Motion Planning via Bayesian Learning in the Dark
Motion Planning via Bayesian Learning in the Dark
复制标题
通过贝叶斯黑暗学习进行运动规划
DOI：
--
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
L. Kavraki
中科院分区：
文献类型：
--
作者：
Carlos Quintero;Constantinos Chamzas;Vaibhav Unhelkar;L. Kavraki
-运动规划是从机器人操纵到自动驾驶的许多应用中的核心问题。鉴于它的重要性，已经提出了几种流派的方法来解决运动规划问题。然而，大多数现有的解决方案都需要完全了解机器人的环境；由于机器人传感器的遮挡和固有限制，这一假设在许多现实世界的应用中可能不成立。事实上，开发在部分未知环境中工作的安全运动规划算法的重点相对较少。在这项工作中，我们研究了一个能够观察机器人工作空间的人如何能够在不完全了解其工作空间的情况下为机器人进行运动规划。我们提出了一个结合机器学习和运动规划的框架，以解决从人类交互中学习的高维机器人规划运动的挑战。我们的初步结果表明，该框架可以成功地引导机器人在部分未知的环境中快速发现可行路径。
—Motion planning is a core problem in many applications spanning from robotic manipulation to autonomous driving. Given its importance, several schools of methods have been proposed to address the motion planning problem. However, most existing solutions require complete knowledge of the robot’s environment; an assumption that might not be valid in many real-world applications due to occlusions and inherent limitations of robots’ sensors. Indeed, relatively little emphasis has been placed on developing safe motion planning algorithms that work in partially unknown environments. In this work, we investigate how a human who can observe the robot’s workspace can enable motion planning for a robot with incomplete knowledge of its workspace. We propose a framework that combines machine learning and motion planning to address the challenges of planning motions for high-dimensional robots that learn from human interaction. Our preliminary results indicate that the proposed framework can successfully guide a robot in a partially unknown environment quickly discovering feasible paths.
登录
查看更多内容
使用局部 3D 工作空间分解学习采样分布以进行高维运动规划
DOI：
--
发表时间：
2022
期刊：
Proceedings of the International Conference on Robotics and Automation 2021
影响因子：
--
作者：
Chamzas, Constantinos;Kingston, Zachary;Quintero-Pena, Carlos;Shrivastava, Anshumali;Kavraki, Lydia E.
通讯作者：
Kavraki, Lydia E.
DOI：
10.15607/rss.2019.xv.023
发表时间：
2019-06
期刊：
ArXiv
影响因子：
--
作者：
Malayandi Palan;Nicholas C. Landolfi;Gleb Shevchuk;Dorsa Sadigh
通讯作者：
Malayandi Palan;Nicholas C. Landolfi;Gleb Shevchuk;Dorsa Sadigh
感知不确定性下基于鲁棒优化的高自由度机器人运动规划
DOI：
10.1109/icra48506.2021.9560917
发表时间：
2021
期刊：
2021 IEEE International Conference on Robotics and Automation (ICRA
影响因子：
--
作者：
Quintero-Pena, Carlos;Kyrillidis, Anastasios;Kavraki, Lydia E.
通讯作者：
Kavraki, Lydia E.
DOI：
10.1109/icra.2018.8460854
发表时间：
2018-05
期刊：
2018 IEEE International Conference on Robotics and Automation (ICRA)
影响因子：
--
作者：
Yuchen Cui;S. Niekum
通讯作者：
Yuchen Cui;S. Niekum
影响因子：
3.5
作者：
Hornung, Armin;Wurm, Kai M.;Burgard, Wolfram
通讯作者：
Burgard, Wolfram