SPADE：面向可操作多域 3D 场景图的可扩展路径规划架构
机器人学
2025-07-31 v2
摘要
本工作引入了 SPADE，这是一个为自主导航在动态环境中使用的基于 3D 场景图的路径规划框架。SPADE 将层次化路径规划与局部几何感知结合起来，以实现在动态场景中实现无碰撞运动。该框架将规划问题分为两个部分：(a) 求解稀疏抽象全局层次计划，以及 (b) 与局部几何场景导航同步，在更密集的下层局部层次上进行迭代路径细化。为确保在密集的多任务域场景图中高效提取可行路由，框架在路径规划前强制执行可遍历边的明确抽样。这一做法消除了与路径规划无关的冗余信息，并降低了整个规划复杂度。现有方法通过解耦层次化和几何路径评估过程来解决场景图上的路径规划问题。具体而言，这会导致在遇到阻塞原路由的路径阻塞时，对整个场景图进行低效的重新规划。相比之下，SPADE 优先进行局部层次规划，结合局部几何场景导航，使其能够在保持计算可遍历路由效率的同时，通过动态场景进行导航。我们通过大量仿真实验和实际部署于四足动物机器人，表明 SPADE 在处理复杂和动态情景方面具有有效性。
引用
@article{arxiv.2505.19098,
title = {SPADE: Towards Scalable Path Planning Architecture on Actionable Multi-Domain 3D Scene Graphs},
author = {Vignesh Kottayam Viswanathan and Akash Patel and Mario Alberto Valdes Saucedo and Sumeet Satpute and Christoforos Kanellakis and George Nikolakopoulos},
journal= {arXiv preprint arXiv:2505.19098},
year = {2025}
}
备注
Accepted to IROS 2025