本文使用空间填充曲线，尤其是Sierpinski曲线对封闭区域进行了空中调查。指定区域是三角剖分的，Sierpinski曲线用于探索每个较小的三角形区域。整个地区可能有一个或多个障碍。提出了一种算法，该算法暗示了如果检测到障碍物，则提出了回避操作（弯路）。该算法在线；也就是说，它不需要事先了解障碍物的位置，并且在机器人系统正在穿越指定路径时可以应用。Sierpinski曲线的分形性质和简单的几何观测值用于制定和验证算法。最终也应对非均匀的覆盖范围和多个障碍问题。
translated by 谷歌翻译
在具有连续以对象的状态，连续的动作，长距离和稀疏反馈的机器人环境中，决策是具有挑战性的。诸如任务和运动计划（TAMP）之类的层次结构方法通过将决策分解为两个或更多级别的抽象来解决这些挑战。在给出演示和符号谓词的环境中，先前的工作已经显示了如何通过手动设计的参数化策略来学习符号操作员和神经采样器。我们的主要贡献是一种与操作员和采样器结合使用的参数化策略的方法。这些组件被包装到模块化神经符号技能中，并与搜索 - 然后样本tamp一起测序以解决新任务。在四个机器人域的实验中，我们表明我们的方法 - 具有神经符号技能的双重计划 - 可以解决具有不同初始状态，目标和对象不同的各种任务，表现优于六个基线和消融。视频：https：//youtu.be/pbfzp8rpugg代码：https：//tinyurl.com/skill-learning
translated by 谷歌翻译