可实现梯度下降优化的可微往返式路径

本文提出了一种用于凸多边形中往返式（boustrophedon）路径规划优化的可微表示，探讨了这些路径规划中可被优化的额外参数，讨论了该表示在优化过程中可利用的性质，并指出先前发表的此类路径规划优化尝试过于粗糙而无实际用途。实验表明，该可微表示能高保真地复现传统离散表示的往返式路径规划得分。最后，我们尝试通过梯度下降进行优化，但发现其失败，因为搜索空间的非凸程度远超文献先前所考虑。往返式路径规划应用广泛，意味着本工作有望提升机器人众多领域的路径规划效率，包括使用无人机系统的建图与搜索任务、使用无人海洋航行器的环境采样任务，以及使用地面车辆的农业任务等大量其他应用。