NeuralSVCD：用于高效扫掠体积碰撞检测的神经网络方法
机器人学
2025-09-03 v1 人工智能
机器学习
摘要
在非结构化环境中，机器人操作需要高效可靠的扫掠体积碰撞检测 (SVCD) 以实现安全运动规划。传统离散方法可能在这些点之间漏检碰撞，而 SVCD 则持续检查整个轨迹上的碰撞。现有 SVCD 方法通常在效率和精度之间存在权衡，限制了实际应用。在本文中，我们引入 NeuralSVCD，一种 novel neural encoder-decoder architecture 以克服这种权衡。我们的做法通过分布式几何表示和时序优化，利用形状局部性和时序局部性。这增强了计算效率而不牺牲精度。全面实验表明，NeuralSVCD 在碰撞检测精度和计算效率方面 consistently 优于现有最先进的 SVCD 方法，展示了其在多样化机器人操作场景中的稳健适用性。代码和视频可在 https://neuralsvcd.github.io/ 获取。
引用
@article{arxiv.2509.00499,
title = {NeuralSVCD for Efficient Swept Volume Collision Detection},
author = {Dongwon Son and Hojin Jung and Beomjoon Kim},
journal= {arXiv preprint arXiv:2509.00499},
year = {2025}
}
备注
CoRL 2025