Gesture2Path: Imitation Learning for Gesture-aware Navigation
Stanford University（斯坦福大学）；Everyday Robots（Everyday机器人公司）；Robotics at Google（谷歌机器人部门）；Apple ML Research（苹果机器学习研究院）；Adobe Research（奥多比研究院）
随着机器人越来越多地进入以人为中心的环境，它们不仅要能够在人类周围安全地导航，还要遵守复杂的社会规范。人类通常依赖于通过手势和面部表情进行非语言交流，尤其是在人口密集的空间中。因此，机器人还需要能够解释手势，作为解决社交导航任务的一部分。为此，我们提出了Gesture 2 Path，一种新的社会导航方法，结合了基于图像的模仿学习与模型预测控制。手势是基于一个神经网络来解释的，该网络对图像流进行操作，而我们使用最先进的模型预测控制算法来解决点对点导航任务。我们将我们的方法部署在真实的机器人上，并展示了我们的方法在四种手势导航场景中的有效性：左/右，跟着我，画一个圈。我们的实验表明，我们的方法是能够成功地解释复杂的人类手势，并使用它们作为一个信号，以产生社会兼容的轨迹导航任务。我们验证了我们的方法的基础上，现场评级的参与者与机器人互动。
2022-09-19 cs.CV cs.RO
IVLMap: Instance-Aware Visual Language Grounding for Consumer Robot Navigation
本文提出实例感知视觉语言地图 IVLMap，通过融合 RGBD 视频与鸟瞰视角自然语言索引实现实例级和属性级语义建图，并结合大语言模型完成零样本端到端导航，仿真中导航准确率平均提升 14.4%。
2024-03-28 cs.AI cs.CV
Towards Increasing the Robustness of Predictive Steering-Control Autonomous Navigation Systems Against Dash Cam Image Angle Perturbations Due to Pothole Encounters
Johns Hopkins University（约翰斯·霍普金斯大学）
针对车辆碾过坑洼引发的行车记录仪图像角度扰动会导致自主导航转向预测误差的问题，本文提出补偿扰动的新模型，在公开数据集扰动样本上验证可将转向角估计误差降至2.3%，提升系统鲁棒性。
2023-10-06 cs.CV
SSCNav: Confidence-Aware Semantic Scene Completion for Visual Semantic Navigation
本文重点介绍视觉语义导航，主动代理导航到一个特定的目标对象类别在一个未知的环境中产生的行动的任务。为了完成这个任务，算法应该同时定位和导航到类别的实例。与传统的点目标导航相比，该任务要求智能体在室内环境之前具有更强的上下文。我们介绍SSCNav，一种算法，明确地使用一个信任感知语义场景完成模块来完成场景和指导代理的导航规划模型的场景先验。给定对环境的部分观察，SSCNav首先推断出一个完整的场景表示，其中包含未观察场景的语义标签以及与其自身预测相关联的置信度图。然后，策略网络从场景完成结果和置信度图推断动作。实验结果表明，该场景补全模块提高了下游导航策略的效率。视频、代码和数据：https://sscnav.cs.columbia.edu/
2021-03-22 cs.CV cs.RO
WayFAST: Navigation with Predictive Traversability in the Field
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；EarthSense Inc.（EarthSense公司）；DEVCOM Army Research Lab（DEVCOM陆军研究实验室）
我们提出了一个自我监督的方法来学习预测轮式移动机器人，需要良好的牵引力导航的可通行路径。我们的算法，称为WayFAST（无航点自主系统的可通行性），使用RGB和深度数据，以及导航经验，在户外非结构化环境中自主生成可通行的路径。我们的主要灵感是，牵引力可以估计滚动机器人使用kinodynamic模型。使用在线滚动时域估计器提供的牵引估计，我们能够以自监督的方式训练可通过性预测神经网络，而不需要以前的方法所使用的算法。我们通过在不同环境中进行广泛的现场测试来证明WayFAST的有效性，从干燥的沙滩到森林树冠和积雪覆盖的草地。我们的研究结果清楚地表明，WayFAST可以学习避开几何障碍物以及不可穿越的地形，如积雪，这对于仅提供几何数据的传感器（如LiDAR）来说是很难避免的。此外，我们表明，我们基于在线牵引力估计的训练管道比其他基于统计学的方法更有效。
2022-08-01 cs.AI cs.CV cs.LG
MG-Nav: Dual-Scale Visual Navigation via Sparse Spatial Memory
The University of Hong Kong（香港大学）；Southern University of Science and Technology（南方科技大学）
