关于
内容
项目
More
致力于研究稠密人群中的机器人导航任务。提出了最小干扰导航的概念，其中包括人群流动的两个层次的干扰。旨在解决人群导航中的“冻结机器人问题”。在宏观和微观层面对算法进行量化评估。
通过有效的探索，使自动驾驶车辆能够在道路上进行更具针对性的行驶。为此，车辆可以执行时间延长的动作，以反映特定的驾驶意图。
将运动基元方法融入蒙特卡洛树搜索（MCTS）中，通过减少树的深度，降低长期任务的搜索复杂度。专家策略参与搜索使得探索更加有效。
参与开发结合蒙特卡罗树搜索和深度强化学习的开源算法LightZero
开发自动驾驶模拟器开发决策智能平台。在Metadrive模拟器的高速公路环境中实现了宏观级功能，并将MPC（模型预测控制）算法应用到CARLA模拟器中。在Drive环境中复现了D-REX算法。
在状态时间空间上提出基于梯度的规划器，用于在高度动态的环境中生成在线轨迹
通过经过校准的激光雷达和摄像系统，在地铁站和广场收集了自然拥挤的行人数据集。使用基于注意力机制的社交汇聚层来建模行人之间的互动。
旨在利用机器人技术取代人类执行劳动密集型任务。提出了一种收集行李车的方法和设备，实现了行李车的自动收集。涉及感知、定位、决策和机械模块的设计。
旨在解决机器人在不同场景下的自主运输挑战。提出了一种具有手眼结构的自主机器人系统，用于解决按钮操作问题。包括感知、控制和规划任务。该系统通过结合机器人的视觉感知和手部操作能力，能够自主地完成各种按钮操作任务，如按下电梯按钮或开关按钮等。
