融合流匹配与模型预测控制的安全机器人导航
该论文提出将基于流匹配的路径规划与模型预测路径跟随控制相结合的框架：流匹配模型从演示中学习多模态路径分布，预测控制器利用实时更新的局部传感器信息在线调整运动，以满足状态与输入约束并避开障碍物。框架还引入事件触发的重规划机制，把预测控制的解反馈到后续路径生成中，从而在出现此前未见障碍物的环境中实现无碰撞导航。移动机器人导航仿真结果显示，该框架在杂乱环境中性能稳健。
发布于 10-22 13:00来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Integrating Flow Matching and Model Predictive Control for Safe Robot Navigation》查看原链
arXiv:2610.29377v1 公告类型：新论文 摘要：基于扩散和流匹配的学习型路径规划器能够从演示中生成多样化轨迹，但通常缺乏部署期间的约束满足与避障机制。 本工作提出一个将基于流匹配的路径规划与模型预测路径跟随控制相结合的框架，把数据驱动的路径生成与实时、约束感知的执行整合起来。
流匹配模型捕捉多模态路径分布，预测控制器则利用更新的局部传感器信息在线调整运动，以满足状态与输入约束并避开障碍物。 一种事件触发的重规划方案将预测控制解纳入后续路径生成，促进在存在此前未见障碍物的环境中实现无碰撞导航。 移动机器人导航的仿真结果表明，该框架在杂乱环境中具有稳健性能。
该框架为将流匹配与预测控制相结合以实现自适应、数据驱动的导航提供了一种系统性方法。