LiDAR无标签轨迹路径修正框架提出

Yilong Chen 与 Yong K. Cho 提出一种仅用 LiDAR 的实时框架，从无标注演示中学习交互感知的路径修正，面向施工机器人。方法用匀速外推生成残差学习目标，由 GNN 建模机器人、行人与目标上下文的关系；部署时用扩展卡尔曼滤波跟踪 LiDAR 检测构建动态图，并通过与规划器无关的接口偏移规划器生成的路径点。 在砌砖试验中，该 GNN 使路径不规则度降低 39.2%，并提高了最小 TTC。消融实验支持 1.0 秒预测区间，并确认目标上下文、反射增强与特征归一化的作用。

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。