基于物理信息的时间差度量学习用于机器人运动规划

运动规划问题涉及从机器人的初始配置找到无碰撞路径到达目标配置。最近涌现出自监督学习方法以无需昂贵专家演示来解决运动规划问题。它们求解Eikonal方程以训练神经网络，导致高效解决方案。然而，这些方法在复杂环境中难题，因为它们未能维持Eikonal方程的关键性质，如最优值函数和测地距离。为克服这些限制，我们提出一种新颖的自监督时序差度量学习方法，更准确地求解Eikonal方程，并增强在解决复杂和未见规划任务方面的性能。我们的方法通过对有限区域强制执行Bellman最优性原理，使用时序差学习以避免虚假局部最小化，并结合度量学习以保留Eikonal方程的基本测地性质。我们展示了该方法在处理复杂环境和泛化到未见环境方面，显著优于现有的自监督学习方法，机器人配置范围从2到12自由度(DOF)。