robot motion planning | BriefGPT

关键词robot motion planning

搜索结果 - 10

强化学习路径规划：在 RoboCup 小型联赛环境下的最优机器人运动规划
研究了强化学习 (RL) 在动态 RoboCup 小型联赛 (SSL) 中解决机器人运动规划挑战的潜力。通过启发式控制方法，评估了 RL 在无障碍和单障碍路径规划环境中的有效性。消融研究揭示了显著的性能改进。相比基准算法，我们的方法在无障碍
PDF2 months ago
将消歧和用户偏好融入大型语言模型中的机器人运动规划
该研究论文介绍了一个框架，可以解释人类包含时间元素的导航指令，并直接将其自然语言指令转化为机器人的运动规划。
PDF2 months ago
引导式运动规划框架
随机抽样、机器人运动规划、引导空间、信息论方法、混合算法
PDF3 months ago
零 - shot 泛化的机器人运动规划的联邦强化学习
本文提出了一个零样本泛化的机器人运动规划学习控制策略的问题，在新环境中部署学习策略时不需要数据收集和策略调整；开发了一个联邦强化学习框架，可以实现多个学习者和中央服务器（云）协作学习，而无需共享原始数据；在每次迭代中，每个学习者上传本地控制
PDF3 months ago
一致决策理论：从不完美预测中获得安全的自主决策
引入了一种叫做 “符合性决策理论” 的框架，用于在机器学习预测存在不完美的情况下生成安全的自主决策，无需对世界模型做任何假设，从而得到具有低风险的可靠决策。
PDF9 months ago
LEA*: 机器人运动规划的改进边缘效率 A * 变种算法
本研究提出了一种新的图搜索算法，即基于惰性边的 A*（LEA*），用于机器人运动规划，通过使用边队列和利用惰性搜索的思想，LEA * 在顶点上有效地与 A * 类似，并且相对于 A * 来说边的效率有所提高。LEA * 实现简单且易于操作，
PDF9 months ago
运动规划扩散：使用扩散模型学习和规划机器人动作
学习轨迹分布的先验信息可以帮助加速机器人运动规划优化，本工作提出了学习扩散模型作为先验信息的方法，并通过扩散模型的逆去噪过程在任务目标条件下直接从后验轨迹分布中进行采样，实验证明扩散模型是编码高维机器人运动轨迹分布的强先验。
PDFa year ago
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
PDFa year ago
评估引导空间用于运动规划
本文提出了运动规划指导空间的概念，并使用信息理论方法评估引导式规划，为多种机器人动作规划算法的研究提供了新的应用框架。
PDF2 years ago
使用收缩度量学习认证控制
本文提出了一种基于神经网络的学习框架，利用控制收缩度量的先进理论来设计证明控制策略，使机器人在任何初始状态和有界干扰下都能按预定轨迹移动，实现安全的运动规划，并验证了其收敛性和误差保证。实验表明，该方法可以处理更广泛的系统，具有更少的跟踪误
PDF4 years ago