基于B样条空间的样本高效扩散规划器：用于稳健局部导航的SanD-Planner
机器人学
2026-02-03 v1
摘要
生成可靠的局部计划长期以来阻碍着高度杂乱和动态环境中的实际应用。关键的基本瓶颈包括在不同场景中获取大规模专家演示以及如何在有限数据下提高学习效率。本文提出了SanD-Planner，一种基于B样条空间的样本高效扩散式局部规划器，进行基于深度图的模仿学习。通过在该紧凑空间内运作，所提出的算法本质上产生光滑的输出，并在局部支撑范围内自然地具有有界的预测误差，天然符合滚动时域执行。进一步集成了基于ESDF的安全检查器，包含显式的间隙和完成时间指标，进一步减轻了针对可行性评估进行价值函数学习所需的训练负担。实验表明，仅使用500个剧集(仅为基线所用演示规模的0.25%)进行训练，SanD-Planner在评估的开放基准测试中实现了最先进的性能，在模拟杂乱环境中达到90.1%的成功率，在室内仿真中达到72.0%的成功率。性能进一步通过在2D和3D场景中实现零样本迁移到真实实验中得到证明。该数据集和预训练模型也将公开源码。
引用
@article{arxiv.2602.00923,
title = {SanD-Planner: Sample-Efficient Diffusion Planner in B-Spline Space for Robust Local Navigation},
author = {Jincheng Wang and Lingfan Bao and Tong Yang and Diego Martinez Plasencia and Jianhao Jiao and Dimitrios Kanoulas},
journal= {arXiv preprint arXiv:2602.00923},
year = {2026}
}
备注
Under review. 11 pages