PATH：面向越野导航机器人遥操作的偏好感知可通行性估计
研究提出 PATH-Net，一种偏好感知的可通行性估计分层网络，用于越野遥操作，可自适应生成以操作员偏好为条件的可通行性代价地图与速度曲线。该网络通过多头共享骨干融合视觉与几何鸟瞰图特征及短期历史车辆状态，并用最大熵逆强化学习与稀疏速度监督优化速度建议；非对称特征聚合机制将推断拆分为代价分支与速度分支。在 15 名操作员、225 条遥操作轨迹上的实验中，修正 Hausdorff 距离为 0.17 米（激进偏好）和 0.15 米（保守偏好）；问卷评估中 NASA-TLX 工作负荷评分从无建议时的 34.7 降至 22.2。
发布于 10-23 23:01来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《PATH: Preference-Aware Traversability Estimation for Robotic Teleoperation in Off-Road Navigation》查看原链
可通行性估计对地面车辆遥操作至关重要，但现有方法往往忽视操作员在速度与风险容忍度上的偏好。 为弥补这一空白，我们提出 PATH-Net，一种偏好感知的可通行性估计分层网络，可为越野遥操作自适应生成以偏好为条件的可通行性代价地图与速度曲线。 该框架通过多头共享骨干架构，将视觉与几何鸟瞰图特征同短期历史车辆状态相融合。
PATH-Net 利用最大熵逆强化学习与稀疏速度监督，在推断可通行性代价地图的同时优化速度建议。 该方法通过非对称特征聚合机制引入操作员偏好，将推断拆分为优先关注高风险可通行区域的代价分支，以及输出经偏好调整的推荐速度的速度分支。 在 15 名操作员、225 条遥操作轨迹上的实验显示，该方法与用户特定的导航策略相吻合，修正 Hausdorff 距离为 0.17 米（激进）和 0.15 米（保守）。
在问卷评估中，参与者报告使用 PATH-Net 建议时的 NASA-TLX 工作负荷评分低于无建议时，从 34.7 降至 22.2。 这些结果支持面向越野遥操作的偏好条件化轨迹与速度建议。