基于隐式模型的检查规划原语
机器人学
2025-12-25 v1 人工智能
摘要
基础设施的老化与日益复杂，使得高效的检查规划对于确保安全更为关键。得益于基于抽样的运动规划，许多检查规划器能够快速运行。然而，这些方法往往需要巨大的内存资源。当被检查的结构由许多不同几何形状和尺寸的梁柱组成时，这一点尤为明显。此类结构可使用隐式模型（如神经符号距离函数(SDF)）进行高效表示。然而，大多数用于抽样式检查规划器的基本计算都旨在与显式环境模型高效工作，这反过来要求规划器使用显式环境模型或在规划过程中频繁地在隐式和显式环境模型之间进行转换。本文提出了一套名为"基于隐式模型的检查规划原语"(IPIM)的原始计算方法，使抽样式检查规划器能够在规划过程中完全采用神经SDF表示。对三个场景的评估表明，即使是最基础的抽样式规划器配合IPIM，也能够生成与最先进检查规划器相似质量的检查轨迹，同时比最先进的检查规划器使用最多可达70倍的内存。
引用
@article{arxiv.2510.07611,
title = {Inspection Planning Primitives with Implicit Models},
author = {Jingyang You and Hanna Kurniawati and Lashika Medagoda},
journal= {arXiv preprint arXiv:2510.07611},
year = {2025}
}