神经算子 PUN：噪声下的规划方法

提出 Planning Under Noise（PUN），一种学习噪声感知值场的神经算子，用于在未见几何环境中进行规划。该方法在障碍物上施加反射 Neumann 边界条件、在目标点施加 Dirichlet 条件，并将蒙特卡洛求解器 Walk on Stars（WoSt）扩展至高维，从含噪、部分收敛的蒙特卡洛标签中学习几何到值场的映射。