首页 /研究 /AutoPath:学习可迁移的、以目标为条件的随机路径先验,用于无需人类演示的安全导航
LOCOMOTION

AutoPath:学习可迁移的、以目标为条件的随机路径先验,用于无需人类演示的安全导航

Ziyang Zhang, Boyang Zhou, Zesong Yang, Haocheng Peng, Zeming Gai, Xiao Liang, Yujun Shen, Danping Zou, Ruizhen Hu, Hujun Bao, Zhaopeng Cui

发表年份
2026
访问权限
开放获取

摘要

本文提出了一种可迁移的、以目标为条件的随机路径先验学习方法,通过结构化采样生成多条可行路径,实现无人类演示的实时安全导航。该方法采用目标对齐的规范状态表示和几何感知的极坐标动作流形,结合风险敏感效用塑造,在密集静态环境中验证了有效性。

关键词

navigationpath planninggoal-conditionedstochastic priorsafety

相关论文

查看 LOCOMOTION 分类全部论文