C-3TO：基于神经欧几里得符号距离场的连续三维轨迹优化
机器人学
2025-09-25 v1
摘要
本文提出了一种用于拥挤环境中连续三维轨迹优化的新框架，利用在线神经欧几里得符号距离场（ESDF）。与先前依赖离散ESDF网格并进行插值的办法不同，我们的方法直接优化由五阶多项式表示的光滑轨迹，确保整个轨迹上都有精确的梯度信息。该框架集成了两阶段非线性优化管道，在效率、安全性和平滑性之间进行平衡。实验结果表明，C-3TO产生的碰撞感知且动态可行的轨迹。此外，其灵活的局部窗口大小和优化参数定义，使其能够在不牺牲性能的前提下轻松适应不同用户的需求。通过将连续轨迹参数化与持续更新的神经ESDF相结合，C-3TO为空中机器人中的安全且高效的局部重规划奠定了稳健且可泛化的基础。
引用
@article{arxiv.2509.20084,
title = {C-3TO: Continuous 3D Trajectory Optimization on Neural Euclidean Signed Distance Fields},
author = {Guillermo Gil and Jose Antonio Cobano and Luis Merino and Fernando Caballero},
journal= {arXiv preprint arXiv:2509.20084},
year = {2025}
}
备注
9 pages, 5 figures, submitted to ICRA 2026