基于动态贝叶斯滤波的无人地面车辆在非结构化环境中的局部极小值预测
机器人学
2025-05-21 v1
摘要
路径规划是无人地面车辆导航的关键，但这些车辆在复杂现实环境中面临挑战。尽管全局视图可能被提供，但往往已过时，迫使无人地面车辆（UGV）依赖实时局部信息。这种对局部信息的依赖而不考虑全局上下文，可能导致UGV陷入局部极小值。本文提出一种方法，通过动态贝叶斯滤波主动预测局部极小值，基于检测到的局部障碍物和全局目标。该方法旨在通过使自主导航车辆在驶入局部极小值前预测潜在问题，从而增强其自主导航能力，使其能够请求人类帮助或重新规划备用轨迹。
引用
@article{arxiv.2505.14337,
title = {Local Minima Prediction using Dynamic Bayesian Filtering for UGV Navigation in Unstructured Environments},
author = {Seung Hun Lee and Wonse Jo and Lionel P. Robert and Dawn M. Tilbury},
journal= {arXiv preprint arXiv:2505.14337},
year = {2025}
}