💻 computer science

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

VikPath 是一个具有创新性 Vision Kansformer 模块的自监督框架，该模块无需标签数据即可学习障碍物分布，从而生成比现有最先进方法更平滑、更安全且更高效的路径，同时显著降低了推理延迟。

原作者： Junyao Wang, Yulin Xu, Mohammad Abdullah Al Faruque

发布于 2026-08-25

📖 1 分钟阅读☕ 轻松阅读

原作者： Junyao Wang, Yulin Xu, Mohammad Abdullah Al Faruque

原始论文根据 CC0 1.0（http://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在机器人和自动驾驶车辆的世界里，寻找从 A 点到 B 点路径的能力是一个根本性的挑战。几十年来，计算机一直利用将世界视为方格网格的数学规则来解决这个问题，在试图避开墙壁的同时计算最短距离。这些传统方法在简单、可预测的房间里表现良好，但在障碍物密集堆叠的复杂、杂乱空间中往往会显得力不从心。旧有的规则往往会产生技术上最短但却危险地靠近物体的路径，或者需要真实车辆无法物理实现的突然、颠簸转向的路线。此外，许多现代试图教导计算机更好地导航的方法，都依赖于向它们展示成千上万个由人类或其他计算机创建的完美路径示例。这种方法存在一个缺陷：如果示例是不完美的或带有偏见的，学习系统就会继承这些同样的错误，并且在面对从未见过的全新环境时往往会失败。

加州大学欧文分校的研究团队开发了一种名为 VikPath 的新方法，它改变了机器无需老师指引即可学习导航的方式。该系统不是通过记忆预设的路线，而是学习如何自主理解环境的布局，就像一个人扫视一眼拥挤的房间，本能地知道哪里是开阔空间，哪里家具过于紧凑而无法挤过去一样。研究人员创建了一个特殊的学习模块，它可以观察障碍物地图并填补缺失的细节，学习预测障碍物可能出现的位置以及安全路径应与它们保持多近的距离。这使得系统能够生成一张“概率图”，即一种精神指南，它能标出安全的开阔走廊，并对那些虽然在技术上是空旷空间但过于拥挤的区域发出警告。

这个新系统的核心是一种结合了两种强大思想来理解空间关系的独特架构。它使用一种方法，通过隐藏地图的部分内容，迫使计算机根据周围的上下文来猜测缺失的部分，这种技术有助于它学习环境的结构，而非仅仅记忆特定的模式。为了使这些猜测更加准确和灵活，该系统使用了一个数学框架，该框架可以调整其内部规则，以适应所遇到的障碍物的特定形状和大小。一旦系统学会了阅读地图并理解危险所在，它就会使用一种精细化的搜索过程来规划路线。这个过程不仅仅是在寻找最短线，它还会主动惩罚那些过于靠近障碍物的路径，并抑制剧烈的突然转向。结果是，生成的路线不仅高效，而且平滑且安全，避免了困扰旧方法的狭窄挤压和颠簸移动。

当研究人员将他们的系统与现有的最佳方法进行对比测试时，结果令人瞩目。在一系列针对三种不同类型复杂环境的测试中，VikPath 一致地找到了比传统算法更安全的路径。与排名第二的方法相比，该新系统生成的路径平均与障碍物保持了 3.28% 的额外距离，这意味着机器人不太可能擦碰到墙壁或卡在狭窄的缝隙中。与此同时，路径也更加平滑，方向变化较少，使其更容易被物理车辆跟随。或许最令人惊讶的是，该系统的速度极快。它完成计算所需的时间仅为其他先进学习型方法的一小部分，计算路径所需的时间减少了 87.07%。这种速度源于该系统不需要处理复杂的、带有预先标签的示例，也不需要在找到路径后执行额外的平滑步骤；安全性和平滑性从一开始就内置于搜索过程中。

任何导航系统的真正考验在于它是否能够应对一个从未见过的世界。研究人员在其中一组地图上训练了他们的系统，然后让它在完全不同的环境中进行导航，包括类似于城市街道和游戏关卡的布局，且无需进一步的训练。该系统立即适应了环境，保持了寻找安全、平滑路径的能力，并避免了需要人类重新教授其新环境规则的需求。这表明该系统已经学习到了如何理解空间中障碍物的分布，而不仅仅是记忆特定的模式。通过教会机器理解危险的形状和顺畅旅程的价值，这项工作为自主系统如何在复杂、充满障碍的世界中以更高的信心和效率移动提供了一种新途径。

技术摘要：VikPath

问题陈述

路径规划是人工智能和自主系统中的一个基本挑战，要求确定从起点到终点的有效且无碰撞的路径。传统的基于启发式的算法（如 A*）依赖于预定义的启发式函数（例如欧几里得距离或曼哈顿距离）以及网格/图表示。虽然这些方法在结构化环境中非常有效，但在复杂的、障碍物丰富的场景中往往难以应对，因为手工设计的启发式函数无法捕捉复杂的空间结构。此外，经典的规划器通常仅优化路径长度和碰撞规避，往往忽略了诸如障碍物净空（与障碍物的接近程度）和轨迹平滑度等实际因素。这可能导致路径过于靠近障碍物或包含剧烈的转向，从而使其在实际执行中表现出次优或不安全。

近期的基于学习的方法试图解决这些问题，但通常依赖于使用传统规划器生成的标签或人工标注的监督学习。这种依赖性限制了泛化能力，因为学习到的模型会继承监督信号的偏差和局限性（例如，优先考虑最短路径而非安全性）。此外，现有的方法通常将路径生成和路径平滑作为两个独立的阶段处理（例如，使用后处理贝塞尔曲线），这可能会损害障碍物净空，或者需要额外的可行性检查。

