💻 computer science

VikPath: A Vision Kansformer Framework for Effective Obstacle Avoidance in Self-Supervised Pathfinding

VikPath es un marco de aprendizaje autosupervisado que presenta un novedoso módulo Vision Kansformer que aprende distribuciones de obstáculos sin datos etiquetados para generar trayectorias más suaves, seguras y eficientes con una latencia de inferencia significativamente menor que los métodos de vanguardia.

Autores originales: Junyao Wang, Yulin Xu, Mohammad Abdullah Al Faruque

Publicado 2026-08-25

📖 5 min de lectura🧠 Análisis profundo

CC0 1.0

Autores originales: Junyao Wang, Yulin Xu, Mohammad Abdullah Al Faruque

Artículo original dedicado al dominio público bajo CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el mundo de los robots y los vehículos autónomos, la capacidad de encontrar un camino del punto A al punto B es un desafío fundamental. Durante décadas, las computadoras han resuelto esto utilizando reglas matemáticas que tratan al mundo como una cuadrícula de cuadrados, calculando la distancia más corta mientras intentan evitar las paredes. Estos métodos tradicionales funcionan bien en habitaciones simples y predecibles, pero a menudo tienen dificultades en espacios complejos y abarrotados donde los obstáculos están agrupados estrechamente. Las reglas antiguas tienden a producir trayectorias que son técnicamente las más cortas pero peligrosamente cercanas a los objetos, o rutas que requieren giros repentinos y bruscos que un vehículo real no puede realizar físicamente. Además, muchos intentos modernos de enseñar a las computadoras a navegar mejor se han basado en mostrarles miles de ejemplos de trayectorias perfectas creadas por humanos u otras computadoras. Este enfoque tiene un defecto: si los ejemplos son imperfectos o sesgados, el sistema de aprendizaje hereda esos mismos errores, y a menudo falla cuando se enfrenta a un nuevo entorno que nunca ha visto antes.

Un equipo de investigadores de la Universidad de California, Irvine, ha desarrollado un nuevo enfoque llamado VikPath que cambia la forma en que las máquinas aprenden a navegar sin necesidad de que un maestro les muestre el camino. En lugar de memorizar rutas prefabricadas, su sistema aprende a comprender la disposición de un entorno por sí mismo, de forma muy parecida a como una persona podría mirar una habitación concurrida e instintivamente saber dónde están los espacios abiertos y dónde los grupos de muebles son demasiado estrechos para pasar. Los investigadores crearon un módulo de aprendizaje especial que observa un mapa de obstáculos y rellena los detalles faltantes, aprendiendo a predecir dónde es probable que haya obstáculos y qué tan cerca debe mantenerse un camino seguro de ellos. Esto permite al sistema generar un "mapa de probabilidad", una guía mental que resalta pasillos seguros y abiertos, y advierte contra áreas que están demasiado concurridas, incluso si esas áreas están técnicamente vacías.

El núcleo de este nuevo sistema es una arquitectura única que combina dos ideas poderosas para comprender las relaciones espaciales. Utiliza un método que oculta partes de un mapa y obliga a la computadora a adivinar qué falta basándose en el contexto circundante, una técnica que le ayuda a aprender la estructura del entorno en lugar de solo memorizar patrones específicos. Para que estas suposiciones sean más precisas y flexibles, el sistema utiliza un marco matemático que puede adaptar sus reglas internas para ajustarse a las formas y tamaños específicos de los obstáculos que encuentra. Una vez que el sistema ha aprendido a leer el mapa y a comprender dónde residen los peligros, utiliza un proceso de búsqueda refinado para trazar un curso. Este proceso no solo busca la línea más corta; penaliza activamente los caminos que se acercan demasiado a los obstáculos y desaconseja los giros bruscos y repentinos. El resultado es una ruta que no solo es eficiente, sino también suave y segura, evitando los estrechamientos y los movimientos bruscos que plagan a los métodos más antiguos.

Cuando los investigadores probaron su sistema contra los mejores métodos existentes, los resultados fueron sorprendentes. En una serie de pruebas utilizando tres tipos diferentes de entornos complejos, VikPath encontró consistentemente trayectorias que eran significativamente más seguras que las encontradas por los algoritmos tradicionales. En promedio, las trayectorias generadas por el nuevo sistema mantuvieron una distancia un 3.28 por ciento mayor de los obstáculos en comparación con el siguiente mejor método, lo que significa que el robot tendría menos probabilidades de rozar una pared o quedarse atrapado en un espacio estrecho. Al mismo tiempo, las trayectorias fueron mucho más suaves, con menos cambios abruptos de dirección, lo que las hace más fáciles de seguir para un vehículo físico. Quizás lo más sorprendente es que el sistema fue increíblemente rápido. Completó sus cálculos en una fracción del tiempo requerido por otros métodos avanzados basados en el aprendizaje. Esta velocidad muestra una reducción del 87.07 por ciento en el tiempo que tomó encontrar una ruta; esto se debe al hecho de que el sistema no necesita procesar ejemplos complejos y previamente etiquetados ni realizar pasos adicionales para suavizar la ruta después de haber sido encontrada; la seguridad y la fluidez están integradas en el proceso de búsqueda desde el principio.

