Research KB 登录
PPR-2504.10003 NaviDiffusor: Cost-Guided Diffusion Model for Visual NavigationRGB-only 视觉导航的代价引导扩散模型：在『路径—RGB 观测』对上训练条件扩散，推理时把可微的场景级与任务级代价梯度注入扩散采样，引导生成满足约束的路径；免重训、可零样本迁移，室内外与仿真/真机均验证。 Paper extracted n/a
PPR-2510.12733 HYPE: Hybrid Planning with Ego Proposal-Conditioned Predictions混合规划器 HYPE：把学习到的多模态轨迹提议作为启发式先验注入蒙特卡洛树搜索（MCTS）精修，并用 ego-conditioned 占据预测建模双向交互，从而把精修阶段的代价函数设计简化到只需极简栅格代价项；nuPlan 与 DeepUrban 上达到 SOTA，尤其安全与适应性。 Paper extracted n/a
CPT-021 求解“选择控制随时间函数使轨迹最优”的泛函优化问题的一类方法：在动力学、路径、边界与界约束下最小化 Bolza 形式目标（Mayer 边界项 + Lagrange 路径积分），解为开环控制序列；按离散化时机分直接法（先离散再优化，如配点/打靶）与间接法（先构造最优性条件再离散）。 Concept
CPT-022 目标或约束含非线性项的带约束参数优化问题（min J(z) s.t. f(z)=0, g(z)≤0, zlow≤z≤zupp）；是直接法轨迹优化的转录目标。求解器只保证局部最优、可能失败；要求目标与约束函数一致（CPT-025）；约束线性且目标线性/二次时退化为 LP/QP，更易求解。 Concept
CPT-024 在最大与零控制之间交替的控制律（最大力加速、滑行、最大反向力制动），出现在最小功/最短时间一类目标下；控制不连续，多项式样条配点无法精确表示（可随网格细化逼近），标准对策是多相优化把间断放在相之间。 Concept
CPT-025 NLP 求解器对目标/约束函数的要求：每次调用执行完全相同的算术运算序列——无逻辑分支、确定性、输出随输入光滑变化；abs()/min()/max()、随机数、变步长积分、迭代求根、表插值都会破坏一致性并导致收敛问题，对策是松弛变量、光滑化或固定步长/固定迭代。 Concept
CPT-026 开环解是作为时间函数的控制序列 u*(t)，把系统从单一初始状态驱动到终态（轨迹优化的产物，需配稳定控制器）；闭环解/最优策略是 u(x)，对状态空间每点给出最优控制（动态规划的产物，基本形式保证全局最优但受维数灾难限制）。 Concept
CPT-027 为实现函数一致性（或精确表示绝对值）引入的额外决策变量：把不连续从目标函数推到约束。|u·v| 的等价重写用两个非负松弛变量 s1,s2 与 s1−s2=u·v、目标改 min∫(s1+s2)；数学等价但每个 abs 在每个配点增加两个控制与三个约束，且路径约束使收敛变慢。 Concept
DIS-003 术语“闭环”在本库的两个 referent 路由：控制论意义的闭环解/最优策略（CPT-026）与自动驾驶基准的闭环评估口径（BMK-003、BMK-006）。 Disambiguation
PPR-2205.09991 Planning with Diffusion for Flexible Behavior SynthesisDiffuser（Janner et al., ICML 2022）：把规划重述为轨迹级扩散采样——二维数组表示非自回归联合预测全部时步，分类器引导等价于 RL 奖励采样、inpainting 等价于目标/约束满足；学习长程规划、时间/任务组合性、变长轨迹；G2DP 谱系近亲。 Paper extracted n/a