DCLP++：利用足迹净空与相对运动进行导航学习
DCLP++: Learning to Navigate with Footprint Clearance and Relative Motion
浏览论文内容
中文总结 AI 辅助
DCLP++通过足迹净空替代传感器距离作为几何基础，结合相对运动特征，在动态环境中提升机器人导航成功率，实验显示净空方法显著优于传统距离方法。
中文摘要 AI 辅助
我们提出了DCLP++，一个局部导航框架，该框架以足迹净空作为几何基础，用于研究动态环境中的相对运动特征。每个有效的LiDAR回波在倒数编码之前，被映射到其到填充机器人足迹的最短欧几里得距离，从而用到达占用机体的距离取代了到传感器的距离。径向测量或模拟的平面相对速度提供了短时域特征，而无需在策略输入中包含静态-动态标签。初步研究使用了一个速度限制为1 m/s的矩形机器人在20个移动障碍物中。在100个固定验证任务上，两个选定的训练种子在20万环境步后，使用传感器距离的平均成功率为42%，使用足迹净空的平均成功率为70%。变体显示出混合的额外增益。这些结果支持了在评估设置中基于净空的观测；可靠的运动益处和跨机器人迁移需要进一步评估。
英文摘要
We present DCLP++, a local navigation frameworkthat uses footprint clearance as the geometric basis for studying relative motion features in dynamic environments. Each valid LiDAR return is mapped to its shortest Euclidean distance from the filled robot footprint before reciprocal encoding, replacing distance from the sensor with distance to the occupied body. Radial measurementsor simulated planar relative velocities provide short-horizon features without static-dynamic labels in the policy input. A preliminary study uses a rectangular robot with a speed limit of 1 m/s among 20 moving obstacles. On 100 fixed validation tasks, two selected training seeds yield mean success rates of 42% with sensor rangeand 70% with footprint clearance after 200,000 environment steps.Motion variants show mixed additional gains. These results supportthe clearance-based observation in the evaluated setting; reliable motion benefits and transfer across robots require further evaluation.
发表机构
- College of Information Science and Technology, Eastern Institute of Technology（东方理工大学信息科学与技术学院）
- Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University（香港理工大学航空及航空工程系）
机构由 AI 辅助整理，请以论文原文为准。
