LEARNING
未知扰动下可证明安全的运动规划
Ibon Gracia, Qi Heng Ho, Luca Laurenti, Morteza Lahijanian
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种在未知随机扰动下可证明安全的采样运动规划算法，通过数据学习Wasserstein模糊管来建模状态分布轨迹，并利用该模糊管在概率完备的算法中生成满足约束的运动规划树。该方法通过学习多个低维模糊管降低保守性，并设计了基于bandit的有效性检查器提升性能。
关键词
motion planningsafetydisturbancesampling-basedambiguity tube
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018