跳到正文
arXiv cs.AI· Eran Iceland, Alexander Tuisov, Oren Gal, Ariel Barel, Alfred M. Bruckstein·· 3 小时前AI 评分22

动态危险环境下的实时运动规划:经典方法与学习方法的对比

Real-Time Motion Planning with Dynamic Hazards: Classical vs. Learning-Based Methods

AI 导读

一项统一基准对比了经典规划器与学习方法在动态危险场中的实时运动规划表现。确定性环境下经典规划器成功率近完美且路径质量更高,但随机障碍动态下在线搜索对预算高度敏感,低预算频繁失败、高预算则以延迟和更长轨迹换取成功率。基于 PPO 的策略在随机场景中的延迟、成功率和路径质量上均持续占优,结果表明障碍演化的不确定性比部分可观测性更能决定哪种规划范式有效。

来源:arXiv cs.AI · arxiv.org