LEARNING开放获取
通过保持连通性的区域提议网络加速机器人路径规划
Zhanzheng Ma, Cancan Zhao, Shuai Zhang, Bo Ouyang
2026
摘要
本文提出了一种保持连通性的区域提议网络(CP-RPN),通过分割模型预测紧凑且拓扑连通的候选区域,显著压缩搜索空间。该方法结合变形注意力变换器和复合损失函数,确保全局连通性,并利用Voronoi图和局部A*回退机制实现鲁棒路径规划。
关键词
path planningconnectivity-preservingregion proposalsegmentationtopological continuity
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