.png){kind=icon}
返回
Learning-based trajectory planning for AGVs in dynamic environment
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.129616.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 通过集成优化和深度学习方法，提出了一种面向动态环境的AGV实时且安全感知的运动规划框架。
• 训练了一个神经网络以逼近优化求解过程，在确保运动学可行性的同时显著提升实时性能。
• 开发了一种随机迭代优化策略，用于生成高质量的避障决策，克服了OCP求解中的初始值敏感性。
• 大量仿真验证了该框架在AGV实时、安全且高效运动规划中的有效性。
