PathBench: A Benchmarking Platform for Classical and Learned Path Planning Algorithms
Imperial College London（伦敦帝国理工学院）；Ryerson University（瑞尔森大学）
路径规划是移动机器人技术中的一个重要组成部分。存在各种各样的路径规划算法，但很少有人尝试对算法进行整体基准测试或统一它们的接口。此外，随着深度神经网络的最新进展，迫切需要促进这种基于学习的规划算法的开发和基准测试。本文介绍了PathBench，一个平台，用于开发，可视化，培训，测试和基准测试现有和未来的，经典的和学习的2D和3D路径规划算法，同时提供支持机器人操作系统（ROS）。支持许多现有的路径规划算法;例如A*，波前，快速探索随机树，值迭代网络，门控路径规划网络;并且集成新算法很容易并且明确指定。我们通过比较实现的经典和学习算法的指标，如路径长度，成功率，计算时间和路径偏差的基准测试能力的PathBench。这些评估是在内置的PathBench地图和来自视频游戏和现实世界数据库的外部路径规划环境中完成的。PathBench是开源的。
2021-05-04 cs.LG cs.RO
Planning with affordances: Integrating learned affordance models and symbolic planning
Oregon State University（俄勒冈州立大学）
本文提出将学习到的物体可供性模型与符号规划相结合，使智能体在AI2-Thor等环境中无需重新定义动作集合即可规划并执行多步骤操作任务。
2025-02-04 cs.AI cs.RO
HARPS: An Online POMDP Framework for Human-Assisted Robotic Planning and Sensing
University of Colorado Boulder（科罗拉多大学博尔德分校）
提出HARPS框架，结合在线POMDP、多模态语义交互与贝叶斯融合，使机器人利用人类标注的软数据改善环境信念，仿真和人类实验显示显著提升目标捕获效率。
2023-03-28 cs.AI cs.HC cs.RO
Temporal Planning with Incomplete Knowledge and Perceptual Information
Edinburgh Centre for Robotics（爱丁堡机器人中心）；Heriot-Watt University（赫瑞-瓦特大学）；The University of Edinburgh（爱丁堡大学）
在现实世界的应用程序中，推理不完整的知识，感知，时间概念和数字约束的能力是至关重要的。虽然有几个人工智能规划者能够处理其中的一些要求，但它们大多限于特定类型的约束问题。本文提出了一种新的规划方法，结合应急计划建设的时间规划框架内，提供解决方案，考虑数值约束和不完整的知识。我们提出了一个小的扩展规划域定义语言（PDDL）模型（i）不完整，（ii）知识感知行动，操作在未知的命题，（iii）可能的结果，从非确定性的感知效果。我们还引入了一组新的规划域来评估我们的求解器，它在各种问题上表现出良好的性能。
2022-07-20 cs.AI cs.RO
Integrating Active Sensing and Rearrangement Planning for Efficient Object Retrieval from Unknown, Confined, Cluttered Environments
Purdue University（普渡大学）
针对未知受限杂乱环境中的目标提取问题，提出集成基于启发式的主动感知与基于MCTS的提取规划方法，通过组件间反馈优化感知与规划，在成功率及时间消耗上显著优于基线方法。
2024-11-18 cs.RO
VOiLA: Vectorized Online Planning with Learned Diffusion Models for POMDP Agents
Australian National University（澳大利亚国立大学）；The University of Sydney（悉尼大学）
提出VOiLA框架，利用条件扩散模型学习POMDP模型，通过蒸馏加速采样并与向量化在线规划器集成，在三个基准任务和实物机器人上实现高效在线规划。
2026-10-16 cs.AI cs.RO
Diffusion-based Planning with Learned Viability Filters
University of British Columbia（不列颠哥伦比亚大学）
本文提出学习型可行性过滤器，用于在扩散模型规划中强制执行隐式未来成功约束，并在3D人体足迹规划中验证其高效性，显著快于引导式扩散预测。
2025-02-26 cs.LG cs.RO
An evolutionary algorithm for online, resource constrained, multi-vehicle sensing mission planning
Ocean Systems Lab, Heriot Watt University（赫瑞瓦特大学海洋系统实验室）
移动机器人平台是各种科学和工业应用不可或缺的工具。机器人被用来执行任务，其执行受到各种因素的限制，例如分配的时间或剩余能量。资源受限的多机器人感测任务规划的现有解决方案以令人望而却步的计算复杂性为在线应用提供最优规划[1]，[2]，[3]。存在一种启发式方法，用于单个飞行器的在线、资源受限的传感任务规划[4]。这项工作提出了一个遗传算法（GA）为基础的启发式的相关团队定向问题（CTOP），用于规划传感和监测任务的机器人团队，在资源限制下运行。的启发式相比，最佳的混合二次规划（MIQP）的解决方案。结果表明，启发式解的质量在最坏情况下等于5%的最优解。在最坏的测试情况下，启发式解决方案被证明是至少300倍以上的时间效率。遗传算法的启发式执行所需的最坏情况下不到一秒钟，使其适合在线执行。
