高效陆空双模机器人自主导航的两阶段轻量框架
机器人学
2025-07-31 v1
摘要
陆空双模机器人（LABR）因融合了航空装置的高机动性与地面装置的长续航能力而受到关注。然而，现有的LABR导航方法受限于基于制图的方法产生的次优轨迹，以及基于学习的方法的高计算需求。为此，我们提出一种两阶段轻量框架，集成全局关键点预测与局部轨迹细化，以生成高效且可达的轨迹。在第一阶段，使用全局关键点预测网络（GKPN）生成混合陆空关键点路径。GKPN包括用于改进障碍检测的Sobel感知网络（SPN）以及通过捕获上下文信息提升预测能力的轻量注意力规划网络（LAPN）。在第二阶段，基于预测的关键点对全局路径进行分段，并使用基于制图的规划器进行细化，以创建平滑且无碰撞的轨迹。在我们LABR平台上的实验表明，与现有方法相比，本框架减少了14%的网络参数，陆空转换期间的能耗降低35%。该框架无需GPU加速即可实现实时导航，并实现了从仿真到现实的零样本迁移。
引用
@article{arxiv.2507.22473,
title = {A Two-Stage Lightweight Framework for Efficient Land-Air Bimodal Robot Autonomous Navigation},
author = {Yongjie Li and Zhou Liu and Wenshuai Yu and Zhangji Lu and Chenyang Wang and Fei Yu and Qingquan Li},
journal= {arXiv preprint arXiv:2507.22473},
year = {2025}
}
备注
IROS2025