潜空间控制障碍函数提升机械臂规划成功率

Chandrakiran Ravula 与 Siddhanth Ramesh 提交论文，用在潜空间直接学习的神经控制障碍函数（CBF）替换碰撞分类器，为机械臂的潜空间路径规划提供前向不变性保证。 在 7 自由度 Franka Panda 机械臂上，该方法在固定障碍任务中的成功率为 75.6%，比 35 组调优分类器配置中最优的一组高 12.0 个百分点；在多位置任务中为 83.8%。 在完全通用的随机障碍场景中，成功率降至 33.0%。作者将这一下降归因于协变量偏移：训练时使用的转移数据不包含障碍信息，而修正后的规划器访问的状态与这些数据存在分布差异。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。