2018-01-10 cs.RO
Trajectory Planning Under Stochastic and Bounded Sensing Uncertainties Using Reachability Analysis
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Stanford University（斯坦福大学）
不确定环境下的轨迹规划是一个非常活跃的研究课题。以前的工作预测状态和状态估计不确定性沿轨迹检查碰撞安全。他们假设随机或有界的传感不确定性。然而，GNSS伪距通常被建模为在城市环境中包含具有附加偏差的随机不确定性。因此，给定偏差的界限，规划者需要考虑随机和有界的传感不确定性。在我们以前的工作中，我们提出了一个可达性分析，预测状态和状态估计的不确定性下的随机和有界的不确定性。然而，我们忽略了这些不确定性之间的相关性，导致状态不确定性的不完美近似。在本文中，我们通过预测状态不确定性作为独立量的函数来改进我们的可达性分析。我们设计了一个度量的预测不确定性比较候选轨迹在规划过程中。最后，对基于GNSS的固定翼无人机城市导航规划器进行了验证。
2020-12-17 cs.RO
Neural-Swarm2: Planning and Control of Heterogeneous Multirotor Swarms using Learned Interactions
California Institute of Technology（加州理工学院）
我们提出了Neural-Swarm 2，一种基于学习的运动规划和控制方法，允许群中的异构多旋翼安全地近距离飞行。由于复杂的空气动力学相互作用力，例如附近无人机产生的下洗和地面效应，无人机的这种操作具有挑战性。传统的规划和控制方法忽略了捕捉这些相互作用的力量，导致在飞行过程中稀疏的群体配置。我们的方法将基于物理的名义动力学模型与具有强Lipschitz特性的学习深度神经网络（DNN）相结合。我们利用两种技术来准确预测异质多旋翼之间的气动相互作用：i）谱归一化，用于稳定性和不可见数据的泛化保证; ii）异质深度集，用于以置换不变的方式支持任何数量的异质邻居，而不会降低表达能力。学习的剩余动力学的好处，提出的相互作用感知的多机器人运动规划和非线性跟踪控制设计，因为学习的相互作用力减少建模误差。实验结果表明，Neural-Swarm 2能够推广到训练案例之外的更大的群体，并显着优于基线非线性跟踪控制器，最坏情况下的跟踪误差减少了三倍。
2021-07-16 cs.AI cs.LG cs.RO
SPOT: Sensing-augmented Trajectory Planning via Obstacle Threat Modeling
Robotics, University of Michigan（机器人学，密歇根大学）；School of Mechanical Engineering, Shanghai Jiao Tong University（上海交通大学机械工程学院）
提出 SPOT 统一规划框架，利用高斯过程障碍物置信图和碰撞感知紧急度建模，将感知目标纳入轨迹优化，实现低时延动态避障。
2025-10-18 cs.RO
Learned Critical Probabilistic Roadmaps for Robotic Motion Planning
Google（谷歌）；Waymo Research（Waymo研究院）
基于采样的运动规划技术已经成为解决复杂运动规划问题的有效算法范例。这些方法使用一组探测样本来构建机器人状态空间的隐式图形表示，当样本数量增加到无穷大时，允许任意精确的表示。然而，在实践中，解轨迹仅依赖于通常由状态空间中的结构定义的几个临界状态（例如，门道）。在这项工作中，我们提出了一个通用的方法来识别这些关键状态，通过图论技术（介数中心），并学会预测关键性只有当地的环境特征。然后，这些状态通过层次图中的全局连接得到更大程度的利用，称为关键概率路线图。关键的PRM被证明实现了三个数量级的改善均匀采样，同时保留的保证和基于采样的运动规划的复杂性。视频可在https://youtu.be/AYoD-pGd9ms上获得。
2019-10-08 cs.LG cs.RO
IMPASTO: Integrating Model-Based Planning with Learned Dynamics Models for Robotic Oil Painting Reproduction
Stanford University（斯坦福大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of California, Berkeley（加州大学伯克利分校）；Columbia University（哥伦比亚大学）
IMPASTO通过整合学习的动力学模型与基于模型的规划，实现机器人基于目标油画图像的复现，无需人类示范或精确模拟，提升复现精度。
2026-03-31 cs.AI cs.RO
Reactive Informative Planning for Mobile Manipulation Tasks under Sensing and Environmental Uncertainty
University of Pennsylvania（宾夕法尼亚大学）；Washington University in St. Louis（圣路易斯华盛顿大学）
在本文中，我们解决移动操作规划问题的存在感测和环境的不确定性。特别是，我们认为移动传感机械手在未知的几何形状和不确定的可移动物体的环境中工作，同时负责完成任务，需要抓住和释放对象的逻辑方式。现有的算法要么不能很好地扩展，要么忽略了传感和/或环境的不确定性。为了面对这些挑战，我们提出了一种混合控制架构，其中符号控制器生成高级操纵命令（例如，抓取物体），信息规划器设计路径以主动地减少感兴趣物体的不确定性，并且连续反应控制器跟踪包括信息路径的稀疏航路点，同时避免先验未知障碍物。整体架构可以在线处理环境和传感不确定性，因为机器人探索其工作空间。使用数值模拟，我们表明，所提出的架构可以处理任务的复杂性增加，同时响应意想不到的不利配置。