方法论

本文提出了 VikPath，一个自监督路径规划框架，旨在无需依赖专家生成的路径标签的情况下，共同优化障碍物接近度、路径平滑度和计算效率。该框架分为两个阶段运行：

1. 学习障碍物感知表示（Vision Kansformer）

第一阶段通过一种新型的 Vision Kansformer 模块，直接从无标签的环境地图中学习稠密的障碍物概率图。

架构： 该模型结合了自注意力机制（来自 Vision Transformer）的全局上下文建模能力与 Kolmogorov-Arnold Networks (KANs) 的灵活非线性变换能力。与使用前馈网络 (FFN) 的标准 Transformer 不同，VikPath 使用 KAN 层替换了 FFN，这些层利用可学习的一元函数（由 B-样条参数化）来细化表示。
训练策略： 该模块采用掩码建模方法（受掩码图像建模启发）进行训练。
- 掩码（Masking）： 对二进制占据图的随机补丁进行掩码处理。
- 目标函数： 模型通过三个互补的损失函数来重建被掩码的区域：
  1. 重建损失（Reconstruction Loss）： 其目标并非原始的二进制图，而是一个具备障碍物接近度感知的目标。该目标是通过迭代扩张障碍物区域并为障碍物及其紧邻区域分配更高值生成的，从而鼓励模型学习空间接近度。
  2. 对比损失（Contrastive Loss）： 预训练的 Vision Transformer (ViT) 作为教师提供参考表示，以增强所学特征的判别性。
  3. 感知损失（Perceptual Loss）： 确保在重建过程中保留高层结构信息。
输出： 重建头生成一个归一化的概率图 $P \in [0, 1]^{m \times n}$ ，其中较高的值表示具有强障碍物影响力的区域。

2. 障碍物与平滑度感知的路径搜索

第二阶段使用改进的加权 A (WA)** 算法进行路径规划，该算法将学习到的概率图和引入平滑度惩罚项直接纳入搜索代价中。

状态定义： 为了考虑平滑度，搜索状态被定义为一个元组 $(Q_p, Q)$ ，代表当前位置及其前驱位置，而非仅仅是当前位置。
代价函数： 用于转换的遍历代价 $c(X, X_n)$ $c (X, X_{n})$ 包括：
1. 移动距离： 标准步长代价。
2. 障碍物接近度惩罚： 一个来自学习到的概率图的加权项 $w_o P(Q_n)$ ，对经过高障碍物密度区域的路径进行惩罚。
3. 急转弯惩罚： 基于输入和输出运动向量之间的夹角计算出的代价 $c_{smooth}$ ，旨在抑制剧烈的方向变化。
搜索： 算法使用加权启发式函数来引导搜索向目标移动，同时平衡安全性与平滑度代价，从而无需单独的后处理平滑步骤。

核心贡献

VikPath 框架： 一个自监督路径规划系统，它学习环境表示而不依赖于启发式生成或人工标注的路径标签，并将障碍物净空与轨迹平滑度统一整合到单个高效的搜索过程中。
Vision Kansformer 模块： 一种将 KANs 集成到 Transformer 结构并结合掩码建模的新型架构。它能够捕捉局部和全局的空间依赖关系，以构建精细的障碍物概率图，其障碍物净空比现有最先进 (SOTA) 方法平均提高了 3.28%。
统一搜索目标： 对加权 A* 算法进行了增强，将障碍物接近度和急转弯惩罚显式地包含在代价函数中。这使得生成的路径无需单独的基于贝塞尔曲线的后处理阶段即可实现安全且平滑。
效率： 该框架在保持高路径质量的同时，实现了比 SOTA 方法平均低 87.07% 的推理延迟。

实验结果

作者在三个公开数据集（Motion Planning, Bugtrap Forest, 和 Tiled Motion Planning）以及两个未见数据集（City 和 Game）上评估了 VikPath 以测试其泛化能力。

性能指标： VikPath 在以下方面始终优于基准方法（包括 WA*, Improved JPS, SAIL-SL, BB-A*, FDW-A*, 和 APF-A*）：
- 路径安全性得分： 更高的累计障碍物净空。
- 平均障碍物距离： 与最近障碍物的平均距离更大。
- 平滑度： 与那些优先考虑安全性而牺牲平滑度的方法相比，具有更低的角偏差得分（表明轨迹更平滑）。
- 搜索效率： 与标准 A* 及其他基准方法相比，显著减少了节点探索量。
- 延迟： 在所有数据集中均表现出最低的推理延迟。
泛化性： 在无需微调的情况下应用于未见数据集（City 和 Game）时，VikPath 在安全性、净空度和效率方面仍保持卓越表现，展示了强大的跨数据集泛化能力。
消融实验：
- 去除学习到的障碍物惩罚项或平滑度惩罚项会导致安全性与平滑度指标显著下降，证实了这两个组件的必要性。
- 通过对比重建技术发现，Vision Kansformer 在重建障碍物结构方面优于 Vision Transformer 和 Vision Mamba（具有更低的 MSE 以及更高的 PSNR/SSIM）。

意义

论文声称 VikPath 通过消除对专家生成标签的依赖，并将障碍物净空与轨迹平滑度统一到单个高效的搜索过程中，解决了现有路径规划方法的关键局限性。通过利用自监督学习来理解障碍物分布，并将这些见解直接集成到路径规划代价函数中，VikPath 生成的路径不仅更短，而且在现实环境中更安全、更具可执行性。该框架实现高性能与低推理延迟的能力，使其特别适用于复杂、障碍物丰富的场景下的延迟敏感型自主导航应用。