神经 MP：通用神经运动规划器

当前的运动规划范式为每个新问题从头生成解决方案，这会消耗大量时间和计算资源。对于复杂且充满杂乱的场景，运动规划方法通常需要数分钟才能生成解答，而人类能够在数秒内通过利用既有经验准确安全地到达任何目标。我们通过对大规模数据驱动学习来实现同样的目标。我们的做法是在仿真中构建大量复杂场景，收集运动规划器的专家数据，然后将其蒸馏为一种反应式通用策略。随后我们将其与轻量级优化相结合，以获得实际部署的安全路径。我们在四个多样化环境中，对 64 个运动规划任务进行了全面评估，随机化姿态、场景和障碍物。实际测试结果表明，我们的方法在基于抽样、优化和基于学习的规划方法上分别实现了 23%、17% 和 79% 的运动规划成功率提升。视频结果可在 mihdalal.github.io/neuralmotionplanner 查看。