RCSP：面向安全动态机器人导航的风险敏感假设情景规划
天体物理仪器与方法
2026-05-27 v1
摘要
移动机器人可以在碰撞前就会失败：当前安全的速度可能使机器人承诺去一个不久将被移动障碍物关闭的通道。我们研究了这一预测近失效承诺问题，提出了风险敏感假设情景规划（Risk-Sensitive Conjectural Scenario Planning, RCSP），该规划层评估候选命令与可预测短期障碍未来的交互。RCSP 维护对局部运动假设的轻量级信念，抽样未来交互，惩罚高风险尾部，并通过局部安全检查执行。在受控的 MuJoCo 瓶颈任务中，RCSP 规划器在不发生碰撞的情况下到达目标，secondary safety 和 path-quality 点估计高于非自适应预测器，且额外延迟。在 ROS2/Gazebo 中，将局部安全层添加到标准 Nav2 堆栈中，可减少动态近失效失败。在官方 DynaBARN/Jackal 迁移上，调谐的 DWA 和 TEB 在严格基准成功方面仍然更强，揭示了该方法的边界。这些仿真结果将 RCSP 定位为一种预测风险模块，用于补充动态瓶颈 regime 中的现有导航堆栈。
引用
@article{arxiv.2605.26347,
title = {A distributed resource-adaptive implementation of the widefield radio-interferometric measurement model for scalable image formation},
author = {Arwa Dabbech and Yves Wiaux},
journal= {arXiv preprint arXiv:2605.26347},
year = {2026}
}
备注
Submitted to ApJS