LEARNING
通过保持连通性的区域提议网络加速机器人路径规划
Zhanzheng Ma, Cancan Zhao, Shuai Zhang, Bo Ouyang
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种保持连通性的区域提议网络（CP-RPN），通过分割模型预测紧凑且拓扑连通的候选区域，显著压缩搜索空间。该方法结合变形注意力变换器和复合损失函数，确保全局连通性，并利用Voronoi图和局部A*回退机制实现鲁棒路径规划。
关键词
path planningconnectivity-preservingregion proposalsegmentationtopological continuity
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