MG-Nav通过稀疏空间记忆图和VGGT-adapter模块实现双尺度视觉导航，结合全局规划与局部控制，实现零样本导航的高鲁棒性与高性能。
2025-11-27 cs.CV cs.RO
End-to-End (Instance)-Image Goal Navigation through Correspondence as an Emergent Phenomenon
Naver Labs Europe（NAVER 欧洲实验室）
针对 ImageNav 中视觉对应难学的问题，本文用跨视图补全与目标寻找两个预文本任务训练大容量双目 ViT 双编码器，在 ImageNav 和 Instance-ImageNav 上达到 SOTA。
2023-09-28 cs.CV
Evolving Graphical Planner: Contextual Global Planning for Vision-and-Language Navigation
Princeton University（普林斯顿大学）
执行有效规划的能力对于构建预防跟踪代理至关重要。当在一个新的环境中导航时，智能体面临的挑战是：（1）将自然语言指令与其逐渐增长的世界知识联系起来;（2）以有效探索和纠错的形式执行长期规划和决策。尽管作出了广泛的努力，但目前的方法在这两个方面仍然有限。在本文中，我们介绍了不断发展的图形规划（EGP），一个模型，进行全球规划的基础上原始的感官输入导航。该模型动态地构造一个图形表示，概括的行动空间，以允许更灵活的决策，并执行有效的规划代理图表示。我们使用真实感图像在具有挑战性的视觉和语言导航（VLN）任务中评估了我们的模型，并实现了与之前的导航架构相比更优越的性能。例如，我们通过纯粹的模仿学习在房间到房间导航任务的测试分割上实现了53%的成功率，比之前的导航架构高出5%。
2020-07-11 cs.AI cs.CV cs.RO
Transferable Representation Learning in Vision-and-Language Navigation
Google Research（谷歌研究院）
视觉和语言导航（VLN）任务，如房间到房间（R2R），需要机器代理解释自然语言指令，并学习在视觉上逼真的环境中行动，以实现导航目标。整体任务需要在几个感知问题的能力：成功的代理结合时空，视觉和语言理解，以产生适当的动作序列。我们的方法将预先训练的视觉和语言表示适应相关的域内任务，使它们对VLN更有效。具体地，所述表示适于解决跨模态序列比对和序列一致性任务。在序列对齐任务中，模型确定指令是否对应于视觉帧序列。在序列一致性任务中，模型确定感知序列在以预防为条件的潜在空间中是否具有预测性。通过转移域适应的表示，我们提高竞争力的代理在R2R衡量的成功率加权路径长度（SPL）度量。
2019-08-12 cs.CL cs.CV cs.LG
CAMON: Cooperative Agents for Multi-Object Navigation with LLM-based Conversations
本文提出CAMON框架，利用大语言模型通信与动态领导组织结构，实现去中心化多智能体协作导航，以更少通信达成更快共识，在多目标导航中保持无冲突与鲁棒性。
2024-06-30 cs.CL cs.CV cs.MA
GaussNav: Gaussian Splatting for Visual Navigation
University of Science and Technology of China（中国科学技术大学）；Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）
本文提出 GaussNav 框架，利用三维高斯泼溅构建保留几何、语义和纹理信息的地图，解决实例图像目标导航中跨视角识别目标物体的难题，并在 HM3D 数据集上将 SPL 从 0.347 提升至 0.578。
2025-02-04 cs.CV
VTNet: Visual Transformer Network for Object Goal Navigation
Australian National University（澳大利亚国立大学）；CSIRO-DATA61（联邦科学与工业研究组织DATA61）；University of Technology Sydney（悉尼科技大学）
对象目标导航的目的是根据对智能体的观察，引导智能体朝向目标对象。设计有效的视觉表示是决定导航行为的关键。在本文中，我们介绍了一个视觉Transformer网络（VTNet）学习信息的视觉表示在导航。VTNet是一种高效的结构，它体现了视觉表示的两个关键属性：首先，利用场景中所有对象实例之间的关系;其次，强调对象和图像区域的空间位置，以便可以学习方向导航信号。此外，我们还开发了一个预训练计划，将视觉表示与导航信号相关联，从而促进导航策略学习。简言之，VTNet将对象和区域特征与其位置线索嵌入为空间感知描述符，然后通过注意力操作将所有编码描述符合并，以实现导航的信息表示。给定这样的视觉表示，代理能够探索视觉观察和导航动作之间的相关性。例如，当视觉表示强调激活图的右侧时，智能体将优先考虑“向右转”而不是“向左转”。在人工环境AI 2-Thor中的实验表明，VTNet在看不见的测试环境中的性能明显优于最先进的方法。
