- 自动驾驶端到端的轨迹引导控制预测:一个简单但强大的基准线
本文提出了一个结合轨迹规划和直接控制预测的综合方法,在 CARLA 模拟器中评估了该方法,并通过较大边际击败了其他复杂候选方法,排名第一。
- 戴森环之友会:ACT&Friends 在 GTOC 11 中的结果和方法
本文所描述的是在 GTOC 11 挑战赛中,ACT&Friends 团队利用机器学习、组合优化、计划与调度以及进化优化等技术,开发了一种全自动管道,用于构建一个先导型 Dyson 结构,并综述了该解决方案的具体步骤及其实现效果,其中,该结构 - AAAI深度动作基元:面向乳腺癌检查机器人的研究
本文提出了基于深度运动原理的操作路径 / 轨迹规划的新方法,成功地生成了机械臂的运动,以到达乳房幻影并进行触诊,表明我们的方法优于现有方法。
- 基于博弈论的主动感知安全自动驾驶系统
本论文提出一种新的分析方法,通过零和动态博弈模型解决自动驾驶车辆在遮挡视野的情况下和其他参与交通的实体交互的安全问题,并在开放源码 CARLA 模拟器上表明该框架在城市和高速公路驾驶场景下的有效性。
- MM基于参考曲线动态曲率的高效稳健轨迹规划生成方法
研究了经典轨迹规划方法中存在的问题,并提出一种新的高效轨迹生成方法,使用笛卡尔坐标系到弗雷内坐标系的新转换。在模拟街道场景中得到了有效性的实验结果。
- MM基于深度强化学习的 无人机无线数据采集路径规划
该论文提出一种新的端到端强化学习方法来规划机载无人机收集物联网中的分布式传感器节点的数据,以实现对下一代通信网络的支持。通过训练一个双重深度 Q 网络来实现对不同情况参数的泛化控制,从而使代理可以根据平衡数据收集目标和飞行时间效率的安全约束 - AlphaPilot:自主无人机竞速
本文提出了一个新颖的自主、基于视觉的无人机竞速系统,结合学习的数据抽象、非线性滤波和最优时间轨迹规划,该系统已成功在 2019 年 AlphaPilot 挑战赛中部署。与传统的无人机竞赛系统不同,该方法利用任何可见的门并利用多个同时检测到的 - 将最优控制与学习相结合,用于新颖环境的视觉导航
通过将模型驱动控制与基于学习的感知相结合,本研究提出了一种适用于未知场景下机器人导航的方法,实验结果表明,相比于几何映射和终端学习方法,该方法在处理复杂环境下的目标到达更加可靠和高效。本方法不依赖于对环境的详细、明确的 3D 地图,适用于低 - 自主车辆的分层博弈规划
本文提出了一种用于自动驾驶的新型博弈理论轨迹规划算法,通过将动态游戏分解为漫长的 “战略” 游戏和短期的 “战术” 游戏,在保证实时性的同时,能够量化自动车辆和人类司机影响彼此的能力和激励,实现更加丰富、安全和有效的自主驾驶行为,并且不依赖 - ICML使用虚拟速度限制和神经网络调度为自动驾驶汽车编码运动原语
本文提出了一种在基于模型和无梯度强化学习的神经网络中对运动原语进行高效编码的方法,并区分了 5 个核心方面:系统模型、网络架构、训练算法、训练任务选择和硬件 / 软件实现,通过实验展示了这种方法的效果。
- ICML规范化基础设施下的多机器人路径规划:优先规划 vs 优先等待调整(初步结果)
本文我们提出了一种新颖的算法,用于将由机器人自我中心地规划的路径转化为无碰撞轨迹,并对其进行了实证评估。该算法比现有技术更快,但代价是解决方案成本的显着下降。
- 路口转移型行人运动预测模型
研究自动驾驶汽车在交叉口附近准确预测行人运动的能力,提出了基于逆强化学习的可转移行人运动预测算法,并且通过实验表明,该算法在传输任务中的精度提高了 16%。
- 管状道路段自动驾驶车辆轨迹规划
本文提出了一种基于线性规划的自动车辆轨迹规划方法,结合了避障、达到路径点的时间调度和管状道路段的时间最优遍历。
- ICCV无人机三维扫描的子模型轨迹优化
该论文介绍了一种利用数学模型自动生成无人机飞行轨迹,全面准确地扫描物体表面,从而生成高保真的 3D 模型。作者使用了覆盖度等数学原理,进行路径规划,可以自动权衡机器人特性和覆盖度,有效避免撞墙等情况。
- 多移动机器人轨迹协调的优先级规划算法
本文介绍了一种改进版的优先规划算法及其分散式异步版本,这两种算法可以通过外部环境传感器以及在遇到优先级冲突时进行重新规划的方法实现无碰撞的多机器人路径规划,试验证明与经典的优先规划算法相比,在多种情况下能够更快速地找到机器人阵列的联合路径。