自动驾驶

Fast Expanding Safe Circular Regions for Efficient Local Path Planning

快速扩展的安全圆形区域用于高效的局部路径规划

Scott Fredriksson, Akshit Saradagi, George Nikolakopoulos

机构 * Robotics and Artificial Intelligence Team（机器人与人工智能团队） ； Luleå University of Technology（卢勒奥理工大学） 纠错

专题命中 规划控制 ：LiDAR(summary_cn,abstract)；分类 cs.RO

AI总结 本文提出一种几何算法，通过局部LiDAR扫描生成扩展的圆形区域，实现更快的计算和更长的规划时间，用于局部导航。

Comments Accepted by the IFAC World Congress 2026

Flatness-based trajectory planning for 3D overhead cranes with friction compensation and collision avoidance

基于平坦性的3D龙门起重机轨迹规划方法，包含摩擦补偿与碰撞避免

Jorge Vicente-Martinez, Edgar Ramirez-Laboreo

机构 * Departamento de Informatica e Ingenieria de Sistemas (DIIS)（信息与系统工程系（DIIS）） ； Instituto de Investigacion en Ingenieria de Aragon (I3A)（阿列尼亚工程研究所（I3A）） ； Universidad de Zaragoza（萨拉戈塔大学） 纠错

专题命中 规划控制 ：trajectory planning(title)；分类 cs.RO

AI总结 本文提出一种利用微分平坦性优化3D龙门起重机轨迹生成方法，通过直接纳入非线性摩擦和碰撞避免等复杂约束，实现安全高效的运动控制。

Comments 6 pages, 8 figures. Final version, after peer review and acceptance, submitted to the 23rd IFAC World Congress

Wind-Aware Optimal Trajectory Planning for Efficient Gliding of Fixed-Wing Aerial Systems

考虑风的高效滑翔轨迹规划

Luca Morando, Nishanth Bobbili, Giuseppe Loianno

机构 * New York University（纽约大学） ； University of California Berkeley（加州大学伯克利分校） 纠错

专题命中 规划控制 ：trajectory planning(title)；分类 cs.RO

AI总结 本文提出非线性多目标轨迹规划器，通过伯恩斯坦多项式生成三次连续轨迹，结合风速估算优化滑翔性能，实验证明在风扰和障碍物情况下具有稳定性和可靠性。

Comments Accepted for publication at IEEE International Conference on Robotics and Automation (ICRA 2026) held in Vienna

Journal ref IEEE International Conference on Robotics and Automation (ICRA 2026) held in Vienna

Constrained MPC-Based Motion Planning for Morphing Quadrotors in Ultra-Narrow Passages under Limited Perception

基于约束MPC的形态四旋翼运动规划在超狭窄通道中的应用

Harsh Modi, Xiao Liang, Minghui Zheng

机构 * Department of Civil & Environmental Engineering, Texas A&M University（土木与环境工程系，德克萨斯农工大学） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出一种运动规划框架，用于在极端受限环境中为变形四旋翼规划形态和轨迹。通过开发一种新颖的障碍物避障成本函数，使四旋翼能够在有限的2D激光雷达感知下导航通过极狭窄的缝隙。

Best-of-Both-Worlds for Heavy-Tailed Markov Decision Processes

兼顾最佳的双世界方法用于厚尾马尔可夫决策过程

Yu Chen, Yuhao Liu, Jiatai Huang, Yihan Du, Longbo Huang

机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University, Beijing, China（清华大学交叉信息研究院） ； Beijing ZhuoShi Capital Co., Ltd., China（北京中关村资本有限公司） ； ESD, Singapore University of Technology and Design, Singapore（新加坡科技与设计大学ESD学院） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出HT-FTRL-OM和HT-FTRL-UOB算法，针对厚尾马尔可夫决策过程，在对抗环境和自界环境实现最佳双世界保证，分别获得实例无关和对数实例依赖的 regret。