2022-05-12 cs.RO
Accelerating Cooperative Planning for Automated Vehicles with Learned Heuristics and Monte Carlo Tree Search
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；FZI Research Center for Information Technology（FZI信息技术研究中心）
城市交通场景中的高效驾驶需要远见。其他交通参与者的观察和推断他们可能的下一步行动取决于自己的行动被认为是合作预测和规划。人类已经具备了预测多个交互的交通参与者的行为并相应地进行规划的能力，而无需直接与他人进行通信。以前的工作表明，它是可能实现有效的合作规划，而不需要明确的沟通。然而，合作计划的搜索空间如此之大，以至于大部分计算预算都花在探索远离解的无希望区域中的搜索空间上。为了加速规划过程，我们将学习的策略与合作规划方法相结合，以引导搜索具有有希望的行动的区域，以较低的计算成本获得更好的解决方案。
2020-05-22 cs.LG cs.MA cs.RO
Robot Motion Planning in Learned Latent Spaces
Stanford University（斯坦福大学）
本文提出了基于潜在采样的运动规划（L-SBMP），一种通过学习可规划的潜在表示来计算复杂机器人系统运动规划的方法。最近的工作在控制机器人系统有效地利用本地，低维嵌入高维动力学。在本文中，我们将这些最新进展与基于采样的运动规划（SBMP）技术相结合，以设计一种能够规划传统方法（例如，类人机器人，甚至是在视觉空间中进行规划的系统）。具体来说，学习的潜在空间是通过一个自动编码网络，一个动态网络，和碰撞检查网络，这反映了SBMP的三个主要算法原语，即状态采样，本地转向，和碰撞检查。值得注意的是，这些网络可以只通过系统状态和动作的原始数据以及监督冲突检查器来训练。在这些网络的基础上，使用基于RRT的算法直接在潜在空间中规划运动-我们将这种探索算法称为学习潜在RRT（L2 RRT）。该算法全局地探索潜在空间，并能够推广到新的环境。整体的方法证明了两个规划问题，即视觉规划问题，规划发生在视觉（像素）空间，和一个人形机器人规划问题。
2018-11-06 cs.RO
Planning with Learned Subgoals Selected by Temporal Information
Institute for Anthropomatics and Robotics, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院人机与机器人研究所）；Robotics and Autonomous Systems, Institute of Applied Research, Karlsruhe University of Applied Sciences（卡尔斯鲁厄应用技术大学应用研究所机器人与自主系统部）
针对动态环境中时间相关约束下的机器人路径规划问题，提出用生成模型增量生成子目标，并基于不同统计分布的学习型时间估计器结合时间信息筛选候选，实验证明可在满足约束的同时保持目标导向。
2024-10-26 cs.RO
SafetyNet: Safe planning for real-world self-driving vehicles using machine-learned policies
Toyota（丰田）；Woven Planet（织女星）；Level 5 self-driving division（Level 5自动驾驶部门）
在本文中，我们介绍了第一个用于完全控制自动驾驶车辆的安全系统，该系统通过人类演示进行训练，并部署在具有挑战性的真实城市环境中。当前的行业标准解决方案使用基于规则的系统进行规划。虽然它们在常见场景中表现相当不错，但工程复杂性使得这种方法与人类水平的性能不兼容。另一方面，机器学习（ML）规划解决方案的性能可以通过简单地添加更多的样本数据来提高。然而，ML方法不能提供安全保证，有时行为不可预测。为了解决这个问题，我们的方法使用了一个简单而有效的基于规则的回退层，对ML规划者的决策进行合理性检查（例如避免冲突，确保物理可行性）。这使我们能够利用机器学习来处理复杂的情况，同时仍然确保安全性，将机器学习计划器冲突减少了95%。我们使用模仿学习对机器学习规划人员进行了300小时的专家驾驶演示训练，并将其与旧金山市中心的后备层一起部署，在那里它可以完全控制真实车辆并导航各种具有挑战性的城市驾驶场景。
2021-09-28 cs.AI cs.CV cs.LG
Planning Oriented Integrated Sensing and Communication
针对现有ISAC忽视关键障碍物对运动效率影响的问题，提出面向规划的PISAC框架，通过闭式安全界关联发射功率与感知不确定性，并构建双层功率分配与运动规划问题，仿真显示成功率提升40%、时间缩短5%以上。
2025-10-27 cs.RO cs.SY eess.SP
Active Markov Information-Theoretic Path Planning for Robotic Environmental Sensing
National University of Singapore（新加坡国立大学）；Carnegie Mellon University（卡内基梅隆大学）
