LECO：离线学习直接控制策略实现动态目标跟踪

Bing Sun等作者提出LECO框架，将动态目标跟踪的在线轨迹优化转为离线学习直接控制策略，并借助可微运动学模型让轨迹级目标直接指导控制学习。 在三种仿真障碍密度下，LECO的均方根线性加加速度比该指标最优对比方法降低14.1%–31.2%，跟踪成功率最高，单周期计算耗时4.25–5.63 ms。部署时设有预测安全锁：当预测运动不安全或目标预测无效时，切换到经典规划与控制作为后备。作者称，在两个机器人平台上的实验进一步展示了室内狭窄通道和室外森林环境中的跟踪。 上述性能数据来自仿真实验，安全锁与实机跟踪为作者报告的设计与实验结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。