LSMO Dataset

轨迹优化中使用的目标函数通常是非凸的，并且可以具有无限的局部最优集。在这种情况下，有多种解决方案可以执行给定的任务。尽管有几种方法可以找到运动规划的多个解决方案，但它们仅限于生成一组有限的解决方案。为了解决这个问题，我们提出了一种优化方法，该方法在轨迹优化中学习无限组解。在我们的框架中，通过学习解决方案的潜在表示来获得不同的解决方案。我们的方法可以解释为训练运动规划的无碰撞轨迹的深度生成模型。实验结果表明，训练好的模型代表了运动规划问题的无限组同位解。

搜集汇总

背景与挑战

背景概述

LSMO Dataset专注于轨迹优化问题，针对非凸目标函数和无限局部最优解，提出了一种学习无限组解的方法。该方法通过学习潜在表示来生成多样化的无碰撞轨迹，可视为训练运动规划的深度生成模型。