arXiv cs.AI· Pedro Antonio Alarcon Granadeno, Jane Cleland-Huang·· 10 小时前AI 评分27
DOBB：面向状态不确定与异构动力学下多智能体避撞的动态有向包围盒
DOBB: Dynamic Oriented Bounding Boxes for Multi-Agent Collision Avoidance under State Uncertainty and Heterogeneous Dynamics
AI 导读
DOBB 用在线几何表示把当前状态估计、不确定性与智能体响应特性映射为随方向变化的动态安全裕度，在四个评测环境中实现最低的平均总失败率 2.6%。在驱动动力学与状态估计不确定性的分布外偏移下，基于碰撞的失败率在每个测试条件下均保持不高于 2.3%。作者将鲁棒性归因于安全裕度的几何抽象，使其与训练中遇到的具体不确定性和驱动机制耦合更弱。
正文 · AI 翻译
摘要：基于学习的去中心化避碰必须在状态估计不确定性和异构智能体动力学下保持可靠。现有方法通常通过训练域变化，或在运行时向策略暴露不确定性和能力估计来应对这些因素。然而，这两种方法都让策略自行推断这些量应如何改变安全交互所需的物理间隔，这可能会使避碰行为与从训练分布中学到的关系相耦合。我们引入了动态有向包围盒（DOBB），这是一种在线几何表示，将当前状态估计、不确定性和智能体特定的响应特性映射为动态的、方向相关的安全裕度。我们推导了几何特征，这些特征共同刻画了智能体 DOBB 之间交互的相对配置和严重程度，并给出了一个保留这些交互物理解释的奖励函数。在四个评估环境中，DOBB 实现了最低的平均总失败率 2.6%。在驱动动力学和状态估计不确定性的分布外偏移下，这一性能依然保持，在所有测试条件下，基于碰撞的失败率保持在 2.3% 或以下。我们将这种鲁棒性归因于安全裕度的几何抽象，它与训练期间遇到的特定不确定性和驱动机制耦合较少。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.13142 [cs.RO] |
| （或 arXiv:2611.13142v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.13142 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Pedro Antonio Alarcon Granadeno [查看电子邮件]
[v1]
2026年11月9日星期一 19:23:34 UTC（293 KB）
来源：arXiv cs.AI · arxiv.org