Компьютерные науки > Робототехника [представлен 14 сентября 2026 года] Название: IDAV: Неопределённость - Driven Adventive VLM WayPoint PDF PHTML (экспериментальный) Резюме: модели на языке вероотражения (VLM) могут генерировать маршруты непосредственно с помощью аэрофотоснимков для внедорожной навигации, но их прогнозы не дают никаких признаков надежности. Мы представляем UDAV, адаптивный планиратор VLM для беспилотного UGV-навигации. UDAV рисует многочисленные стохастические прогнозы траектории, выбирает их медиоид в качестве саморегулирующегося номинального маршрута и оценивает прогнозируемую неопределенность от пространственной дисперсии. Когда максимальная неопределенность по внутренним точкам превышает пороговый уровень, UDAV ссылается на этап пересмотра; в противном случае он непосредственно возвращает медиоид. Мы оцениваем UDAV по 400 запросам о прохождении траектории с двух беспилотников. Стокастический отбор медиодов уменьшает среднюю погрешность смещения (ADE) с 147,4 пикселей для детерминистского прогнозирования до 115,9 пикселей. Полный планировщик достигает среднего показателя ADE в 110,4 пикселя, что на 25,1% меньше по сравнению с детерминистским планированием и одновременно производит обоснованные траектории для всех запросов. UDAV также обеспечивает наименьшие 90- и 95-процентильные ошибки среди всех оцениваемых конфигураций, включая более высокий бюджетный базовый показатель K=10. По сравнению с K=5 medoid UDAV сокращает эти ошибки соответственно с 225,3 и…
UDAV: Неопределенность-адаптивная планировка ПУХВ
arXiv:2609.16368v1 Видеотипы могут генерировать маршруты непосредственно с помощью аэрофотосъемки для внедорожной навигации, но их прогнозы не указывают на надежность. Мы представляем UDAV, адаптивный планиратор VLM для беспилотного UGV-навигации. UDAV рисует многочисленные стохастические прогнозы траектории, выбирает их медиоид в качестве саморегулирующегося номинального маршрута и оценивает прогнозируемую неопределенность от пространственной дисперсии. Когда максимальная неопределенность по внутренним точкам превышает пороговый уровень, UDAV ссылается на этап пересмотра; в противном случае он непосредственно возвращает медиоид. Мы оцениваем UDAV по 400 запросам о прохождении траектории с двух беспилотников. Стокастический отбор медиодов уменьшает среднюю погрешность смещения (ADE) с 147,4 пикселей для детерминистского прогнозирования до 115,9 пикселей. Полная планировщица достигает среднего показателя ADE в 110,4 пикселя, что на 25,1% меньше по сравнению с детерминистским планированием при производстве валь.
