arXiv Robotics· Mathai Mathew Pulicken, Laksh Nanwani, Basant Sharma, Phani Teja Singamaneni, Arun Kumar Singh, K. Madhava Krishna·· 7 小时前AI 评分31
DRIP：仅用 LiDAR 的轨迹条件分布风险人群导航规划框架
Don't Risk It!: Trajectory-Conditioned Distributional Risk for LiDAR-Only Crowd Navigation
AI 导读
研究者提出端到端仅用 LiDAR 的规划框架 DRIP，将占据栅格预测与轨迹条件下的间隙及不确定性估计结合，直接基于 LiDAR 占据栅格历史预测候选控制序列的最小机器人与障碍物间隙分布以评估碰撞风险。模型用将预测不确定性锚定在实测碰撞结果上的风险代价训练，而非仅做几何回归。在最多 45 名行人的闭环实验中，DRIP 相比 SOTA 基线成功率更高、碰撞更少且冻结行为减少。
来源：arXiv Robotics · arxiv.org