论文学习-从感知到决策：一种自动地面机器人的端到端运动规划的数据驱动方法

最新推荐文章于 2025-08-27 11:52:32 发布

原创

最新推荐文章于 2025-08-27 11:52:32 发布 · 620 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习

本文介绍了一种利用卷积神经网络实现的自动地面机器人端到端运动规划方法。通过CNN处理激光数据，结合目标位置信息，输出二维速度指令。模型在仿真和实物测试中表现出良好的适应性和导航性能，尤其在动态避障场景下展现出潜力。

首先整理一下卷积神经网络吧，我先看了一下知乎机器之心的回答 https://www.zhihu.com/question/52668301。

卷积层与过滤器，是为了提取特征，层数越深，特征越高级。“随着进入网络越深和经过更多卷积层后，你将得到更为复杂特征的激活映射。在网络的最后，可能会有一些过滤器会在看到手写笔迹或粉红物体等时激活。有趣的是，越深入网络，过滤器的感受野越大，意味着它们能够处理更大范围的原始输入内容（或者说它们可以对更大区域的像素空间产生反应）。完全连接层观察高级特征和哪一分类最为吻合和拥有怎样的特定权重，因此当计算出权重与先前层之间的点积后，你将得到不同分类的正确概率。