NeuPAN

Planificador end-to-end en tiempo real que mapea puntos lidar crudos directamente a acciones del robot

Licencia

GPL-3.0

Resumen

NeuPAN (Neural Proximal Alternating-minimization Network) es un planificador de navegación de robots end-to-end, en tiempo real y sin mapa, publicado en IEEE Transactions on Robotics. Acopla un modelo aprendido de distancia punto-a-colisión con optimización basada en modelo resuelta mediante minimización alternante proximal, mapeando puntos lidar crudos directamente a acciones libres de colisión — sin pipeline de percepción a planificación, sin mapa preconstruido — y funciona en robots reales de tracción diferencial y Ackermann en entornos abarrotados y dinámicos.

Las pilas de navegación convencionales encadenan módulos de percepción, mapeo y planificación, acumulando latencia y error en cada etapa. NeuPAN colapsa la cadena: un problema de optimización interpretable acopla la dinámica del robot, los límites de control y las restricciones de evitación de obstáculos, donde las distancias a los obstáculos provienen de DUNE, un modelo aprendido que codifica puntos crudos en características latentes de distancia. El problema se resuelve online mediante una red neuronal de minimización alternante proximal, alcanzando tasas de tiempo real en GPU embebidas mientras conserva el comportamiento de satisfacción de restricciones del control basado en modelo. El repositorio proporciona el planificador completo con modelos preentrenados, ejemplos configurados por YAML en IR-SIM (el simulador ligero del autor, también en esta plataforma), integración ROS para robots reales y reproducciones de los escenarios del paper, incluidos obstáculos dinámicos, pasillos estrechos y desorden denso no estructurado con cinemáticas de tracción diferencial y Ackermann.

Por qué importa

NeuPAN es uno de los primeros planificadores end-to-end con una columna vertebral rigurosa basada en modelo y despliegues demostrados en robots reales — publicado en T-RO, representa hacia dónde se dirige la investigación en navegación: planificación directa de sensor a acción con la estructura de seguridad de la optimización, no solo una política de caja negra.

Qué problema resuelve

Los pipelines de navegación modulares añaden latencia y errores que se acumulan entre la percepción y la planificación, y sufren en entornos densos y dinámicos. NeuPAN planifica directamente sobre puntos crudos en tiempo real mientras impone las restricciones de dinámica y colisión, cerrando esa brecha en hardware real.

Puntos clave

• End-to-end: los puntos lidar crudos se mapean directamente a acciones libres de colisión — sin mapa preconstruido
• Núcleo basado en modelo: dinámica, límites de control y restricciones de colisión en una sola optimización
• Modelo de distancia aprendido DUNE + solver de minimización alternante proximal para tasas de tiempo real
• Desplegado en robots reales de tracción diferencial y Ackermann en entornos dinámicos abarrotados
• Publicado en IEEE Transactions on Robotics; los ejemplos de simulación funcionan sobre IR-SIM

Para quién es

• Investigadores de navegación que exploran la planificación end-to-end
• Ingenieros de robótica que evalúan planificadores aprendidos
• Estudiantes de posgrado que estudian control basado en optimización
• Desarrolladores de robots para espacios dinámicos abarrotados

Limitaciones

• La licencia GPL-3.0 restringe la productización con código cerrado
• Requiere PyTorch y se beneficia de una GPU para el rendimiento en tiempo real
• Enfocado en navegación 2D — sin planificación de vuelo 3D ni de manipulación
• Código de investigación: la integración más allá de los ejemplos ROS proporcionados corre a cargo del usuario