La verdadera prueba de cualquier sistema de navegación es si puede manejar un mundo que nunca ha visto antes. Los investigadores entrenaron su sistema en un conjunto de mapas y luego le pidieron que navegara en entornos completamente diferentes, incluyendo diseños que asemejan calles de la ciudad y niveles de videojuegos, sin ningún entrenamiento adicional. El sistema se adaptó de inmediato, manteniendo su capacidad para encontrar trayectorias seguras y suaves, y evitando la necesidad de que un humano le enseñara de nuevo las reglas del nuevo entorno. Esto sugiere que el sistema ha aprendido una comprensión profunda de cómo se distribuyen los obstáculos en el espacio, en lugar de solo memorizar patrones específicos. Al enseñar a las máquinas a comprender la forma del peligro y el valor de un viaje fluido, este trabajo ofrece una nueva forma para que los sistemas autónomos se muevan a través de nuestro mundo complejo y lleno de obstáculos con mayor confianza y eficiencia.

Resumen Técnico: VikPath

Declaración del Problema

La planificación de rutas es un desafío fundamental en la inteligencia artificial y los sistemas autónomos, que requiere la determinación de rutas eficientes y libres de colisiones desde un inicio hasta un destino. Los algoritmos tradicionales basados en heurísticas, como A*, dependen de heurísticas predefinidas (por ejemplo, la distancia euclidiana o de Manhattan) y representaciones de rejilla o grafos. Aunque son efectivos en entornos estructurados, estos métodos suelen tener dificultades en escenarios complejos y ricos en obstáculos donde las heurísticas diseñadas a mano no log{\text{í}}n pueden capturar estructuras espaciales intrincadas. Además, los planificadores clásicos típicamente optimizan únicamente la longitud del camino y la evitación de colisiones, descuidando a menudo factores prácticos como el margen de seguridad respecto a los obstáculos (proximidad a los obstáculos) y la suavidad de la trayectoria. Esto puede resultar en trayectorias que pasan peligrosamente cerca de los obstáculos o que contienen giros abruptos, lo que las hace subóptimas o inseguras para la ejecución en el mundo real.

Los enfoques recientes basados en el aprendizaje han intentado abordar estos problemas, pero a menudo dependen del aprendizaje supervisado utilizando etiquetas generadas por planificadores convencionales o anotación manual. Esta dependencia limita la generalización, ya que los modelos aprendidos heredan los sesgos y las limitaciones de la supervisión subyacente (por ejemplo, priorizar los caminos más cortos sobre la seguridad). Adicionalmente, los métodos existentes suelen tratar la generación de rutas y el suavizado como etapas separadas (por ejemplo, utilizando curvas de Bézier de post-procesamiento), lo que puede comprometer el margen de seguridad respecto a los obstáculos o requerir comprobaciones de viabilidad adicionales.

Metodología

El artículo propone VikPath, un marco de planificación de rutas autosupervisado diseñado para optimizar conjuntamente la proximidad a los obstáculos, la suavidad de la ruta y la eficiencia computacional sin depender de etiquetas de rutas generadas por expertos. El marco opera en dos etapas:

1. Aprendizaje de Representaciones Conscientes de los Obstáculos (Vision Kansformer)

La primera etapa aprende un mapa de probabilidad de obstáculos denso directamente de mapas de entornos no etiquetados mediante un novedoso módulo Vision Kansformer.

Arquitectura: El modelo combina el modelado de contexto global de la Auto-Atención (de los Vision Transformers) con las transformaciones no lineales flexibles de las Redes Kolmogorov-Arnold (KANs). A diferencia de los Transformers estándar que utilizan Redes de Alimentación hacia Adelante (FFNs), VikPath los reemplaza con capas KAN, las cuales utilizan funciones univariantes aprendibles (parametrizadas por B-splines) para refinar las representaciones.
Estrategia de Entrenamiento: El módulo se entrena utilizando un enfoque de modelado enmascarado (inspirado en el Modelado de Imágenes Enmascaradas).
- Enmascaramiento: Se enmascaran parches aleatorios del mapa de ocupación binario.
- Objetivos: El modelo se entrena para reconstruir las regiones enmascaradas utilizando tres pérdidas complementarias:
  1. Pérdida de Reconstrucción: El objetivo no es el mapa binario original, sino un objetivo consciente de la proximidad a los obstáculos. Este objetivo se genera dilatando iterativamente las regiones de obstáculos y asignando valores más altos a los obstáculos y sus alrededores inmediatos, fomentando que el modelo aprenda la proximidad espacial.
  2. Pérdida Contrastiva: Un Vision Transformer (ViT) pre-entrenado actúa como profesor para proporcionar representaciones de referencia, mejorando la discriminabilidad de las características aprendidas.
  3. Pérdida Perceptual: Asegura la preservación de la información estructural de alto nivel durante la reconstrucción.
Salida: La cabeza de reconstrucción genera un mapa de probabilidad normalizado $P \in [0, 1]^{m \times n}$ , donde los valores más altos indican regiones con una fuerte influencia de los obstáculos.

