凸神经RRT*：用于高质量机器人路径规划的快速可靠学习引导采样

Hichem Cheriet, Badra Khellat Kihel, Samira Chouraqui, Bara J. Emran

2026

摘要

本文提出Convex-Neural RRT*算法，通过神经网络预测高质量路径附近的航点区域并提取凸候选区域，引导规划器在几何相关区域集中探索。实验表明，该方法相比神经引导变体计算时间减少30-75%，路径长度平均缩短约5%，成功率超过99%。

RRT*neural guidancepath planningsampling-basedconvex regions

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者

Robotics and Computer-Integrated Manufacturing · 2026