arXiv cs.RO 机器人学· Ale\v{s} Ku\v{c}era, Karel Zimmermann·2026-10-06 12:00· 2 天前AI 评分51

闭式传播接触最大值中的高程图不确定性

Propagating Elevation-Map Uncertainty Through the Contact Maximum in Closed Form

AI 导读

研究提出用 Clark 成对递归闭式计算接触最大值的矩，替代一阶传播与 Monte Carlo 采样，用于不确定高程图上的风险感知路径规划。在 317 段留出的 rover 路径上，修正后的 Clark fold 将均值中位误差从线性化的 2.3% 降至 0.19%，并在 90% CVaR 上取得所有方法中最低误差，GPU 上单次基准规划仅 5.5 微秒。

来源：arXiv cs.RO 机器人学 · arxiv.org

具身智能论文研究 #论文/研究 #具身智能