最近的研究在多机器人探索和地图集中在采样环境领域，这是典型的高斯过程（GP）建模。现有的信息理论的探索策略，学习基于GP的环境场地图采用非马尔可夫问题结构，因此规模差的历史观测的长度。因此，使用这些策略进行原位、实时主动采样在计算上变得不切实际。为了减轻这种计算负担，本文提出了一种基于马尔可夫的方法，有效的信息理论的路径规划主动采样的GP为基础的领域。我们分析了解决基于马尔可夫路径规划问题的时间复杂度，并分析表明，它的规模优于得出的非马尔可夫策略，随着规划范围的长度增加。对于一类称为样带采样任务的探索任务，我们提供了理论上的保证，我们的主动采样性能的马尔可夫为基础的政策，从理想的环境场条件和采样任务设置可以建立限制其性能下降，由于违反马尔可夫假设。对实际温度和浮游生物密度场数据的实证评估表明，我们的基于马尔可夫的政策通常可以实现主动采样性能相比，广泛使用的非马尔可夫贪婪政策在不太有利的现实条件和任务设置，同时享受显着的计算增益。
2011-01-28 cs.AI cs.LG cs.MA
TSPDiffuser: Diffusion Models as Learned Samplers for Traveling Salesperson Path Planning Problems
CyberAgent, Inc.（CyberAgent公司）
本文提出TSPDiffuser，一种利用扩散模型作为学习采样器的数据驱动路径规划器，用于在障碍环境中高效求解旅行商路径规划问题，通过生成合理路径并构建精简路径图，在解质量和计算时间上优于现有方法。
2025-02-23 cs.LG cs.RO
Multi-UAV Active Sensing with Information Gain-based Planning and Belief Fusion
University of California, Berkeley（加州大学伯克利分校）
提出多无人机主动感知框架，利用信息增益路径规划与概率信念融合实现二元地形映射，在合成和真实农业图像上验证，相比随机游走和扫描覆盖降低熵与误差。
2026-06-09 cs.RO cs.SY eess.SY
Planning as Descent: Goal-Conditioned Latent Trajectory Synthesis in Learned Energy Landscapes
University of Alicante（阿利坎特大学）
PaD通过学习目标条件化能量函数实现离线无奖励规划，以验证为基础进行轨迹合成，取得95%的成功率并优于现有方法。
2025-12-19 cs.AI cs.RO
Trajectory Optimization for Adaptive Informative Path Planning with Multimodal Sensing
Stanford University（斯坦福大学）；NASA Ames Research Center（美国国家航空航天局艾姆斯研究中心）
研究多模态感知自主智能体在资源约束下的自适应信息路径规划问题，提出基于投影的轨迹优化方法以降低高斯过程世界信念方差，在长时程轨迹中方差降低达85%，均方根误差降低50%，支持NASA VIPER任务。
2024-04-29 cs.RO
Information-Theoretic Approach to Efficient Adaptive Path Planning for Mobile Robotic Environmental Sensing
Carnegie Mellon University（卡内基梅隆大学）
机器人探索和地图绘制的最新研究集中在采样环境热点领域。这种探索任务由Low，Dolan和Khosla（2008）在称为MASP的不确定性框架下的顺序决策理论规划中进行了形式化。求解MASP的时间复杂度近似依赖于地图分辨率，这限制了其在大规模、高分辨率勘探和填图中的应用。为了减轻这种计算困难，本文提出了一种信息理论的方法，MASP（iMASP）的有效的自适应路径规划，通过重新制定的成本最小化的iMASP作为一个奖励最大化的问题，其时间复杂度变得独立的地图分辨率和不太敏感，增加机器人团队的规模，理论和经验证明。使用奖励最大化对偶，我们得到了一个新的自适应最大熵采样的变体，从而提高了诱导探索策略的性能。它还使我们能够建立理论界限量化的性能优势，最佳自适应非自适应政策和性能质量的近似最优与最佳自适应政策。我们的分析和经验表明，iMASP为基础的政策采样的对数高斯过程的政策广泛使用的高斯过程中映射的热点领域的优越性能。最后，我们提供了充分的条件，当满足时，保证自适应性在假设的环境模型下没有好处。
2013-05-27 cs.AI cs.LG cs.MA
Reset-Free Lifelong Learning with Skill-Space Planning
UC Berkeley（加州大学伯克利分校）；Google Brain（谷歌大脑）
终身强化学习（RL）的目标是优化智能体，使其能够在不断变化的环境中不断适应和交互。然而，当前的强化学习方法在环境是非平稳的并且交互是非情景性的时会严重失败。我们提出了终身技能规划（LiSP），这是一个基于高阶技能抽象空间规划的非情景终身RL算法框架。我们使用内在奖励以无监督的方式学习技能，并使用学习动力学模型对学习到的技能进行计划。此外，我们的框架甚至允许从离线数据中发现技能，从而减少了对过多现实世界交互的需求。我们的经验表明，LiSP成功地实现了长期规划和学习的代理，即使在具有挑战性的非静态和非情节的环境中，也可以避免灾难性的故障，这些环境来自gridworld和MuJoCo基准。
2021-06-15 cs.AI cs.LG cs.RO
Using Deep Learning to Bootstrap Abstractions for Hierarchical Robot Planning
Arizona State University（亚利桑那州立大学）
本文讨论了学习抽象的问题，提高机器人规划性能，同时提供强有力的可靠性保证。尽管最先进的分层机器人规划算法允许机器人有效地计算用于实现用户期望的任务的长期运动计划，但是这些方法通常依赖于需要由专家手工设计的环境依赖的状态和动作抽象。我们提出了一种新的方法，引导整个层次规划过程。这使我们能够使用深度神经网络预测的关键区域自动计算新环境的抽象状态和动作，该深度神经网络具有自动生成的机器人特定架构。我们表明，学习的抽象可以使用一种新的多源双向分层机器人规划算法，是健全的和概率完整的。使用完整和非完整机器人对20种不同设置进行的广泛的经验评估表明：（a）我们学习的抽象提供了有效的多源层次规划所需的信息;以及（b）这种学习、抽象和规划的方法在训练过程中没有看到的测试环境的规划时间方面比最先进的基线高出近10倍。
