arXiv · cs.RO· Chuanlin Zuo; Miloš Prágr; Arun Kumar Singh; Mohammad Loni; Reza Ghabcheloo·· 8 天前精选AI 评分63
论文 / 摘要阅读
ProTrav：传播高程不确定性的概率可通行性越野导航方法
ProTrav: Probabilistic Traversability with Elevation Uncertainty Propagation for Risk-aware Off-road Navigation
AI 导读 · 根据来源整理
ProTrav提出一种概率地形表示，用函数空间采样生成空间相关的地形实现，并将高程不确定性传播到可通行性代价。方法先用稀疏变分高斯过程（SVGP）从观测重建概率高程场，再通过后验函数空间采样保留相邻位置的空间依赖，得到任意位置可通行性代价的均值与标准差，并以基于矩的上置信界（UCB）定义风险项接入MPPI控制器。
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