神经辐射场（NeRF）中的无采样障碍梯度与反应式规划
机器人学
2022-05-04 v1 计算机视觉与模式识别
摘要
本文研究神经隐式表示（特别是神经辐射场（NeRF））在几何查询与运动规划中的使用。我们表明，通过为预训练的 NeRF 增加推断某一半径内占据状态的能力，实际上是在学习对欧氏符号距离场（ESDF）的近似。利用增广网络的反向微分，我们获得障碍梯度，并将其集成到基于黎曼运动策略（RMP）框架的避障策略中。因此，我们的发现实现了在隐式表示中非常快速的无采样避障规划。
引用
@article{arxiv.2205.01389,
title = {Sampling-free obstacle gradients and reactive planning in Neural Radiance Fields (NeRF)},
author = {Michael Pantic and Cesar Cadena and Roland Siegwart and Lionel Ott},
journal= {arXiv preprint arXiv:2205.01389},
year = {2022}
}
备注
Accepted to the "Motion Planning with Implicit Neural Representations of Geometry" Workshop at ICRA 2022