2021-05-20 cs.CV
Instance-Enriched Semantic Maps for Visual Language Navigation
Department of Mechanical Engineering, Kyung Hee University（庆熙大学机械工程系）；Advanced Institutes of Convergence Technology (AICT)（融合技术高级研究院）；School of Mechanical Engineering, Kyungpook National University（庆北国立大学机械工程学院）
研究视觉语言导航问题，提出实例增强语义地图框架，通过实例级二维半丰富信息映射、基于大语言模型的鲁棒查询处理和存储高效的语义表示，提升导航性能，在相关实验中取得优于基线的结果。
2026-07-20 cs.CV cs.RO
From Region Arrival to Instance-Level Grounding in Vision-and-Language Navigation
Australian Institute for Machine Learning, Adelaide University（澳大利亚机器学习研究所，阿德莱德大学）；Ruyi Dynamics（如意动力）；Fudan University（复旦大学）；Swiss Federal Institute of Technology Lausanne (EPFL)（瑞士洛桑联邦理工学院）
研究视觉语言导航中当前评估协议局限，提出‘最后3米定位差距’及指标，构建REALM模块和REVERIE - AIM数据集，可减少过早终止，提升定位精度和视觉定位成功率。
2026-07-07 cs.CV cs.RO
Mobile Multi-Robot Navigation under Runtime Uncertainty via Koopman Operator Learning and Nonlinear Model Predictive Control
University of California, Riverside（加州大学河滨分校）
本文提出基于Koopman算子学习与非线性模型预测控制的框架，解决移动多机器人导航中的运行时不确定性（如车轮打滑），实现目标到达与编队控制，并通过数值模拟验证有效性。
2026-09-15 cs.RO
Towards Using Fast Embedded Model Predictive Control for Human-Aware Predictive Robot Navigation
University of Stuttgart（斯图加特大学）；Bosch Corporate Research（博世公司研究部门）；ARENA2036 e.V.（ARENA2036 e.V.研究园区）
本文提出 HuMAN-MPC 算法，通过基于序列二次规划实时迭代的快速嵌入式 MPC 与可行性监测，实现密集人群中主动、清晰且可实时扩展的人类感知机器人导航。
2024-05-21 cs.RO
Safe Navigation of Bipedal Robots via Koopman Operator-Based Model Predictive Control
School of Interactive Computing at the Georgia Institute of Technology（佐治亚理工学院交互计算学院）
本文提出基于Koopman算子的模型预测控制方法，用于提升双足机器人在复杂环境中的安全导航性能。
2026-03-07 cs.RO
Non-linear Model Predictive Control for Multi-task GPS-free Autonomous Navigation in Vineyards
Politecnico di Torino（都灵理工大学）
针对葡萄园 GPS 失效场景，提出基于单目 RGB-D 相机与非线性模型预测控制的无位置依赖导航系统，可适应不同作物间距并完成穿行和目标接近任务。
2024-04-08 cs.RO
Switching Sampling Space of Model Predictive Path-Integral Controller to Balance Efficiency and Safety in 4WIDS Vehicle Navigation
Nagoya University（名古屋大学）
针对4WIDS车辆导航解空间维度高、最优指令求解难的问题，提出可切换MPPI采样空间的导航架构，通过降维采样与实时空间切换，实现导航效率与安全性的平衡，仿真验证了方法的有效性。
2024-09-13 cs.RO
Model Predictive Path Integral Control Framework for Partially Observable Navigation: A Quadrotor Case Study
