arXiv Robotics· Arian Hajizadeha, Javad Pourrafia, Negar Shenavara, Sana Bashiria, Seyed Majid Esmailzadeh·· 5 小时前AI 评分31
OASIS：融合优化状态与安全约束的自主移动机器人导航子目标推断框架
OASIS: Optimization-Aware Subgoal Inference with Safety Constraints for Autonomous Mobile Robot Navigation
AI 导读
OASIS 是一个分层导航框架，将控制器优化结果反馈给基于 Soft Actor-Critic 的高层策略以生成局部子目标，由非线性模型预测控制器在运动限制、几何避障和高阶控制屏障函数约束下跟踪。在五个含静态与移动障碍的导航场景中，OASIS 取得最高综合导航成功率，三个训练种子下均优于无优化状态输入的相同分层结构，且主优化失败更少、平均控制器耗时相近。
推荐理由模型分析
该研究把模型预测控制的优化结果反馈给强化学习子目标策略，使高层决策能感知下层控制是否可行，减少几何合理但控制失败的情况。在五个含静态与移动障碍的仿真场景中，其导航成功率高于分层与直接目标基线，且优化失败更少、控制器耗时相近。适合关注机器人导航、RL与MPC结合的研究者参考，但结论限于仿真与特定训练种子，尚未验证实机部署。
来源：arXiv Robotics · arxiv.org