2. Búsqueda de Rutas Consciente de Obstáculos y de Suavidad

La segunda etapa realiza la planificación de rutas utilizando un algoritmo Weighted A (WA)** modificado que incorpora el mapa de probabilidad aprendido y una penalización de suavidad directamente en el costo de búsqueda.

Definición de Estado: Para considerar la suavidad, el estado de búsqueda se define como una tupla $(Q_p, Q)$ , que representa la ubicación actual y su predecesor, en lugar de solo la ubicación actual.
Función de Costo: El costo de trayectoria $c(X, X_n)$ $c (X, X_{n})$ para una transición incluye:
1. Distancia de Movimiento: Costo de paso estándar.
2. Penalización de Proximidad al Obstáculo: Un término ponderado $w_o P(Q_n)$ derivado del mapa de probabilidad aprendido, que penaliza las rutas a través de regiones con alta densidad de obstáculos.
3. Penalización de Giro Brusco: Un costo $c_{smooth}$ calculado basado en el ángulo entre los vectores de movimiento entrante y saliente, desalentando los cambios de dirección abruptos.
Búsqueda: El algoritmo utiliza una heurística ponderada para guiar la búsqueda hacia el objetivo mientras equilibra los costos de seguridad y suavidad, eliminando la necesidad de una etapa de post-procesamiento de suavizado separada.

Contribuciones Clave

Marco de Trabajo VikPath: Un sistema de planificación de rutas autosupervisado que aprende representaciones del entorno sin recurrir a etiquetas de rutas generadas por expertos o anotadas manualmente, incorporando conjuntamente la conciencia de los obstáculos y la suavidad de la trayectoria.
Módulo Vision Kansformer: Una arquitectura novedosa que integra KANs en una estructura de Transformer con modelado enmascarado. Captura tanto las dependencias espaciales locales como globales para construir mapas de probabilidad de obstáculos de grano fino, logrando un promedio de un 3.28% mayor de margen de seguridad respecto a los obstáculos en comparación con los métodos de vanguardia (SOTA).
Objetivo de Búsqueda Unificado: Una mejora del algoritmo Weighted A* que incluye explícitamente la proximidad al obstáculo y una penalización por giro brusco en la función de costo. Esto permite la generación de rutas seguras y suaves sin requerir una etapa de post-procesamiento basada en curvas de Bézier separada.
Eficiencia: El marco logra un 87.07% menor de latencia de inferencia en promedio que los métodos SOTA, manteniendo una alta calidad de la ruta.

Resultados Experimentales

Los autores evaluaron VikPath en tres conjuntos de datos públicos (Motion Planning, Bugtrap Forest y Tiled Motion Planning) y dos conjuntos de datos no vistos (City y Game) para probar la generalización.

Métricas de Desempeño: VikPath superó consistentemente a los modelos de referencia (incluyendo WA*, Improved JPS, SAIL-SL, BB-A*, FDW-A* y APF-A*) en:
- Puntuación de Seguridad de la Ruta: Mayor margen de seguridad acumulado respecto a los obstáculos.
- Distancia Promedio al Obstáculo: Mayor distancia media a los obstáculos más cercanos.
- Suavidad: Menores puntuaciones de desviación angular (indicando trayectorias más suaves) en comparación con los métodos que priorizan la seguridad sobre la suavidad.
- Eficiencia de Búsqueda: Reducción significativa en la exploración de nodos en comparación con el A* estándar y otros modelos de referencia.
- Latencia: La latencia de inferencia más baja en todos los conjuntos de datos.
Generalización: Al aplicarse a conjuntos de datos no vistos (City y Game) sin ajuste fino, VikPath mantuvo un desempeño superior en seguridad, margen de seguridad y eficiencia, demostrando una robusta generalización entre conjuntos de datos.
Estudios de Ablación:
- La eliminación de la penalización aprendida por obstáculos o la penalización de suavidad resultó en caídas significativas en las métricas de seguridad y suavidad, confirmando la necesidad de ambos componentes.
- La comparación de las técnicas de reconstrucción mostró que el Vision Kansformer superó a los Vision Transformers y al Vision Mamba en la reconstrucción de estructuras de obstáculos (menor MSE, mayor PSNR/SSIM).

Significado

El artículo afirma que VikPath aborda las limitaciones críticas de los enfoques de planificación de rutas existentes al eliminar la dependencia de etiquetas generadas por expertos y unificar el margen de seguridad de los obstáculos con la suavidad de la trayectoria en un proceso de búsqueda único y eficiente. Al aprovechar el aprendizaje autosupervisado para comprender las distribidades de los obstáculos e integrar estos conocimientos directamente en la función de costo de la planificación de rutas, VikPath genera rutas que no solo son más cortas, sino también más seguras y ejecutables en entornos del mundo real. La capacidad del marco para lograr un alto rendimiento con una baja latencia de inferencia lo hace particularmente adecuado para aplicaciones de navegación autónoma sensibles a la latencia en escenarios complejos y ricos en obstáculos.