RH-NBV滚动时域视点规划方法提出

2026年10月15日，arXiv Robotics 报道，Ayse Gul Yildiz 与 Rekha Raja 提出滚动时域下一最佳视角规划器 RH-NBV，用于严重遮挡下的目标感知。该方法将局部目标感知建模为短时域序列视点规划问题，评估未来视角候选序列而非孤立视角。研究在 UR5e 机械臂配 eye-in-hand RGB-D 相机的仿真与实物实验中，与基于梯度的 NBV 规划器及随机搜索对比，测试对象包括受控遮挡下的马克杯、斯坦福兔子以及自然自遮挡的番茄植株。在最严重遮挡的马克杯配置下，RH-NBV 的 ROI 覆盖率达 63.8%，单步 NBV 基线为 34.2%；遮挡表面召回率 85.5%，基线为 7.4%。报道称 RH-NBV 对强遮挡目标收益最大，而在可见性约束较弱时，短视 NBV 仍具竞争力且成本明显更低。目前进展为方法提出与实验评估。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。