基于学习导引与安全约束控制的层次化视觉导航
机器人学
2026-03-03 v1
摘要
视觉导航是移动机器人的核心能力，但端到端学习方法在面对未见障碍、密集环境或狭窄空间时常难以实现良好泛化和安全性。这些局限在密集室内环境中尤为突出，易发生碰撞，端到端模型常常失效。为此，我们提出SaferPath，一个层次化视觉导航框架，利用现有端到端模型学习到的导引信息，并通过安全约束优化-控制模块进行细化。SaferPath将视觉观测转换为可遍历区域图，通过模型预测斯特恩变分演化策略（MP-SVES）细化导引轨迹，仅需数次迭代即可生成安全轨迹。细化后的轨迹由 MPC 控制器跟随，确保在复杂环境中实现稳健导航。大量实验在未见障碍、密集非结构空间和狭窄走廊等场景中表明，SaferPath 在成功率和碰撞率方面均显著优于ViNT 和 NoMaD 等代表性基线，使其能够在挑战性真实环境中实现安全导航。
引用
@article{arxiv.2603.01898,
title = {SaferPath: Hierarchical Visual Navigation with Learned Guidance and Safety-Constrained Control},
author = {Lingjie Zhang and Zeyu Jiang and Changhao Chen},
journal= {arXiv preprint arXiv:2603.01898},
year = {2026}
}
备注
ICRA 2026