2022-04-24 cs.AI cs.LG cs.RO
Stochastic Implicit Neural Signed Distance Functions for Safe Motion Planning under Sensing Uncertainty
Rice University（莱斯大学）
针对高维机器人在感知不确定性下的安全运动规划问题，提出融合随机符号距离函数隐式神经模型与分层优化规划器的方法，可显式界定风险并在复杂环境中生成安全、高质量路径。
2023-09-28 cs.RO
Coverage Path Planning with Budget Constraints for Multiple Unmanned Ground Vehicles
针对多机器人环境感知，本文提出融合可变编队覆盖路径规划与集群协同主动感知的状态机切换方法，并在气源定位建图实验中证明其比单模态方法收敛更快。
2023-06-07 cs.MA cs.RO
Planning with Learned Dynamics: Probabilistic Guarantees on Safety and Reachability via Lipschitz Constants
University of Michigan（密歇根大学）
我们提出了一种方法，反馈运动规划系统的未知动态提供概率保证的安全性，可达性和目标稳定性。为了找到一个域，在这个域中，可以信任真实动态的学习控制仿射近似，我们估计真实动态和学习动态之间的差异的Lipschitz常数，并确保估计在给定的概率下是有效的。提供的系统至少有尽可能多的控制状态，我们还推导出存在条件的一步反馈法，可以保持真正的系统在一个小范围内的标称轨迹规划与学习动态。我们的方法将反馈律的存在作为基于采样的规划器中的约束，该规划器返回围绕标称规划的反馈策略，确保如果Lipschitz常数估计有效，则真实系统在计划执行期间是安全的，达到目标，并且最终在关于目标的小集合中是不变的。我们通过使用6D四旋翼和7DOF Kuka臂的学习模型进行规划来演示我们的方法。我们表明，使用相同的学习动力学进行规划而不考虑误差范围或反馈法的存在的基线可能无法稳定在计划周围并变得不安全。
2021-10-19 cs.LG cs.RO cs.SY
Leveraging Jumpy Models for Planning and Fast Learning in Robotic Domains
DeepMind（深度思维）
在本文中，我们研究了学习多步动态预测模型（跳跃模型）的问题，从未标记的经验和他们的实用程序的快速推理（高级别）计划在下游任务。特别是，我们建议离线学习一个跳跃模型和一个技能嵌入空间，从以前收集的经验中，不需要标签或奖励注释。然后，我们研究了利用这些学习组件与基于模型的规划或无模型强化学习（RL）相结合的几种选择，以加快下游任务的学习。我们在RGB堆叠环境中进行了一组实验，表明使用学习的技能和相关模型进行规划可以实现对新任务的zero-shot泛化，并可以通过强化学习进一步加快策略的训练。这些实验表明，跳跃模型，结合时间抽象可以促进规划在长期任务中，标准的动态模型失败。
2023-02-24 cs.AI cs.LG cs.RO
Bridging Learned Visual Perception and Symbolic Belief-Space Planning
Technion - Israel Institute of Technology（以色列理工学院）
本文提出VLM作为概率接地器的新范式，将视觉-语言模型的谓词接地不确定性建模为符号状态上的概率分布，实现信念空间规划，在模拟家庭机器人环境中提升了鲁棒性和任务成功率。
2026-09-16 cs.AI cs.RO
Planning Multi-Fingered Grasps as Probabilistic Inference in a Learned Deep Network
University of Utah（犹他大学）
我们提出了一种新的方法来多指抓取规划利用学习的深度神经网络模型。我们训练一个卷积神经网络来预测抓取成功率，作为物体的视觉信息和抓取配置的函数。然后，我们可以制定抓取规划推断的把握配置，最大限度地提高把握成功的概率。我们使用反向传播算法在神经网络内部使用梯度上升优化来有效地执行此推断。我们的工作是第一个直接规划高品质的多指掌握配置空间使用深神经网络，而不需要一个外部的规划。我们验证我们的推理方法执行多指和两指掌握真实的机器人。我们的实验结果表明，我们的规划方法优于现有的神经网络规划方法;同时提供其他几个好处，包括学习数据效率高，速度快，足以部署在真正的机器人应用程序。
2018-04-10 cs.RO
DiMSam: Diffusion Models as Samplers for Task and Motion Planning under Partial Observability
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；NVIDIA（英伟达）
提出DiMSam框架，通过TAMP系统组合扩散模型，利用潜在嵌入定义学习采样器和TAMP算子，解决了部分可观测下多步约束推理与自主机器人操作规划问题。
2024-10-11 cs.AI cs.CV cs.LG
Evaluating model-based planning and planner amortization for continuous control
DeepMind（深度思维）；Facebook Reality Labs（脸书现实实验室）