Université Côte d’Azur（蔚蓝海岸大学）；Inria（法国国家信息与自动化研究所）；CNRS（法国国家科学研究中心）；I3S（蔚蓝海岸大学与法国国家科学研究中心联合研究所）
近年来，模型预测路径积分（MPPI）控制算法已被广泛应用于自主导航任务，其中大多数假设成本地图是已知的，并且仅执行2D导航任务。在本文中，我们提出了一个通用的MPPI控制框架，可用于2D或3D自主导航任务，在完全或部分可观察的环境中，这是最普遍的机器人应用。该框架直接利用从机载传感系统获取的3D体素网格进行无碰撞导航。我们测试的框架，在现实的RotorS为基础的模拟，在一个混乱的环境中，完全和部分可观察的情况下，目标导向的四旋翼导航任务。初步结果表明，所提出的框架工作完美，部分可观测性下，在二维和三维杂乱的环境。
2020-10-14 cs.RO cs.SY eess.SY
Open-Set 3D Semantic Instance Maps for Vision Language Navigation -- O3D-SIM
本研究提出O3D-SIM，一种利用基础模型构建带实例级嵌入的3D点云地图的方法，以增强视觉语言导航中的语义理解和物体识别能力，提高语言引导任务的成功率。
2025-10-25 cs.CV cs.RO
Predictive and adaptive maps for long-term visual navigation in changing environments
Artificial Intelligence Center, Czech Technical University（捷克技术大学人工智能中心）；Technical University of Cartagena, Spain（西班牙卡塔加纳技术大学）；Australian Centre for Robotic Vision, QUT（澳大利亚机器人视觉中心，昆士兰大学）
本文比较了不同地图管理技术用于变化环境中的长期视觉导航，提出策略通过建模环境外观的周期性变化以提升机器人定位精度。
2026-03-12 cs.RO
Hybrid Decision Making for Scalable Multi-Agent Navigation: Integrating Semantic Maps, Discrete Coordination, and Model Predictive Control
Eindhoven University of Technology（埃因霍温理工大学）；KU Leuven（鲁汶大学）；Flanders Make（弗兰德斯制造）
本文提出一种多智能体导航框架，通过集成共享语义地图、声明策略与模型预测控制器，在结构化动态环境中执行区域占用约束、提升计算可扩展性并避免死锁，仿真与物理实验验证了其有效性。
2024-10-16 cs.RO
Intent Prediction-Driven Model Predictive Control for UAV Planning and Navigation in Dynamic Environments
Carnegie Mellon University（卡内基梅隆大学）
针对动态环境下无人机导航感知不可靠、轨迹易失效的问题，提出整合感知、MDP意图预测与MPC规划的导航框架，经仿真与实物实验验证，其碰撞次数少于基准方法，提升了导航安全性。
2025-03-23 cs.RO
Robot Localization and Navigation through Predictive Processing using LiDAR
Radboud University（拉德堡德大学）
了解机器人在世界上的位置对于导航至关重要。如今，贝叶斯滤波器，如卡尔曼滤波器和基于粒子的滤波器，是移动机器人中的标准方法。最近，端到端学习已经允许扩展到高维输入和改进的泛化。然而，提供可靠的激光导航仍然存在局限性。在这里，我们展示了一个概念验证的预测处理启发的方法，感知应用于定位和导航使用激光传感器，而不需要里程计。我们通过自监督学习学习激光器的生成模型，并通过变分自由能界上的随机梯度下降进行在线状态估计和导航。我们评估了一个移动机器人（TIAGo基地）与激光传感器（SICK）在凉亭的算法。结果表明，改进的状态估计性能相比，一个国家的最先进的粒子滤波器在没有里程计。此外，相反，标准的贝叶斯估计方法，我们的方法也使机器人导航时，提供所需的目标，通过推断的行动，最大限度地减少预测误差。
2021-09-09 cs.AI cs.RO
Predictive Training with Latent Imagination for Visual Quadruped Navigation
Anker Spatial Perception Lab（安克空间感知实验室）
研究有腿机器人在动态环境中导航问题，核心方法是用辅助预测器和正则化增强反应式导航主干进行预测训练，主要贡献是提高导航成功率、降低碰撞率并实现零样本模拟到现实的迁移。
2026-07-21 cs.AI cs.RO
