首页 /研究 /分布式基于模型的扩散用于可扩展的多机器人轨迹优化
SWARM

分布式基于模型的扩散用于可扩展的多机器人轨迹优化

Haejoon Lee, Xinyi Wang, Taekyung Kim, Dimitra Panagou

发表年份
2026
访问权限
开放获取

摘要

本文提出了一种分布式基于模型的扩散(DMBD)框架,通过将逆向扩散过程分解为局部条件逆向扩散过程,解决了多机器人轨迹优化中的维数灾难和全局信息需求问题。实验表明,该方法在多种场景下实现了强可扩展性,有效处理了高度非凸、非线性和不可微的环境。

关键词

multi-robottrajectory optimizationmodel-based diffusiondistributed controlscalability

相关论文

查看 SWARM 分类全部论文