面向学习式全对运动规划的目标条件神经ODE——具有保证的安全性与稳定性
机器人学
2026-04-15 v2 系统与控制
系统与控制
摘要
本文提出了一种面向全对运动规划的学习式方法，其中初始状态和目标状态允许是安全集中的任意点。我们通过双Lipschitz微分同胚构建平滑的目标条件神经常微分方程（神经ODE）。理论结果表明，所提出的模型无论目标位置如何，都能提供全局指数稳定性和安全性（安全集前向不变性）的保证。此外，建立了收敛率、跟踪误差和向量场大小的显式界。该方法允许使用双Lipschitz神经网络进行可处理的学习实现，并可纳入演示数据。我们在2D走廊导航任务上展示了所提出方法的有效性。
引用
@article{arxiv.2604.02821,
title = {Goal-Conditioned Neural ODEs with Guaranteed Safety and Stability for Learning-Based All-Pairs Motion Planning},
author = {Dechuan Liu and Ruigang Wang and Ian R. Manchester},
journal= {arXiv preprint arXiv:2604.02821},
year = {2026}
}