面向自主泊车的神经运动规划
机器人学
2021-11-17 v2 机器学习
摘要
本文提出一种将深度生成网络与传统运动规划方法相结合的混合运动规划策略。A* 和 Hybrid A* 等现有规划方法因能在复杂环境中确定可行路径而被广泛用于路径规划任务，但在效率方面存在局限。为克服这些局限，本文引入一种基于神经网络的路径规划算法，即神经 Hybrid A*。本文提出使用条件变分自编码器（CVAE），利用其在给定泊车环境信息下学习规划空间信息的能力来引导搜索算法。基于从演示中学习到的可行轨迹分布，采用非均匀扩展策略。所提方法有效学习了给定状态的表示，并在算法性能上显示出提升。
引用
@article{arxiv.2111.06739,
title = {Neural Motion Planning for Autonomous Parking},
author = {Dongchan Kim and Kunsoo Huh},
journal= {arXiv preprint arXiv:2111.06739},
year = {2021}
}
备注
8 pages, 11 figures