Tutorial on Aided Inertial Navigation Systems: A Modern Treatment Using Lie-Group Theoretical Methods
这篇教程以扩展特殊欧几里得群 SE₂(3) 的李群理论为基础,系统介绍了面向控制的辅助惯性导航系统,通过明确不变性与对称性的作用,构建了融合惯性测量与辅助信息的几何框架,并探讨了高阶状态表示、同步观测器设计及等变滤波等现代扩展方法。
694 篇论文
这篇教程以扩展特殊欧几里得群 SE₂(3) 的李群理论为基础,系统介绍了面向控制的辅助惯性导航系统,通过明确不变性与对称性的作用,构建了融合惯性测量与辅助信息的几何框架,并探讨了高阶状态表示、同步观测器设计及等变滤波等现代扩展方法。
本文提出了 RoTri-Diff,一种通过显式建模机器人 - 物体三角交互(RoTri)几何约束并结合分层扩散过程,以解决双臂协作中碰撞与不稳定问题、显著提升双臂操作性能的模仿学习框架。
该论文提出了一种名为 Gate-SDF 的神经符号距离场,通过将其与基于 GPU 并行计算的模型预测路径积分(MPPI)控制器相结合,实现了无需预定义轨迹或精确门框位姿估计的、能够应对任意位置与姿态门框的鲁棒且高速的自主无人机竞速。
本文提出了一种将车辆运动学信息融入观察编码器并引入几何感知监督的 RSSM 潜在世界模型框架,通过增强潜在空间的结构化动力学表示,显著提升了自动驾驶策略学习的样本效率和长程想象保真度。
该论文提出了一种结合刚性外壳与可充气硅胶口袋的软硬混合夹持器,通过调节内部气压主动改变表面摩擦系数,从而在不增加夹持力的情况下实现对易碎、光滑或重物等多样化物体的稳定抓取。
本文提出了 Faster-HEAL,一种面向异构自动驾驶车辆的高效隐私保护协同感知框架,它通过微调低秩视觉提示来对齐异构特征并采用金字塔融合,在无需重新训练大模型的情况下显著降低了计算开销并提升了检测性能。
本文提出了一种基于轻量级数字孪生的边缘辅助框架,通过仅利用目标检测与离线路径映射而非复杂的轨迹预测模型,实现了在资源受限边缘设备上高效运行且能提前约 88% 时间预测碰撞事件的车辆跟踪与碰撞预警系统。
该论文提出了一种名为 DistGP 的分布式多机器人学习方法,它利用稀疏高斯过程模型和基于高斯信念传播的分布式训练机制,在仅依赖局部数据的情况下实现了与集中式模型相当的精度,且在动态连接、稀疏通信及持续学习场景下优于现有的树结构高斯过程和分布式神经网络优化器。
本文从约束耦合视角出发,综述了水下具身智能在感知、规划、控制与部署中的关键挑战与进展,提出了跨层故障分类体系并指明了构建物理 grounded、可验证且具备韧性的自主系统未来方向。
该论文提出了一种基于混合整数模型预测控制(MIQP)的在线感知框架,通过融合深度图像构建凸可行区域并利用 DCM 动力学中的捕获性约束,实现了双足机器人在不连续落脚点场景下兼顾安全性与动态稳定性的自适应步态规划。
本文提出了 LoRA-SP(Select-Prune)方法,通过引入基于能量目标的秩自适应机制,使视觉语言动作模型(VLA)能够根据输入和层级动态调整微调容量,从而在显著减少可训练参数的同时,有效解决多任务场景下的跨任务干扰问题并提升泛化性能。
该研究通过对比蜈蚣与蚰蜒的自右翻生物力学机制,结合参数化机器人实验,揭示了肢体长度对自右翻策略的关键影响,确立了形态与策略的耦合原则并提出了长肢体机器人的设计准则。
本文提出了一种受手指肌腱 - 关节协同感知机制启发的新型近端集成力传感方法,通过结合仿生映射与多模态优化策略,有效解决了微型缆驱连续体机器人在三维接触力感知与形状估计方面的难题。
本文提出了 LITHE 架构,通过在普通 Linux 硬件上结合 CPU 隔离、无锁通信及动态链接技术,实现了 Python 高层大脑在不中断实时 C++ 底层控制循环的情况下动态热更新控制律,从而弥合了高级 AI 与低层实时控制之间的关键鸿沟。
本文提出了 SLNet,一种基于非参数自适应点嵌入(NAPE)和几何调制单元(GMU)的超轻量级 3D 点云识别网络,在显著降低参数量和计算成本的同时,在 ModelNet40、ScanObjectNN 及 S3DIS 等多个基准测试中实现了与现有主流模型相媲美甚至更优的性能。
该论文提出了 GSAT 框架,通过自监督学习结合异常检测在潜在空间构建正类超球体,无需额外原型或负样本即可解决正样本学习难题,从而实现了对多样化地形的高可靠性可通行性估计。
本文提出了 HSC-VLA 框架,通过显式的场景清理抽象将高层视觉语义推理与低层传感器运动控制解耦,显著提升了双机械臂在密集杂乱环境下的长程任务执行鲁棒性与成功率。
本文提出了一种结合线性单轨模型与轮胎分布动力学(基于双曲偏微分方程)的逆动力学观测器,仅利用横摆角速度和侧向加速度测量值即可在噪声和模型不确定性下准确重构车辆质心侧偏角及轮胎力。
本文提出了 InterReal 框架,这是一个统一的基于物理的模仿学习系统,通过引入带接触约束的运动数据增强方案和自动奖励学习机制,实现了人形机器人对真实世界人机交互(HOI)技能的高效学习与鲁棒部署。
该论文提出了 ICLR 框架,通过在演示提示中引入结构化的视觉推理轨迹(即图像空间中的预期未来轨迹),并利用统一自回归 Transformer 联合生成推理过程与底层动作,从而显著提升了机器人在复杂模糊任务中的上下文模仿学习能力、成功率及泛化性。