提出PUN神经算子方法用于含噪声控制执行规划

发生了什么

arXiv cs.LG发布研究，提出Planning Under Noise (PUN)神经算子方法，用于含噪声控制执行规划。该方法学习噪声感知价值场，解决在不同几何形状中导航的可靠反馈策略问题。通过在障碍物上应用反射Neumann条件和在目标处应用Dirichlet条件，允许采样路径探索自由空间直至到达目标。PUN通过学习从噪声、部分收敛的蒙特卡洛标签中获取的几何到场的映射来 amortize 计算成本，避免对每个训练示例进行昂贵的收敛。在四个噪声级别上，PUN在4D重规划基准上达到95-100%的成功率，同时保持最低的运行时间，并在最高测试的4D噪声级别上，成功率比其他方法高10.7-60.6%，运行速度提高3.29-32.15倍。