.png){kind=icon}
返回
DiffRP: Diffusion-Driven Promising Region Prediction for Sampling-Based Path Planning
.png){kind=icon}
PRE
AI
DOI：10.1109/LRA.2025.3604747.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
利用神经网络预先预测包含最优路径的潜在区域，并随后将这些采样概率偏向这些有前景的区域，已被证明能够有效提升采样型算法的路径规划效率。毋庸置疑，有前景区域的准确性至关重要。目前，许多基于CNN或Transformer的模型的可推广性仍然有限，在未知环境中往往表现不佳。为提升泛化能力，我们将有前景区域预测问题重新表述为条件生成任务，并采用扩散模型加以解决，该模型被称为DiffRP（基于扩散的区域预测）。我们提出了三种生成有前景区域的范式，其中创新性地引入了偏向噪声初始化方法用于扩散过程。具体而言，我们利用障碍物地图对噪声分布的均值进行偏向处理，并设计了一种基于地图的去噪模型，以从偏向的噪声中逐步生成准确的有前景区域。在公开数据集上的实验表明，我们提出的DiffRP方法在预测有前景区域的准确性上比现有最先进模型高出35~42%。此外，基于该区域的非均匀采样算法（DiffRP-RRT*）与其他神经网络驱动的方法相比，采样数量减少了3~52%。
Keyword:
AI-based methods
motion and path planning
期刊
I
IF:
5.3
论文数:
1.9K
被引数:
3.9W
机构
引用论文
RefineCatDiff: Toward High-Quality Medical Image Segmentation via a Categorical Diffusion Refinement FrameworkRefineCatDiff：通过分类扩散精炼框架实现高精度医学图像分割
OAAI
OAAI分享收藏Research on Path Planning with the Integration of Adaptive A-Star Algorithm and Improved Dynamic Window Approach.png)
ElectronicsOAAI
ElectronicsIF0
OAAI分享收藏分享收藏A momentum recurrent neural network for sparse motion planning of redundant manipulators with majorization-minimization. IEEE Trans. Ind. Electr. 2025, 1–10基于主次最小化方法的冗余操作臂稀疏运动规划的动量循环神经网络。IEEE 期刊《工业电子学》2025年第1期，第1-10页。
IF0
PREAI
分享收藏Path Planning of Autonomous Mobile Robot in Comprehensive Unknown Environment Using Deep Reinforcement Learning基于深度强化学习的全未知环境下自主移动机器人路径规划
PREAI
分享收藏AGV Path Planning Based on Improved A-star Algorithm2024 IEEE 7th Advanced Information Technology, Electronic and Automation Control Conference (IAEAC)
2024 IEEE 7th Advanced Information Technology, Electronic and Automation Control Conference (IAEAC)IF0
PREAI
分享收藏
查看更多内容