基于欧几里得空间近似的实时目标识别
人工智能
2024-08-27 v2
摘要
尽管近期关于在线目标识别的研究在低可观测性下高效推断目标，但相对而言关注同时适用于离散与连续域的在线目标识别的工作较少。在线目标识别方法常依赖在每个新观测时重复调用规划器，带来高计算成本。在连续空间中快速可靠地在线识别目标对任何轨迹规划问题都至关重要，因为真实物理世界是快速运动的，例如机器人应用。我们开发了一种高效目标识别方法，在离散域中依赖对每个可能目标单次调用规划器，或在连续域中使用简化运动模型以降低计算负担。所得方法执行识别的在线部分比当前最优技术快数个数量级，使其成为首个可有效用于需要亚秒级识别的机器人应用的在线方法。
引用
@article{arxiv.2307.07876,
title = {Real-time goal recognition using approximations in Euclidean space},
author = {Douglas Tesch and Leonardo Rosa Amado and Felipe Meneguzzi},
journal= {arXiv preprint arXiv:2307.07876},
year = {2024}
}