.png){kind=icon}
返回
Generalizing Multi-Objective Search via Objective-Aggregation Functions
.png){kind=icon}
PRE
AI
DOI：10.1109/lra.2026.3741789.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多目标搜索（MOS）在机器人学中至关重要，因为现实世界的机器人系统需要同时平衡多个、通常相互冲突的目标。近期研究探索了目标之间的复杂交互，导致问题表述无法使用现成的最先进MOS算法。我们提出了一种针对图上MOS的通用问题表述，区分了仅在学习期间跟踪的隐藏目标和实际感兴趣且通过聚合函数从隐藏目标中恢复的解目标。我们证明，我们的表述支持标准MOS算法的应用，仅需适当扩展几个核心操作以反映所采用的特定聚合函数。我们在多种多样的机器人规划问题中展示了我们的方法，涵盖了导航的运动规划、操作规划、障碍不确定性下的医疗系统规划、检查规划和不同道路类型的路线规划，并通过实证证据表明，扩展后的算法在相同问题上优于未进行目标聚合的原始算法，运行时加速效果因应用而异，在最有利的情况下可达到数个数量级。
Keyword:
Motion and Path Planning
Planning under Uncertainty
期刊
I
IF:
5.3
论文数:
2.0K
被引数:
3.9W
机构
查看更多机构
引用论文
暂无论文信息