ProTerrain：面向粗糙地形世界建模的概率物理感知方法
机器人学
2025-10-23 v1
摘要
不确定性感知的机器人运动预测对于下游的可遍历性估计和不规则、离野外环境中安全的自主导航至关重要，其中地形具有异质性且感知不确定性较高。大多数现有方法假设确定性或空间上独立的地形不确定性，忽略了 3D 空间数据中固有的局部相关性，往往产生不可靠的预测。本文引入一种高效的概率框架，显式建模地形参数上的空间相关 aleatoric 不确定性作为概率世界模型，并通过可微分物理引擎传递此不确定性以进行概率轨迹预测。利用结构化卷积算子，我们的方法在可接受的计算成本下提供了高分辨率的多变量预测。实验评估在公开数据集上显示，与 aleatoric 不确定性估计基线方法相比，显著改进了不确定性估计和轨迹预测准确度。
引用
@article{arxiv.2510.19364,
title = {ProTerrain: Probabilistic Physics-Informed Rough Terrain World Modeling},
author = {Golnaz Raja and Ruslan Agishev and Miloš Prágr and Joni Pajarinen and Karel Zimmermann and Arun Kumar Singh and Reza Ghabcheloo},
journal= {arXiv preprint arXiv:2510.19364},
year = {2025}
}
备注
This paper is submitted to IEEE International Conference on Robotics and Automation (ICRA) 2026