提出从视觉示教学习关键点约束的安全运动规划框架

Zheng Qiu 等研究者提出 Keypoint Constraint Learning（KCL）框架，从视觉示教中学习任务相关运动约束并用于安全规划。该方法用分割、视觉特征聚类和点跟踪提取的稀疏 3D 物体关键点与语义掩码质心表示示教，在这一降维几何空间中学习关键点动力学，并通过施加 KKT 最优性条件推断距离与方向约束，使专家轨迹可行且近似局部最优。 论文称，在从导航到刚性/可变形操作的视觉示教上评估显示，KCL 能恢复多阶段几何约束，并在下游安全规划中优于基线。

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。