Real-time Model Predictive Control with Zonotope-Based Neural Networks for Bipedal Social Navigation
Georgia Institute of Technology（佐治亚理工学院）；College of Engineering and Petroleum, Kuwait University（科威特大学工程与石油学院）
针对动态人群中的双足导航问题，提出基于zonotope的级联神经网络PPN与ESN，并将ESN与模型预测控制结合实现无碰撞轨迹规划，在双足机器人Digit仿真中验证了框架的有效性。
2024-03-25 cs.RO
Collision-Free Navigation of Mobile Robots via Quadtree-Based Model Predictive Control
Electrical Engineering, Chalmers University of Technology（电子工程系，查尔姆斯理工大学）
本文提出面向自主移动机器人的集成导航框架，结合基于四叉树的无碰撞区域生成与模型预测控制，整合全流程模块，在复杂环境中实现了优于基线方法的可靠无碰撞导航。
2025-11-17 cs.RO cs.SY eess.SY
Nonlinear Model Predictive Control with Obstacle Avoidance Constraints for Autonomous Navigation in a Canal Environment
Korea Advanced Institute of Science and Technology（韩国科学技术院）
针对运河狭窄环境下小型巡航船的自主导航需求，提出带避障约束的非线性模型预测控制方法，通过系统辨识适配船舶动力学，结合LiDAR点云构建避障约束，经浦项运河实地实验验证了有效性。
2023-07-19 cs.RO
Multi-Robot Cooperative Navigation in Crowds: A Game-Theoretic Learning-Based Model Predictive Control Approach
University of Delaware（特拉华大学）；Cornell University（康奈尔大学）；Honda Research Institute USA, Inc.（美国本田研究院有限公司）
本文提出一种结合局部模型预测控制与社交长短期记忆的框架，通过将多机器人导航和人际交互建模为博弈并采用迭代最佳响应求解，实现拥挤环境下多机器人协同导航。
2023-10-10 cs.MA cs.RO
Predictive Modeling in AUV Navigation: A Perspective from Kalman Filtering
本文提出一种安全导向框架，通过卡尔曼滤波提升AUV定位精度和轨迹预测，增强通信中断时的搜索效率。
2026-03-28 cs.RO
Hierarchical Scoring with 3D Gaussian Splatting for Instance Image-Goal Navigation
NYUAD Center for Artificial Intelligence and Robotics (CAIR)（纽约大学阿布扎比分校人工智能与机器人中心）；New York University Abu Dhabi（纽约大学阿布扎比分校）；New York University（纽约大学）；Embodied AI and Robotics (AIR) Lab（具身人工智能与机器人实验室）；School of Software, Tsinghua University（清华大学软件学院）
针对实例图像目标导航中随机视角采样导致的冗余问题，提出融合CLIP语义相关性与局部几何评分的3DGS分层视角选择框架，取得SOTA性能并适用于真实场景。
2025-06-09 cs.CV cs.RO
Hey Robot! Personalizing Robot Navigation through Model Predictive Control with a Large Language Model
University of Zaragoza（萨拉戈萨大学）；TU Delft（代尔夫特理工大学）
本文提出一种基于大型语言模型和模型预测控制的零样本方法，通过自然语言指令个性化调整机器人导航行为，并在模拟和真实实验中验证其有效性。
2024-09-20 cs.RO
Model Predictive Planner for UAV Navigation in Non-Convex Air Corridors
Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）；University of Bergamo（贝加莫大学）
研究无人机在非凸空中走廊的导航规划，核心方法是基于混合整数跟踪模型预测控制公式，嵌入特定成本与约束，主要贡献是生成满足约束且收敛目标的动态有效轨迹，无需外部全局规划。
2026-07-28 cs.RO cs.SY eess.SY
