arXiv · cs.RO· Mathai Mathew Pulicken, Laksh Nanwani, Basant Sharma, Phani Teja Singamaneni, Arun Kumar Singh, K. Madhava Krishna·· 1 天前精选AI 评分60
论文 / 摘要阅读
DRIP：面向群体导航的轨迹条件分布风险 LiDAR 规划框架
Don't Risk It!: Trajectory-Conditioned Distributional Risk for LiDAR-Only Crowd Navigation
AI 导读 · 根据来源整理
作者提出 Don't Risk It Planner（DRIP），一个仅依赖 LiDAR 的端到端规划框架，将占据预测与轨迹条件间隙及不确定性估计结合。DRIP 直接在 LiDAR 占据栅格历史上预测候选控制序列对应的最小机器人与障碍物间隙分布，并用碰撞结果标定预测不确定性的风险代价训练模型。在最多 45 名行人的闭环实验中，DRIP 相比现有基线取得更高成功率、更少碰撞和更少冻结行为。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org