arXiv Robotics· Sanjeev Ramkumar Sudha, Lars Ivar Hatledal, Erlend M. Coates·· 5 小时前AI 评分31
ColNav：基于包围体层次结构的不确定性感知时空碰撞检测
ColNav: Uncertainty-Aware Spacetime Collision Checking with Bounding Volume Hierarchies
AI 导读
ColNav 将目标与自车位置、速度的不确定性编码为时空管，并用包围体层次结构组织，单次树遍历即可覆盖整个时域，返回稳健的几何证书与碰撞时间估计。在预测模型失配下，ColNav 成功率达 100%，最佳基线为 65%，并在密集交通中保持最高三倍的安全间距。该方法同时支持有界集合与高斯不确定性描述，静态与动态障碍共享同一表示，并已在实体机器人上验证实时运行。
推荐理由模型分析
针对移动机器人在动态不确定环境中按采样点检测碰撞易漏检的问题，作者把目标与自车的位置、速度不确定性编码为时空管，并用包围体层次结构一次遍历覆盖整个规划时域，同时给出碰撞时间估计。摘要报告在预测模型失配下成功率达100%、最优基线为65%，密集交通中保持约三倍余量，并在实体机器人上验证实时运行；可据此判断该方法相对采样式检测的适用条件与证据边界。
来源：arXiv Robotics · arxiv.org