首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >CEH-Flow-Perception:一种基于双场时空耦合的实时物理驱动动态避障方法 - 陈恩华

CEH-Flow-Perception:一种基于双场时空耦合的实时物理驱动动态避障方法 - 陈恩华

作者头像
陈恩华
发布2026-03-30 04:05:45
发布2026-03-30 04:05:45
1110
举报
概述
本文提出CEH-Flow-Perception方法,首创双场(导通场+学习场)时空耦合势场模型,将动态障碍建模为具短期响应与长期记忆的连续物理场,实现无显式路径规划的实时避障。端到端延迟 33ms,支持遮挡记忆、多智能体协同与可解释因果追溯。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 摘要
  • 1 引言
  • 2 相关工作
    • 2.1 势场法
    • 2.2 路径规划方法
    • 2.3 学习型方法
  • 3 方法
  • 3.1 系统总体结构
  • 3.2 双场模型
    • 3.2.1 导通场
    • 3.2.2 学习场
    • 3.2.3 双场耦合机制
  • 3.3 力计算与运动更新
  • 3.4 智能体反作用
  • 3.5 多智能体社会力模型
  • 3.6 自适应调参机制
  • 3.7 风险评估模型
  • 4 实现细节
  • 4.1 数据来源
  • 4.2 场更新流程
  • 4.3 可视化
  • 5 实验与结果
  • 5.1 测试平台
  • 5.2 性能指标对比
    • 单障碍避障
    • 动态障碍穿行
    • 遮挡场景
    • 多智能体场景(50 个)
  • 5.3 关键场景分析
    • 场景 1:紧急避障
    • 场景 2:记忆保持
    • 场景 3:群体协调
  • 5.4 工业级压力测试
  • 6 与现有工作的比较
  • 7 局限性与未来工作
    • 7.1 当前局限
    • 7.2 未来方向
  • 8 应用场景
    • 自动驾驶辅助
    • 机器人导航
    • 工业视觉
    • 研究与教学
  • 9 结论
  • 10 联系方式
  • 附录 A:实验性能摘要
  • 免责声明
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档