Towards Local Minima-free Robotic Navigation: Model Predictive Path Integral Control via Repulsive Potential Augmentation
Keio University（庆应义塾大学）；Nagoya University（名古屋大学）
提出一种基于排斥势增强的模型预测路径积分控制运动规划方法，无需全局路径引导即可主动避免局部最小值，在不降低计算效率的同时提升了全局最优性。
2024-11-09 cs.RO
A Topological Representation with Object-Path Graphs for Open-Vocabulary Instance Navigation
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
提出对象-路径图统一开放词汇语义推理与拓扑导航，实现无需稠密度量地图的全局规划与局部执行，在HM3D和Replica上验证有效。
2026-09-22 cs.RO
Collision-Free Robot Navigation in Crowded Environments using Learning based Convex Model Predictive Control
College of Mechanical and Electrical Engineering, China Jiliang University（中国计量大学机电工程学院）
本文提出一种结合深度强化学习、凸无障碍区域与模型预测控制的机器人导航框架，通过从激光雷达数据中提取凸区域并设计无碰撞动作空间，在拥挤复杂环境中实现了优于时间弹性带方法的导航性能。
2024-10-19 cs.RO
Uncertainty-aware hybrid paradigm of nonlinear MPC and model-based RL for offroad navigation: Exploration of transformers in the predictive model
McGill University（麦吉尔大学）
该研究提出一种融合非线性MPC与基于模型RL的越野导航混合方案，用transformer替代BADGR的LSTM提升预测性能，通过模型集成估计不确定性实现动态规划，结合车辆运动学优化决策，效果优于现有基线。
2023-10-01 cs.RO
Semantic-Aware Predictive Mapping for Exploration and Navigation
ST Engineering（新科工程）；National University of Singapore（新加坡国立大学）
本研究提出语义感知预测建图，利用门语义线索改善机器人探索与导航中模糊区域的占据补全，实验显示局部门区域L1误差显著降低，F1和IoU提升至1.0。
2026-10-08 cs.RO
Social Navigation in Crowded Environments with Model Predictive Control and Deep Learning-Based Human Trajectory Prediction
University of Delaware（特拉华大学）；Cornell University（康奈尔大学）；Honda Research Institute USA, Inc.（美国本田研究院有限公司）
该研究提出将 Social-LSTM 行人轨迹预测与 MPC 规划耦合，在模拟人群中实现考虑多智能体交互的社会导航，并优于多种强化学习基线。
2023-09-28 cs.MA cs.RO
OpenIN: Open-Vocabulary Instance-Oriented Navigation in Dynamic Domestic Environments
Beijing Institute of Technology（北京理工大学）；University of Nottingham Ningbo China（宁波诺丁汉大学）
针对动态家庭中同类别多实例目标位置和承载物变化的问题，本文提出OpenIN，利用可动态更新的开放词汇CRSG与结合LLM常识和视觉-语言相似度的MDP策略实现实例导航。
2025-01-08 cs.RO
HUMEMBR: Learning Human Routines for Predictive Embodied Navigation
Kiel University, Germany（德国基尔大学）；George Mason University, USA（美国乔治·马歇尔大学）
提出HUMEMBR系统，通过连续记忆构建与并行检索机制，实现基于人类日常行为的具身问答和导航，相比全上下文LLM基线在长时推理上更高效。
2026-06-29 cs.RO
A Collision-Free Sway Damping Model Predictive Controller for Safe and Reactive Forestry Crane Navigation
