AURA：面向运动学动力学系统的渐近最优鲁棒重规划框架
热点事件持续更新
AURA：面向运动学动力学系统的渐近最优鲁棒重规划框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Seyedali Golestaneh 等提出 AURA，一个面向运动学动力学（kinodynamic）系统的渐近最优元规划器框架，在执行过程中持续重规划并优化未来控制输入，以在运动不确定性下同时提升路径质量与跟踪精度。 作者称，在仿真与真实环境的多系统评测中，AURA 相比基线方法在轨迹质量、跟踪准确性和整体性能上均有一致改善。
AI 根据报道生成 · 3 小时前更新
最新进展10月9日 12:00
AURA：面向 kinodynamic 系统的渐近最优不确定性鲁棒重规划算法报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.RO 机器人学AURA：面向 kinodynamic 系统的渐近最优不确定性鲁棒重规划算法
AURA 提出一个渐近最优的元规划器框架，在执行过程中持续重规划并优化未来控制输入，以在运动不确定性下同时提升路径质量与跟踪精度。该框架在仿真与真实环境的多系统评测中，相比基线方法在轨迹质量、跟踪准确性和整体性能上均有一致改善。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月9日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。