深度 Q 结构比简单 Q 结构更有效。
- 基于强化学习的空中交通冲突解除
本文使用强化学习算法，最小化无人机避障中的水平分离问题，将避障策略转化为一组航迹点，以满足安全需求，并在高保真模拟和实际飞行演示中进行了评估。
- 向动物导盲犬级别引导工作迈进： 导盲犬机器人的系统配置和导航
为了开发一款对于盲人或视觉受损人士真正有益的机器导盲系统，我们进行了定性研究，并考虑了导盲犬处理者和导盲犬作为导航团队的因素，建立了具有首选特性（例如速度和方向控制）的机器导盲犬的合作室内导航方案。我们通过在室内环境中测试盲人模拟行走，并展 - 使用信息准则实现自主水面车巡逻监测大型水资源的被审查深度强化学习
本论文提出一种使用水质传感器装备的自主水面船只的深度 Q-Learning 算法框架，解决它在静态和动态环境下的监控任务中的障碍物避免以及路径规划问题，结合信息增益来衡量不确定性，模拟实验表明噪声网络是增强探测的良好选择，该框架成功应用于自 - 通过深度流形学习的统一控制框架，在避开移动障碍的同时拦截飞行目标
本文提出了一种应用机器人路径规划中的深度流形学习以实现机器人抓取多个运动目标和同时回避多个动态或静态的障碍物的算法框架。通过使用扩散图生成摆脱障碍物所需的移动指令，同时跟踪快速移动的目标。实验结果表明，该方法可以在控制机器人臂的各种操作中取 - 用 RGB-D 相机实时跟踪和映射动态障碍物的无人机导航和避碰系统
提出了一种基于 RGB-D 相机的实时动态障碍物跟踪和建图系统，该系统使用 “占用格子图” 生成动态障碍物区域，应用卡尔曼滤波和连续滤波来跟踪每个动态障碍物，并提出了一种基于 Markov 链的环境感知轨迹预测方法。实验结果表明，该方法可以 - 自主无人机导航的强化学习应用：系统综述
该研究探讨了使用强化学习算法解决无人机导航问题，讨论了不同环境下的算法特性和选择，并提出未来的研究方向。
- 带拓扑流形学习的全身反应避障技术，实现无碰撞人机交互
通过整体障碍物避难方法结合拓扑流形学习和深度学习的方法，实现了协同机器人在动态约束环境下保障人机冲突自动化避免的方法。
- 学习的李群上的反应式运动生成
本文从 Riemann 流形的角度研究了机器人运动学习范式，并探讨了通过人类示范学习获得 Riemann 流形以及通过利用考虑障碍物的周围度量重新塑造学习的流形来促进末端点 / 多肢体避障的技术。通过 7 自由度机器人操作机械臂展示了学习和 - 基于视觉端到端自动驾驶的可微控制屏障函数
本文介绍了一种基于感知的学习系统的安全保障框架，该系统采用可微控制屏障函数，与常规神经网络结构组合使用，可在有限训练数据下实现优异的测试性能，在自动驾驶情境下保障安全，包括实现车道保持和避障等功能，并在模拟和真实无人车上进行了测试。
- 基于深度 Q 学习的自主仓库机器人
提出采用深度强化学习和传统的 Q-learning 方法来解决仓库机器人导航，避障和产品摆放等问题，包括针对单机器人，多机器人的情况，成功在二维仿真环境中测试了模型的性能。
- CADRE: 一种基于层叠深度强化学习的视觉无人驾驶框架
本文提出了一个使用深度强化学习和计算机视觉技术实现无模型的自主城市驾驶的新方法，该方法使用 Co-attention Perception Module（CoPM）从预先收集的数据集中学习视觉和控制信息之间的相互关系，并使用特别设计的奖励函 - 野外协同空中摄像头三维人体重建
本文提供了一个在室外环境中操作的用于多摄像头飞行器控制的实时航拍系统，可以在不使用专用标记的情况下重建自然环境中的人体动态，使用多机器人协调方案维护目标重建质量的最优飞行编队，该系统在仿真和现实中的性能表现得到验证。
- CodeMapping: 使用紧凑场景表示进行稀疏 SLAM 的实时稠密映射
本篇文章提出了一种用于稀疏视觉 SLAM 系统的新型稠密建图框架，它基于一种紧凑的场景表示方式，可以用于机器人和增强现实等应用领域。该框架使用了变分自编码器，通过多视角优化可以改善重叠帧的一致性，对于任意度量的稀疏 SLAM 系统进行无缝集