.png){kind=icon}
返回
An efficient beam search algorithm for active perception in mobile robotics
.png){kind=icon}
PRE
AI
DOI：10.1177/02783649261455911.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
主动感知是自主机器人中的一个基本问题，其中机器人必须决定移动到何处以及感知什么，以获取完成任务的最具信息量的观测结果。现有方法要么在启发式选择的信息节点上解决计算成本高昂的旅行商问题，要么采用更高效但过度约束的最短路径树公式。为解决这些局限性，我们探讨了束搜索算法作为可扩展的替代方案。标准束搜索通过在每个深度级别保留前B条路径实现可扩展性，但容易陷入局部最优且对参数敏感。我们的第一项贡献是一种基于节点的束搜索（NBS）算法，它维护每个节点的前B个候选节点，以实现对解空间的更有效探索。在图上的系统基准测试表明，NBS始终优于其他基线方法，并且在低束宽度下仍能保持强性能。作为第二项贡献，我们将前沿概念整合到路径选择标准中，引入预期增益指标，相比现有替代方案能更好地平衡探索与利用。我们的第三项贡献提出了快速探索随机环状图（RRAG），一种新型图构建方法，该方法保留完整的方向采样，并通过回退的基于采样的局部规划器确保在杂乱环境中的连通性。大量实验表明，NBS结合RRAG在所有三个代表性主动感知任务中均达到最高性能，在一项或多项任务中超越当前最佳算法至少20%。我们还在不同场景下的真实机器人平台上验证了该方法。项目页面：https://efficient-beam-search.github.io/
期刊
IF:
5
论文数:
2.4K
被引数:
1.5W
机构
引用论文
.png){kind=icon}
Adaptive Informative Path Planning Using Deep Reinforcement Learning for UAV-based Active Sensing
OAAI
OAAI分享收藏Graph-based subterranean exploration path planning using aerial and legged robots使用空中和腿式机器人的基于图的地下勘探路径规划
OAAI
OAAI分享收藏分享收藏Habitat Synthetic Scenes Dataset (HSSD-200): An Analysis of 3D Scene Scale and Realism Tradeoffs for ObjectGoal NavigationHabitat Synthetic Scenes Dataset (HSSD-200)：关于对象目标导航中3D场景尺度与真实感权衡的分析
PREAI
分享收藏
查看更多内容