Visual-RRT：通过可微分渲染寻找面向视觉目标的路径
信息检索
2026-04-21 v1 人工智能
数字图书馆
摘要
快速探索随机树 (RRT) 因其鲁棒性和理论保证而广泛用于机器人运动规划。然而，现有 RRT 规划器要求明确指定以数值关节角为单位的目标配置，而许多实际场景提供的目标是通过视觉观察（如图像或演示视频）指定的，且无法获得精确的目标配置。本文提出 visual-RRT (vRRT)，一种使运动规划器能够实现视觉目标规划的框架，通过将可微分机器人渲染的梯度驱动 exploitation 与 RRT 的采样式 exploration 融合。我们进一步引入 (i) 基于局部的 exploration-exploitation 策略，以自适应优先排序视觉上有前景的搜索区域，以及 (ii) 惯性梯度树扩展技术，继承跨树分支的优化状态以实现动量一致的梯度利用。广泛实验表明，vRRT 在包括 Franka、UR5e 和 Fetch 在内的各种机器人机械臂上，在模拟和真实环境中均能实现有效的视觉目标规划，弥合了采样式规划与视觉导向机器人应用之间的差距。我们的代码已在 https://sgvr.kaist.ac.kr/Visual-RRT 上发布。
引用
@article{arxiv.2604.16387,
title = {Large language models for post-publication research evaluation: Evidence from expert recommendations and citation indicators},
author = {Mengjia Wu and Yi Zhang and Robin Haunschild and Lutz Bornmann},
journal= {arXiv preprint arXiv:2604.16387},
year = {2026}
}