arXiv Robotics· Chuanlin Zuo, Milo\v{s} Pr\'{a}gr, Arun Kumar Singh, Mohammad Loni, Reza Ghabcheloo·· 2 小时前AI 评分31
ProTrav：传播高程不确定性的概率可通行性用于风险感知越野导航
ProTrav: Probabilistic Traversability with Elevation Uncertainty Propagation for Risk-aware Off-road Navigation
AI 导读
ProTrav 用稀疏变分高斯过程（SVGP）重建概率高程场，再通过后验函数空间采样生成空间相关的地形实现，将高程不确定性经几何特征传播为可通行性代价分布。该方法以均值与标准差分别量化期望代价与不确定性，并用基于矩的上置信界（UCB）风险项接入 MPPI 控制器。仿真中不同地形导航成功率超过 90%，基线低于 40%，同时减少姿态变化，并在真实越野地形机器人上完成验证。
来源：arXiv Robotics · arxiv.org