HERON：实时障碍感知可达图预测
热点事件持续更新
HERON：实时障碍感知可达图预测
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月30日，arXiv Robotics 刊出 G. Dupoiron 等作者的预印本，提出 HERON——一种面向移动机械臂的实时障碍感知可达图（RM）预测方法。该方法用 3D U-Net 从实时深度相机数据预测可达图，先以 cuRobo 的 GPU 加速逆运动学计算可达图，在合成场景上训练，再用真实深度数据训练，最终以 TensorRT 和 INT8 量化部署在 Jetson AGX Orin 上。报道称，HERON 预测机械臂周围 2.56 m 立方体区域的可达图平均耗时 115 ms，实测系统速率 8.57 Hz，接近障碍地图 10 Hz 的更新频率；而用 cuRobo 计算同一地图约需 90 分钟。精度方面，以 cuRobo 结果为基准，FP32 模型下 95% 的体素落在 51 个类别中 1 个类别以内，INT8 模型下落在 3 个类别以内，Pearson 相关系数为 0.99，二次加权 kappa 高于 0.9；精度下降主要出现在工作空间边界。上述数据均来自该预印本自述。
AI 根据报道生成 · 3 小时前更新
最新进展10月30日 12:00
HERON：面向移动机械臂的实时障碍感知可达图报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv RoboticsHERON：面向移动机械臂的实时障碍感知可达图
HERON 用 3D U-Net 从实时深度相机预测障碍感知可达图，在 Jetson AGX Orin 上以 TensorRT 和 INT8 量化部署，预测机械臂周围 2.56 m 立方体区域平均耗时 115 ms，系统速率 8.57 Hz，接近障碍地图 10 Hz 的更新频率。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月30日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。