arXiv cs.RO 机器人学· Shaohang Han, Joris Verhagen, Kaier Liang, Jana Tumova·· 5 小时前精选AI 评分49
Risk STL 信念空间规划转化为混合整数凸规划
Belief Space Planning for Risk Signal Temporal Logic via Mixed-Integer Convex Programming
AI 导读
论文针对高斯信念空间下的 Risk STL（RiSTL）规划问题，用信念的信息形式参数化结合信念动力学的凸松弛，将其转化为混合整数凸规划（MICP）。作者证明该 MICP 是可靠且完备的，并且松弛保留了全局最优输入轨迹，最后通过数值仿真验证了方法的有效性。
推荐理由
论文证明了该凸松弛保持全局最优输入轨迹，读者可据此判断其相对梯度法的理论优势。
来源：arXiv cs.RO 机器人学 · arxiv.org