复杂受限环境下基于图神经网络的机械臂运动规划算法OA
针对复杂受限环境下的机械臂运动规划对于实现普遍服务机器人至关重要的问题,提出一种基于图神经网络(transformer-graph neural network,T-GNN)框架,以解决传统基于采样规划方法的计算效率低下和现有基于学习的方法中局部依赖建模的局限性。T-GNN集成了用于捕获全局几何依赖关系的Transformer模块,并利用GNN进行迭代潜在图优化,实现了高效的路径探索。实验结果表明:T-GNN显著减少了碰撞检测次数,提高了规划效率,在高维场景中取得了较高的成功率,并在不同环境复杂度下保持了路径最优性和实时性之间的良好平衡。
赵玉辉;向学辅;曾志文;刘昆仑;汤立达;王晨;王宇倩
中国兵器装备集团自动化研究所有限公司系统总体部,四川绵阳621000 国防科技大学智能科学学院,长沙410073中国兵器装备集团自动化研究所有限公司系统总体部,四川绵阳621000国防科技大学智能科学学院,长沙410073陆军装备部驻重庆地区军事代表局驻广元地区军事代表室,四川广元628000国防科技大学智能科学学院,长沙410073国防科技大学智能科学学院,长沙410073中国兵器装备集团自动化研究所有限公司系统总体部,四川绵阳621000
信息技术与安全科学
图神经网络复杂受限环境碰撞检测运动规划Transformer
《兵工自动化》 2026 (2)
P.83-88,96,7
评论