Automation & Control Institute (ACIN), TU Wien（自动化与控制研究所（ACIN），维也纳技术大学）；Center for Vision, Automation & Control, AIT Austrian Institute of Technology GmbH（视觉、自动化与控制中心，奥地利技术研究所）
本文提出了一种无碰撞的摇摆阻尼模型预测控制器，用于林业起重机的安全导航和实时环境适应。
2026-02-10 cs.RO
Learning Model Predictive Controllers with Real-Time Attention for Real-World Navigation
Everyday Robots（日常机器人公司）；Hoku Labs（霍库实验室）；George Mason University（乔治梅森大学）
尽管经过数十年的研究，现有的导航系统在野外部署时仍然面临现实世界的挑战，例如，在杂乱的家庭环境中或在人类占据的公共空间中。为了解决这个问题，我们提出了一类新的隐式控制策略相结合的模仿学习的好处与强大的处理系统的约束条件，从模型预测控制（MPC）。我们的方法，称为Performer-MPC，使用一个学习的成本函数参数化的视觉上下文嵌入提供的表演者-一个低秩的隐式注意力Transformer。我们共同训练的成本函数，并构造控制器依赖于它，有效地解决了端到端的相应的双层优化问题。我们表明，由此产生的政策提高了标准MPC的性能，利用一些专家演示所需的导航行为在不同的挑战性的现实世界的情况下。与标准MPC策略相比，Performer-MPC在杂乱环境中实现的目标提高了>40%，在人类周围导航时，社交指标提高了>65%。
2022-09-24 cs.AI cs.LG cs.RO
Flying to Image-Specified Objects: 3D Quadrotor Navigation via Cross-Graph Memory and Viewpoint Planning
提出分层导航框架，通过视点感知动作节点和轻量语义记忆，实现四旋翼在连续3D空间中高效、安全地导航至查询图像中的目标物体。
2026-06-29 cs.RO
MonoMPC: Monocular Vision Based Navigation with Learned Collision Model and Risk-Aware Model Predictive Control
Institute of Technology, University of Tartu（塔尔图大学技术学院）；International Institute of Information Technology-Hyderabad（海得拉巴国际信息科技研究所）；Estonian Aviation Academy（爱沙尼亚航空学院）
MonoMPC通过学习碰撞模型和风险感知MPC规划器，实现基于单目视觉的导航，在复杂环境中提高导航性能和安全性。
2025-11-26 cs.RO
Instance-Level Semantic Maps for Vision Language Navigation
KCIS, International Institute of Information Technology, Hyderabad（印度海得拉巴国际信息技术学院KCIS）；CSAIL, MIT（麻省理工学院计算机科学与人工智能实验室）；Hasan Kalyoncu University（哈桑·卡尔永朱大学）
本研究提出将实例级信息整合到空间地图表示中，并利用LLMs学习的词本体执行开放集语义关联，以解决现有VLN方法无法区分同一物体不同实例的局限，使导航性能提升了233%。
2023-07-01 cs.RO
Methods for Collision-Free Navigation of Multiple Mobile Robots in Unknown Cluttered Environments
自主车辆的导航和引导是机器人学的一个基本问题，近几十年来吸引了大量的研究。这份报告主要涉及可证明的碰撞避免多个自主车辆在未知的杂乱环境中运行，使用反应分散导航法，障碍物信息由一些传感器系统提供。最近，基于模型预测控制的导航系统的鲁棒和分散的变体已被应用于车辆导航问题。属性，如可证明的碰撞避免下的干扰和可证明的收敛到一个目标已被证明;然而，这些往往需要显着的计算和通信能力，不考虑传感器的约束，使实时使用有些困难。似乎还有机会在易处理性、最优性和鲁棒性之间进行更好的权衡。本文的主要工作如下：第一，将鲁棒模型预测控制概念与基于局部路径规划的反应式导航策略相结合，分别应用于具有加速度约束和扰动的完整和单一车辆模型;第二步，将模型预测控制类型的方法扩展到关于障碍物的信息仅限于离散射线的情况，基于传感器模型，可证明安全，收敛边界以下，可以显示;第三，新的约束条件的发展，允许分散协调多个车辆使用一个强大的模型预测控制型方法，其中一个单一的通信交换使用每个控制更新，车辆被允许同时执行规划，并避免一致性目标。
2014-01-27 cs.RO math.OC
Model Predictive Control for Crowd Navigation via Learning-Based Trajectory Prediction
