LEARNING开放获取
面向空地协同交接任务的基于学习加速优化的轨迹规划
Jingshan Chen, Bochen Yu, Henrik Ebel, Peter Eberhard
2026
摘要
本文提出了一种学习增强的轨迹规划框架,用于无人机与无人车协同交接任务。通过解耦的编码器-解码器LSTM网络生成协调轨迹预测作为热启动,使集中式优化器收敛速度提升三倍以上,并实现100%优化成功率。
关键词
trajectory planningUAV-UGV cooperationlearning-augmented optimizationLSTMhandover missions
相关论文
LEARNING
开放获取📊 1 引用
面向学习与规划的并行可微可达性:具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛:基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于微调与AAS增强检索的LLM驱动自动化DFA评估
Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者
Robotics and Computer-Integrated Manufacturing · 2026