LEARNING
经典与神经采样算法在机器人导航中的性能比较
Hichem Cheriet, Badra Khellat Kihel, Samira Chouraqui
- 发表年份
- 2026
- 引用次数
- 0
- 访问权限
- 开放获取
摘要
本文比较了RRT*、Neural RRT*和Neural Informed RRT*三种算法在含凸凹障碍物环境中的表现，发现神经引导规划器能生成更短（最多14%）和更平滑（55-75%）的路径。其中Neural Informed RRT*综合性能最佳，尽管计算时间略有增加。
关键词
motion planningneural samplingRRT*autonomous navigationpath quality
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018