MOPS-PRM：场景图感知约束运动规划

Qingxi Meng等作者提出MOPS-PRM，一种基于路线图的运动规划器，把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。作者称，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；MOPS-PRM用场景图表示环境，将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。 作者称，该方法在仿真和真实实验中均得到验证，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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。