高效導(dǎo)航新突破：中科大開源輕量級神經(jīng)路徑規(guī)劃

2023-08-29 09:47 作者:計算機視覺life 0人讀過 | 我要投稿

#論文##開源# arxiv速遞|中科大開源輕量級神經(jīng)路徑規(guī)劃

【Lightweight Neural Path Planning】

文章鏈接：[2307.10555] Lightweight Neural Path Planning

開源項目：GitHub - LeeXiaosong/Lightweight-planning: Code an...

demo視頻：https://youtu.be/pHdR1BHOLcA

基于抽象學(xué)習(xí)的路徑規(guī)劃由于其對各種環(huán)境的適應(yīng)性，正在成為一種有前途的機器人導(dǎo)航方法。然而，與網(wǎng)絡(luò)相關(guān)的昂貴的計算和存儲為它們在低成本機器人上的部署帶來了巨大的挑戰(zhàn)。受這一實際挑戰(zhàn)的啟發(fā)，我們?yōu)橘Y源受限的機器人系統(tǒng)開發(fā)了具有雙輸入網(wǎng)絡(luò)和混合采樣器的輕量級神經(jīng)路徑規(guī)劃架構(gòu)。我們的體系結(jié)構(gòu)設(shè)計了高效的任務(wù)特征提取和融合模塊，將給定的規(guī)劃實例轉(zhuǎn)化為指導(dǎo)圖。然后應(yīng)用混合采樣器將規(guī)劃限制在由導(dǎo)游圖指示的遠景區(qū)域內(nèi)。為了使網(wǎng)絡(luò)能夠訓(xùn)練，我們進一步構(gòu)建了一個公開可用的數(shù)據(jù)集，其中包含了各種成功的規(guī)劃實例。數(shù)值模擬和物理實驗表明，與基準(zhǔn)方法相比，我們的方法在獲得良好性能的同時，模型規(guī)模減少了近一個數(shù)量級，計算量降低了5倍。此外，與基于樣本的方法相比，我們的方法還可以以更少的規(guī)劃迭代次數(shù)加速規(guī)劃收斂過程。