Continental Automotive GmbH, Germany（德国Continental汽车有限公司）；Technical University of Berlin, Germany（柏林技术大学）；Free University of Berlin, Germany（柏林自由大学）
本研究在 Continental Corriere 机器人上评估了基于深度学习的 SI 预测器与 MPC 框架的集成，发现 SI-MPC 相比传统 CV 模型显著降低了预测误差并提升了导航安全性与平滑度，同时揭示了开环指标与闭环性能间的差异。
2025-08-09 cs.AI cs.RO cs.SY
Modular Control Architecture for Safe Marine Navigation: Reinforcement Learning and Predictive Safety Filters
Norwegian University of Science and Technology（挪威科技大学）；SINTEF Digital（辛特夫数字研究院）
本文提出将强化学习与预测安全滤波器相结合的模块化控制架构，用于自主船舶安全导航，在Cybership II仿真中验证其能在不降低学习性能的前提下有效保证安全约束。
2024-04-02 cs.AI cs.RO
Offline Deep Model Predictive Control (MPC) for Visual Navigation
International Artificial Intelligence Center of Morocco（摩洛哥国际人工智能中心）；Mohammed VI Polytechnic University（穆罕默德六世理工大学）；ENSAM（高等艺术与制造学院）；Moulay Ismail University（穆莱·伊斯梅尔大学）
针对单RGB相机视觉导航问题，提出结合ViewNet与VelocityNet的离线深度MPC方法，在VT&R框架下实现轨迹跟随，兼具低计算资源需求与高精度，经仿真验证可有效降低轨迹度量误差。
2024-02-07 cs.RO
Data-Driven Risk-sensitive Model Predictive Control for Safe Navigation in Multi-Robot Systems
Indian Institute of Technology (IIT) Kharagpur（印度理工学院卡拉格普尔分校）
安全导航是多机器人系统中的一个基本挑战，这是由于机器人未来轨迹的不确定性，这些机器人相互之间充当障碍物。在这项工作中，我们提出了一个原则性的数据驱动的方法，每个机器人反复解决有限的地平线优化问题，避免碰撞的约束，后者被制定为分布式强大的条件风险值（CVaR）的代理和多面体障碍几何之间的距离。具体而言，CVaR约束要求对所有接近经验分布的分布都成立，该经验分布是从执行期间收集的预测误差的观察样本构建的。该方法的一般性使我们能够鲁棒性地对抗在分布式和分散式设置中通常施加的假设下产生的预测误差。我们推导出易于处理的有限维近似这类约束，利用凸和极大极小对偶结果Wasserstein分布鲁棒优化问题。在Gazebo平台上实现的多无人机导航环境中说明了所提出方法的有效性。
2022-09-16 cs.RO cs.SY eess.SY
Self-Predictive Representation for Autonomous UAV Object-Goal Navigation
Escola Politécnica de Pernambuco, Universidade de Pernambuco（巴伊兰联邦大学皮奥伊技术学院）；School of Computer Science and Engineering, University of New South Wales（新南威尔士大学计算机科学与工程学院）；School of Mechanical and Manufacturing Engineering, University of New South Wales（新南威尔士大学机械与制造工程学院）；Escuela de Ingeniería, Universidad Central de Chile（智利中央大学工程学院）
本文提出自预测模型AmelPred，用于提升无人机在3D目标-目标导航中的数据样本效率和规划性能。
2026-04-22 cs.RO
Socially Acceptable Bipedal Robot Navigation via Social Zonotope Network Model Predictive Control
Georgia Institute of Technology（佐治亚理工学院）；Kuwait University（科威特大学）
本研究提出基于社会Zonotope网络模型预测控制（SZN-MPC）的框架，通过耦合预测与运动规划，实现双足机器人Digit在拥挤人群中的社会可接受导航。
2024-06-24 cs.RO
