面向风险厌恶的主动下一最佳视角优化
机器人学
2025-10-09 v1 计算机视觉与模式识别
摘要
安全地导航不确定环境需要将风险厌恶与主动感知相结合的规划方法。本文提出了统一框架，通过构建基于在线更新的 3D 高斯溅 Radiance Field 的平均值风险 VaR 统计量的尾部敏感风险图, 实现对粗糙参考路径的细化。这些图表使得生成局部安全可行轨迹成为可能。并行地, 我们将下一最佳视角 (NBV) 选择建模为 SE(3) 位姿流形上的优化问题, 通过黎曼梯度下降最大化期望信息增益目标以减少对即将发生运动最关键不确定性的降低。我们的 метод在将风险厌恶路径细化与 NBV 规划耦合方面推动了所谓的最先进技术, 同时引入了支持在复杂环境中高效在线更新的可扩展梯度分解。我们通过广泛的计算研究展示了所提框架的有效性。
引用
@article{arxiv.2510.06481,
title = {Active Next-Best-View Optimization for Risk-Averse Path Planning},
author = {Amirhossein Mollaei Khass and Guangyi Liu and Vivek Pandey and Wen Jiang and Boshu Lei and Kostas Daniilidis and Nader Motee},
journal= {arXiv preprint arXiv:2510.06481},
year = {2025}
}