人们普遍认为，基于模型的控制方法应该能够超越无模型方法的数据效率。在本文中，我们试图评估这种直觉在各种具有挑战性的运动任务。我们采取一种混合的方法，结合模型预测控制（MPC）与学习模型和无模型策略学习的学习策略作为MPC的建议。我们发现，即使对于高自由度控制问题，经过良好调整的无模型代理也是强有力的基线，但具有学习建议和模型（实时训练或从相关任务转移）的MPC可以显着提高硬多任务/多目标设置中的性能和数据效率。最后，我们表明，它是可能的，以摊销的规划计算没有任何性能损失的政策，基于模型的规划。代理执行不同任务的视频可以在https://sites.google.com/view/mbrl-amortization/home上看到。
2021-10-07 cs.AI cs.LG cs.RO
Universal Planning Networks
UC Berkeley, Computer Science（加州大学伯克利分校计算机科学）
复杂视觉控制中的一个关键挑战是学习有效的抽象表示，用于指定目标，规划和泛化。为此，我们引入通用规划网络（UPN）。UPN在目标导向的政策中嵌入了可区分的规划。该规划计算在潜在空间中展开前向模型，并且通过梯度下降轨迹优化来推断最优行动计划。逐梯度下降过程及其底层表示是端到端学习的，以直接优化有监督的模仿学习目标。我们发现，学习的表示不仅是有效的目标导向的视觉模仿，通过基于梯度的轨迹优化，但也可以提供一个指标，指定目标使用图像。可以利用学习的表示来指定基于距离的奖励，以达到无模型强化学习的新目标状态，从而在解决通过基于图像的目标描述的新任务时实现更有效的学习。我们能够在具有显著不同形态和驱动能力的机器人之间成功地转移视觉规划策略。
2018-04-04 cs.AI cs.CV cs.LG
Multi-Sample Long Range Path Planning under Sensing Uncertainty for Off-Road Autonomous Driving
Paul G. Allen School of Computer Science & Engineering, University of Washington（华盛顿大学保罗·G·艾伦计算机科学与工程学院）
针对越野自动驾驶长距离动态重规划中的感知不确定性问题，提出DREAMS方法，通过评估和聚合多个确定性化样本，在真实数据集上优于现有方法，兼顾效率与鲁棒性。
2024-03-17 cs.RO
Robust Belief Roadmap: Planning Under Intermittent Sensing
United Technologies Research Center（联合技术研究中心）
在本文中，我们扩展了最近的工作机构规划下的不确定性，包括传感器可能不会提供任何测量由于误检测的事实。这是由阻止传感器进行测量的不利环境条件或传感器的基本限制引起的。例子包括基于RF的测距设备，间歇性地不接收信号的信标，因为障碍物;在不利的照明条件下的相机系统的功能的误检测;激光雷达传感器，这是指在玻璃为基础的材料，如窗口等，本文的主要贡献是双重的。我们首先表明，它是可能的，以获得一个分析界的状态估计器的性能传感器误检测下发生随机随时间的环境中。然后，我们将展示如何使用这个界在一个基于样本的路径规划算法，以产生一个权衡的准确性和鲁棒性的路径。计算结果表明，该方法的好处和比较与国家的最先进的状态不确定性下的路径规划。
2013-09-15 cs.RO
Regularizing Model-Based Planning with Energy-Based Models
Aalto University（阿尔托大学）
基于模型的强化学习可以通过快速获取关于世界的丰富知识并使用它来改善行为而无需额外的数据来实现样本高效学习。学习的动态模型可以直接用于规划行动，但由于学习模型的不准确性，这一直具有挑战性。在本文中，我们专注于学习动态模型的规划，并建议使用环境中状态转换的能量估计对其进行正则化。我们直观地展示了所提出的方法的有效性，并表明能量估计器的离线训练可以有效地用于使用预训练的动态模型来正则化规划。此外，我们证明了所提出的方法使样本有效的学习，以实现具有挑战性的连续控制任务，如半猎豹和蚂蚁在短短几分钟的经验具有竞争力的性能。
2019-10-12 cs.LG cs.RO stat.ML
Safely: Safe Stochastic Motion Planning Under Constrained Sensing via Duality
University of Texas at Austin（德克萨斯大学奥斯汀分校）；Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
考虑一个机器人在一个不确定的环境与随机，动态障碍。尽管轨迹优化有明显的好处，但由于传感和硬件限制，通常很难在每个时间步长跟踪每个障碍物。我们介绍的安全运动规划，滚动时域控制框架，同时合成的轨迹，机器人遵循以及传感器选择策略，规定了自动相关的障碍物，同时尊重传感器的限制，以测量在每个时间步。我们使用序列二次规划进行运动规划，并规定障碍感的基础上的对偶信息与凸子问题。我们通过确保机器人与任何障碍物碰撞的概率在规划的机器人轨迹的每个时间步长都低于规定的阈值来保证安全。我们通过软件和硬件实验证明了安全运动规划器的有效性。
2022-03-05 cs.RO cs.SY eess.SY
Gaussian Belief Space Path Planning for Minimum Sensing Navigation
University of Texas at Austin（德克萨斯大学奥斯汀分校）；Tokyo Institute of Technology（东京工业大学）
我们提出了一种路径规划方法的移动机器人导航通过充满障碍的环境中产生一个参考路径是可追溯的适度的传感努力。所需的参考路径的特点是在一个充满障碍的高斯信念流形配备了一个新的信息几何距离函数的最短路径。我们引入的距离函数被证明是一个非对称的准伪度量，可以被解释为引导高斯信念所需的最小信息增益。提出了一种基于RRT * 的数值求解算法来求解最短路径问题。为了深入了解所提出的算法的渐近最优性，我们考虑的路径长度函数是连续的拓扑结构的总变分。仿真结果表明，所提出的方法是有效的，在各种机器人导航方案，以减少传感器的成本，如所需的频率的传感器测量和必须同时操作的传感器的数量。
