面向非结构化环境的地形感知动力学在线适应规划

在偏远、非结构化环境中运行的自主移动机器人必须适应操作期间可以快速变化的新型、不可预测地形。在此类情景下，一个关键挑战是估计机器人在变化地形上的动力学，以实现可靠、准确的导航和规划。我们提出了一种 novel 在线适应方法，用于基于地形的动力学建模和规划，采用函数编码器。我们的 approach 在有限的在线数据下即可高效适应新地形，无需重新训练或微调。通过学习一组覆盖多样化地形下机器人动力学的神经网络基函数，我们实现了对新型、未见过的地形和环境的快速在线适应，仅需进行简单的最小二乘计算。我们在基于 Unity 的机器人模拟器中演示了该方法用于地形适应，证明下游控制器因模型学习准确性而表现更好。这导致在 cluttered 环境中导航时与神经 ODE baseline 相比，碰撞次数更少。