OMEGA：基于状态空间模型的空地机器人在动态环境中的高效遮挡感知导航
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了空地机器人导航在动态、严酷遮挡场景中的效率和准确性问题。我们提出了OMEGA系统，其中OccMamba通过独立的语义和占用预测分支改进了遮挡识别，同时优化了路径规划的方法，显著提升了规划成功率。实验证明，OMEGA在动态场景中的平均规划成功率达到96%，显示出其在复杂环境中的广泛应用潜力。
本论文提出了一种名为Scene Informer的方法，用于自主车辆在复杂和动态环境中导航。该方法可以同时预测代理的轨迹和推断遮挡物。通过聚合各种输入模态并选择性查询可能与自主车辆计划路径相交的遮挡物，该方法可以估计遮挡物的占用概率和可能的轨迹，以及观察代理的未来运动。在Waymo Open Motion数据集的部分可观测设置中，该方法在占用预测和轨迹预测方面优于现有方法。