2022-12-07 cs.IT cs.RO math.IT
Planning Sensing Sequences for Subsurface 3D Tumor Mapping
University of Utah（犹他大学）；NVIDIA（英伟达）；Robotics Center（机器人中心）；School of Computing（计算机学院）
手术自动化有可能提高精确度，并减少负担过重的人类外科医生的每位患者的工作量。一个有效的自动化系统必须能够有效和准确地感测和映射皮下解剖结构，如肿瘤。在这项工作中，我们提出了一种方法，计划一系列的传感动作，以映射的3D几何的皮下肿瘤。我们利用顺序贝叶斯希尔伯特映射来创建3D概率占用模型，该模型表示解剖结构中任何给定点被肿瘤占用的可能性，条件是传感器读数。我们迭代地更新地图，利用贝叶斯优化来确定感测姿势，探索解剖结构的未感测区域，并利用以前的感测动作所获得的知识。我们证明了我们的方法的效率和准确性，在三个解剖方案，包括肝脏肿瘤的情况下，从一个真正的病人的CT扫描。结果表明，我们提出的方法在效率方面显着优于比较方法，同时以高准确度检测皮下肿瘤。
2021-10-12 cs.RO
Contingencies from Observations: Tractable Contingency Planning with Learned Behavior Models
UC Berkeley（加州大学伯克利分校）
人类有一种非凡的能力，通过准确地推理未来的事件，包括未来的行为和其他代理人的心理状态来做出决策。考虑驾驶汽车通过一个繁忙的十字路口：有必要对车辆的物理特性，其他司机的意图以及他们对你自己意图的信念进行推理。如果你打转向灯，另一个司机可能会让你，或者如果你进入超车道，另一个司机可能会减速，给你空间合并在前面。有能力的驾驶员必须在采取下一步行动之前计划如何安全地对其他代理的各种潜在未来行为做出反应。这就需要应急计划：明确地计划一组取决于未来事件的随机结果的有条件的行动。在这项工作中，我们开发了一个通用的应急计划，学习端到端使用高维场景观察和低维行为观察。我们使用一个条件自回归流模型来创建一个紧凑的应急规划空间，并展示了这个模型如何可以从行为观察中可追踪地学习应急。我们在驾驶模拟器（CARLA）中开发了一个现实多智能体场景的闭环控制基准，在此基础上，我们将我们的方法与各种非偶然方法进行了比较，这些方法可以推断多智能体的未来行为，包括几种最先进的基于深度学习的规划方法。我们说明，这些非偶然的规划方法从根本上失败的基准，并发现我们的深度应急规划方法实现了显着优越的性能。运行我们的基准测试并重现我们的结果的代码可以在https://sites.google.com/view/contingency-planning上获得
2021-04-21 cs.CV cs.LG cs.RO
Coverage Path Planning For Minimizing Expected Time to Search For an Object With Continuous Sensing
Stony Brook University（石溪大学）
本文提出配额割草问题并给出常数因子近似算法，同时研究了连续感知下的期望检测时间最小化问题，提供了首个具可证明误差界限的伪多项式近似算法，并辅以启发式方法和仿真验证。
2024-11-18 cs.RO
Robotic Motion Planning using Learned Critical Sources and Local Sampling
Indian Institute of Technology Kharagpur（印度理工学院哈拉格普尔分校）
基于采样的方法被广泛用于机器人运动规划。传统上，这些样本是从概率（或确定性）分布中抽取的，以均匀地覆盖状态空间。尽管在概率上是完全的，但它们在受限环境中无法在合理的时间内找到可行的路径，在受限环境中必须通过狭窄的通道（瓶颈区域）。现有技术训练学习模型（学习器）以在这些瓶颈区域上选择性地预测样本。然而，这些算法完全依赖于这个学习器生成的样本来导航通过瓶颈区域。随着规划问题的复杂性增加，使该学习器对工作空间结构的细微变化具有鲁棒性所需的数据量和时间在计算上变得难以处理。在这项工作中，我们提出了（1）一个有效的和强大的方法来使用学习器来定位瓶颈区域和（2）两个算法，使用本地采样方法来利用这些瓶颈区域的位置进行有效的运动规划，同时保持概率的完整性。我们测试我们的算法2维规划问题和7维机器人手臂规划，并报告显着的收益，以及学习的基线。
2020-06-07 cs.RO
Enhanced Probabilistic Collision Detection for Motion Planning Under Sensing Uncertainty
Department of Mechanical Engineering, National University of Singapore（国立新加坡大学机械工程系）；University of Delaware（特拉华大学）
本文提出一种增强型概率碰撞检测方法，通过超二次曲面近似物体形状并同时考虑位置与方向估计误差，将碰撞概率建模为机会约束问题求解，显著提升了感知不确定性下运动规划的鲁棒性和效率。
2025-08-27 cs.RO
Informative Path Planning for Mobile Sensing with Reinforcement Learning
Department of Computing and Software, McMaster University（麦克马斯特大学计算机与软件工程系）；McMaster University（麦克马斯特大学）；Department of Computing and Software（计算机与软件工程系）
