提出滚动时域下一最优视点规划方法

Ayse Gul Yildiz 与 Rekha Raja 提出滚动时域下一最优视点（RH-NBV）规划器，把局部目标感知建模为短时序视点规划问题，评估候选视点序列而非孤立视点，并在仿真与实机上完成评测。 评测在 UR5e 机械臂（眼在手上 RGB-D 相机）上进行，对照基于梯度的 NBV 规划器与随机搜索，对象包括受控遮挡的咖啡杯、Stanford bunny 及存在自然自遮挡的番茄植株。作者称 RH-NBV 在强遮挡目标上收益最大，而短视 NBV 在可见性受限较少时仍有竞争力且成本低得多。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。