- SOMTP：基于自监督学习的机器人基于 MPC 的安全轨迹规划问题的优化器
基于自主学习优化器的控制屏障函数模型预测控制轨迹规划算法，通过问题转录和可微的解空间修正，以及引入增广拉格朗日方法的训练算法，实现了更好的可行性和更快速的求解速度。
- 加速个性化自动换道进化通过课程学习
个性化驾驶辅助系统的在线进化能力是确保用户偏好匹配必不可少的。本文提出了一种以驾驶员接管干预为基础的课程学习方法，通过利用在线的接管数据生成驾驶区域，采用高斯判别分析确保被感知的安全性，通过学徒学习实时对轨迹规划回报进行纠正，利用模型预测控 - 航空网络轨迹和无线资源的非迭代优化
我们提出了一个共同的轨迹规划、用户关联、资源分配和功率控制问题，以在空中物联网中最大程度地实现比例公平，考虑实际的端到端的服务质量和通信计划。我们将该问题转化为马尔科夫决策过程（MDP），设计了一个非迭代的框架，合作优化轨迹和无线电资源。该 - 安全导航的物体关键性
配置和部署能够成功提取对象相关性知识的对象检测器，并利用这些知识来改善轨迹规划任务。在给定物体检测器的情况下，基于对象的相关性和传统的置信度阈值进行过滤，可以减少错过相关对象的风险，降低危险轨迹的可能性，并总体上提高轨迹的质量。
- S4TP：自主驾驶车辆的社交适宜和安全敏感轨迹规划
为了实现安全的自主驾驶，本文提出了一种社交适宜和安全敏感的轨迹规划框架，通过整合社交感知轨迹预测和驾驶风险评估模块，实现对自动驾驶车辆和人工驾驶车辆之间的交互风险的有效评估和规划优化，提高规划轨迹的安全性和解释性。
- 自主驾驶中基于归一化流的模型预测轨迹规划的采样
该研究探讨了基于采样的轨迹规划方法以及使用正则化流模型的采样分布生成，旨在提高自主驾驶中的路径生成效率。
- 人工智能与人类智能在灾害响应规划中的协同
通过提出受到二元过程理论（DPT）启发的基于注意力机制的认知架构，结合快速启发式（类似人类）反应和机器智能的优化规划能力，我们展示了如何通过评估其在多个不同属性上的表现，动态决定二者的参与度以优化任务目标，并在动态环境中的轨迹规划中验证了该 - 基于运动变压器的轨迹预测的迁移学习研究
基于变压器模型的模拟研究进行了转移学习技术的研究，旨在为在现实世界中实现有效的转移提供性能与计算时间之间可能的权衡的见解。
- 双编码器多目标轨迹规划
我们提出了一种双编码器基于转换器模型的两阶段方法，以加速时间 - 抖动最优轨迹规划。通过顺序二次规划对初步轨迹进行改进，以提高其最优性和鲁棒性。与现有方法相比，我们的方法在减少轨迹规划时间方面超过了最先进方法 79.72％，并且优化目标函数 - 自动驾驶的开创性 SE (2) 等变轨迹规划
我们提出了一种轻量级的等变规划模型，它在生成所有车辆的多模态联合预测并选择一个模态作为自主计划时，结合了运动预测和轨迹规划。通过嵌入车辆位置并在潜在空间中沿着高级路线指导自主车辆，我们的方法提供了具有目标导向行为的等变规划，同时在保持等变性 - 基于强化学习的货物无人机航迹规划和小区分配 最小化切换、断开和能量消耗
无人机物流配送中通过联合无人机轨迹规划和小区关联，利用强化学习最小化能耗、减少切换次数、保证通信连接，以提高性能表现。
- 使用 Transformer 的 UAV 辅助物联网网络中的 AoI 最小化数据采集的 UAV 轨迹规划
通过考虑信息时代，本文研究了一种用于辅助集群式物联网网络的无人机（UAV）的轨迹规划问题，构建了一个优化问题，通过无人机从地面物联网网络中收集的数据的总信息时代的最小化来解决问题。利用状态良好的转换器和加权 A * 算法，设计了一种机器学习 - 未知环境下的学习初始化轨迹规划
通过神经网络规划器引导非凸优化，自主飞行在未知环境中进行精确的航迹规划，并通过鲁棒的在线重规划支持实现容忍计划延迟的无人机导航。
- 基于向量表示的离散和连续域在线目标识别
本研究基于传统调用规划器和简化运动模型，提出了一种高效的在线目标识别方法，可在离散和连续领域内使用，适用于需要亚秒级识别的机器人应用。
- 基于模型辅助的联邦强化学习在物联网多无人机轨迹规划中的应用
本文提出了一种新的基于模型的联邦多智能体强化学习算法，用于协调多个无人机在数据收集任务中，以解决传统多智能体强化学习算法需要大量真实训练数据的问题，并在各个方面取得了良好的表现。
- 在不确定的非凸环境中进行凸危险边界连续时间轨迹规划和管道设计
本文提出了一个解决在非凸静态和动态环境下的不确定性轨迹规划问题的风险有界方法，可以处理所有已知的概率不确定性，非凸和非线性的静态和动态障碍，以及适用于在线轨迹规划问题，并提供了基于平方和优化的凸方法来高效地解决获得的非凸时间变优化问题并获得 - 基于分层模仿学习的城市驾驶可解释运动规划器
本文介绍了一种分层的模仿学习方法，包括一个高层次基于网格的行为规划器和一个低层次的轨迹规划器来增强神经网络的可靠性和稳定性。该方法可以被嵌入到基于规则的架构中，且在封闭回路仿真和实际驾驶测试中表现卓越，特别适用于复杂的城市自动驾驶场景。
- 无人机敏捷主动目标感知的强化学习
本文提出了一种基于深度强化学习的方法，用于规划信息轨迹以增加无人机 (UAV) 发现丢失目标的可能性，以此来解决搜索和救援任务中的活动目标探测问题。
- 移动机器人避障的安全实践强化学习
本文提出了一种结合现实强化学习、基于搜索的在线轨迹规划和自动紧急情况干预的高效碰撞避免系统，用于在室内实际环境下的移动机器人安全行驶。实验结果显示该方法比多种基线更优秀，可以实现更高的平均速度、更低的碰撞频率、更高的目标达成率、更小的计算开 - 自由悬浮双臂空间机械臂非合作目标运动规划学习系统
本文研究了在空间环境下，利用强化学习算法对浮动式双臂空间机械臂（FFDASM）进行轨迹规划，通过模块一实现目标空间内多目标轨迹规划，模块二则可以预测并追踪自旋的非配合目标物体上的目标点。实验结果表明了该学习系统的可扩展性和普适性。