基于LiDAR的施工机器人路径修正GNN框架

2026年10月27日，arXiv Robotics 刊出 Yilong Chen、Yong K. Cho 提交的论文，提出一种仅用 LiDAR 的实时仿真到现实（sim-to-real）GNN 框架，用于建筑机器人的交互感知路径修正。据该报道，框架从无标注演示中学习：以匀速外推生成残差学习目标，由 GNN 建模机器人、行人与目标之间的上下文关系；部署阶段用扩展卡尔曼滤波跟踪 LiDAR 检测以构建动态图，并通过与规划器无关的接口偏移规划路径点。目前该工作处于论文发布阶段，报道未提及实机验证结果、数据集规模或开源情况。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。