SOCA:面向局部路径规划的语义物体类别感知代价图层

《Applied Sciences》:SOCA: A Semantic Object-Class-Aware Adaptive Obstacle Avoidance Framework for Autonomous Mobile Robots

【字体: 大 中 小 】 时间:2026年10月24日 来源:Applied Sciences 2.5

编辑推荐:

   摘要

  

摘要

传统的局部规划器将障碍物视为统一的几何实体,而不论物体是可变形的、易碎的还是人。本文提出了SOCA(Semantic Object-Class-Aware,语义物体类别感知),一种语义代价图层,适用于未经修改的动态窗口法(DWA)规划器。在给定外部提供的物体身份或语义安全类别(SSC)以及平面几何信息的情况下,SOCA将五个导航安全属性转化为类别依赖的排除核心和分级代价带。SOCA与DWA及两个类别盲基线在750次Gazebo仿真实验和300次物理实验中进行了对比,其中包括120次有记录的实验。在单个障碍物条件下,SOCA分别与塑料袋、玻璃器皿和人体模型保持了0.35米、0.40米和0.91米的间距,而DWA仅为0.23–0.28米。在三个物体的条件下,SOCA在每种标签排列下均比DWA保持了更大的人员类别间距(p = 0.002),但通行时间增加了0.3–0.8秒。在机器人实际测试中,SOCA在所有30个配对分组中,对每种物体类别均比DWA保持了更大的间距,且比统一基线更快。强制指定标签会使间距向所分配类别偏移,且在测试的速率系数和增大的首选间距下,类别排序得以保持。这些结果适用于具有已知标签的静态物体;动态实体不在当前研究范围内。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号