大规模空间数据，如空气质量、热条件和位置特征，在各种应用中发挥着至关重要的作用。手动收集这些数据可能是繁琐和劳动密集型的。随着机器人技术的进步，使用具有传感和导航能力的移动机器人来自动化这些任务是可行的。然而，由于有限的电池寿命和稀缺的充电站，它是重要的规划路径的机器人，最大限度地利用数据汇集，也被称为信息路径规划（IPP）问题。在本文中，我们提出了一种新的IPP算法使用强化学习（RL）。一个受约束的探索和开发策略的设计，以解决IPP的独特挑战，并被证明具有快速收敛和更好的最优性比经典的强化学习方法。大量的实验使用真实世界的测量数据表明，该算法优于国家的最先进的算法在大多数测试情况下。有趣的是，不像现有的解决方案，必须重新执行时，任何输入参数的变化，我们的基于RL的解决方案允许一定程度的跨不同的问题实例的可转移性。
2020-02-18 cs.RO
Language-guided Active Sensing of Confined, Cluttered Environments via Object Rearrangement Planning
Purdue University（普渡大学）
本文提出首个语言引导的主动感知方法，通过物体重排规划实现受限杂乱环境中特定区域的密集感知，在仿真和真实柜式环境中验证了其优越性能与泛化能力。
2024-02-04 cs.RO
A Novel Monte-Carlo Compressed Sensing and Dictionary Learning Method for the Efficient Path Planning of Remote Sensing Robots
College of Science and Engineering, Hamad Bin Khalifa University（哈马德·本·卡西姆大学科学与工程学院）；College of Engineering, Qatar University（卡塔尔大学工程学院）
本文提出融合蒙特卡洛压缩感知与字典学习的机器人采样路径优化框架，在NO₂污染图谱重建中以不足全覆盖路径10%的行驶距离获得显著更高的重建精度。
2025-07-24 cs.RO
Search-Based Task Planning with Learned Skill Effect Models for Lifelong Robotic Manipulation
Carnegie Mellon University（卡内基梅隆大学）
部署在许多现实环境中的机器人需要能够随着时间的推移获得新技能并解决新任务。以前的技能规划工作通常对技能和任务的结构做出假设，例如子目标技能，共享技能实现或特定于任务的计划框架，这限制了对新技能和任务的适应。相比之下，我们建议通过使用在模拟中学习的高级技能效果模型在参数化技能空间中进行联合搜索来进行任务规划。我们使用迭代训练过程来有效地生成相关数据来训练这样的模型。我们的方法允许灵活的技能参数化和任务规范，以促进终身学习的通用领域。实验表明，我们的规划者能够以终身的方式整合新技能，在训练和测试任务中以更低的成本找到新的任务策略。我们还表明，我们的方法可以转移到现实世界中，而无需进一步微调。
2022-04-14 cs.RO
Bilevel Planning with Learned Symbolic Abstractions from Interaction Data
Bogazici University（博雅大学）
本文提出一种双层神经符号框架，利用学习的概率符号规则和连续效应模型，在多目标操作任务中实现高效且可靠的规划。
2026-09-10 cs.RO
Learning to Optimize UAV Path Planning for Data Sensing in Wireless Sensor Networks
South China University of Technology（华南理工大学）；South China Normal University（华南师范大学）；Aerospace Information Research Institute, CAS（中国科学院空天信息创新研究院）；Nankai University（南开大学）
针对无人机在无线传感器网络中数据感知的路径规划问题，提出景观感知元差分进化（LAMDE）框架，通过双层学习优化与变长编码策略，实现自适应规划并达到最先进性能。
2026-09-16 cs.NE cs.RO
Sensor Planning for Large Numbers of Robots
Stanford（斯坦福大学）
* 以下是摘要。请参阅论文的完整摘要。*灾难发生后，迅速定位和提取受害者至关重要，因为死亡率在头两天后迅速上升。为了协助搜救队并缩短响应时间，配备摄像头的空中机器人团队可以从事绘制建筑物地图和定位受害者等任务。这些感测任务封装了困难的（NP难）问题。简化这些任务的规划的一种方法是专注于在短时间范围内最大化感测性能。具体来说，考虑如何为一组机器人选择运动的问题，以在不久的将来最大化感知质量（感知目标）的概念，比如通过最大化机器人在接下来的几秒钟内将观察到的地图中未知空间的数量。通过定期重复这一过程，团队可以在完成感知任务时对新的观察结果做出快速反应。从技术上讲，这种规划和控制过程形成了滚动时域控制的一个例子。幸运的是，常见的感测目标受益于众所周知的单调性属性（例如，子模块），和贪心算法可以利用这些单调性属性来解决滚动优化问题，我们研究近最优。然而，贪心算法通常迫使机器人顺序地做出决策，使得规划时间随着机器人的数量而增长。此外，最近的研究顺序贪婪规划的工作表明，减少顺序步骤的数量，同时保留次优保证可能是困难的或不可能的。我们证明，停止增长的规划时间有时是可能的。要做到这一点，我们引入新的贪心算法，涉及固定数量的顺序步骤。
2021-02-08 cs.IT cs.RO cs.SY
Risk-Aware Motion Planning with Learned Trajectory Primitives and Probabilistic Safety Assessment
本文提出由径向基函数网络指导的运动规划框架，结合RBFN候选轨迹生成、碰撞概率评估与轨迹优化，在城市驾驶场景中提升风险感知并减少车辆限制违规，确保安全与可解释性。
2026-07-30 cs.RO
