arXiv · cs.RO· Taiga Ikeshima·· 4 天前精选AI 评分65
基于距离场驱动的强化学习实现反应式鲁棒碰撞避免
Distance Field Driven Reinforcement Learning for Reactive and Robust Collision Avoidance
AI 导读
本文提出了一种将欧几里得距离场(EDF)直接集成到观察空间的强化学习框架，在7自由度冗余机械臂上验证了该方法的有效性。该方法实现了从仿真到实体的零样本迁移，尽管仅使用随机静态物体进行训练，部署后的策略能够泛化到未见过的真实环境，并表现出对动态障碍物的鲁棒在线避障能力。
推荐理由
将欧几里得距离场直接融入观察空间，实现了从仿真到实体的零样本迁移，为复杂环境中的实时避障提供了新思路。
来源：arXiv · cs.RO · arxiv.org