Безопасная и высокоскоростная навигация является ключевым условием для внедрения робототехнических систем в реальную среду. Существенным ограничением текущих подходов являются вычислительные трудности при построении карт и узкое поле зрения современных сенсоров. В данной статье исследуются алгоритмические методы, позволяющие роботу предсказывать структуру пространства за пределами видимости датчиков для надежного планирования маршрута на высоких скоростях. Для этого используется генеративная нейронная сеть, которая восстанавливает карту занятости окружения, опираясь на неполные сенсорные данные.
Статья рассматривает методы высокоскоростной навигации роботов через прогнозирование карт занятости пространства. Авторы предлагают алгоритмы, которые позволяют роботам «предсказывать» свободные зоны за пределами поля зрения их датчиков, преодолевая аппаратные ограничения. Это решение значительно повышает безопасность и скорость перемещения автономных систем в реальных, динамически меняющихся условиях.