arXiv · cs.RO· Qingxi Meng, Emiliano Flores, Thai Duong, Vaibhav Unhelkar, Lydia E. Kavraki·· 7 小时前精选AI 评分62
论文 / 摘要阅读
MOPS-PRM：场景图下考虑多目标感知约束的采样运动规划
Sampling-Based Motion Planning with Scene Graphs Under Perception Constraints
AI 导读 · 根据来源整理
论文提出 MOPS-PRM，一种基于路线图的运动规划器，将观测多个物体或人的感知代价直接嵌入高自由度机器人的运动规划。现有感知感知方法多面向低自由度系统或只考虑单个物体，作者用场景图表示环境，把每个物体的感知代价嵌入场景图，并据此选择性采样构型来构建路线图，从而隐式满足感知约束。方法在仿真和真实实验中得到验证，相比其他感知约束基线，平均检测物体数提升约36%，跟踪率提升约17%，规划时间和路径长度相当。论文共8页、5图，已被 R-AL 接收。
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