物理信息学习在机器人运动规划中的应用探索丨周日直播·具身智能读书会

文章预览

导语 运动规划是机器人完成任务的关键环节，传统运动规划方法的效率相对较低，基于机器学习的运动规划算法提升了效率，但是面临对专家数据依赖性强的问题。那么，无需依赖大量专家数据的情况下，是否可以实现让机器人在复杂环境中高效避障？本次分享，普渡大学的倪瑞祺博士将为我们分享他们的一系列工作，运动规划与物理信息学习的跨界融合。 分享简介 运动规划是机器人完成任务的关键环节。近年来，基于学习的方法提升了运行效率，但普遍依赖大量传统规划器生成的轨迹作为监督，数据成本高。本次分享将介绍我们的一系列研究成果：基于物理信息学习的运动规划方法。该方法无需专家演示，只利用机器人与障碍物的距离训练神经网络，通过求解 Eikonal 方程实现高效的路径生成。 分享大纲 1. 为什么用偏微分方程（PDE）建模运动 ………………………………