Ada-Detector：用于快速探索的自适应前沿检测器
机器人学
2022-04-14 v1
摘要
在本文中，我们提出一种基于自适应快速扩展随机树（RRT）的高效前沿检测器方法，用于自主机器人探索。机器人在探索未知环境时能够实现实时增量式前沿检测。首先，我们的检测器通过感知周围环境结构自适应调整 RRT 的采样空间。该自适应采样空间可根据环境结构大幅提高 RRT 的成功采样率（成功加入 RRT 树的样本数与采样尝试数之比），并控制 RRT 的扩展偏置。其次，通过生成非均匀分布的样本，我们的方法还解决了 RRT 在滑动窗口中的过采样问题，其中均匀随机采样会在两个相邻滑动窗口的重叠区域引起过采样。以此方式，我们的检测器更倾向于在最新探索区域采样，从而提高了前沿检测效率并实现了增量检测。我们在三个模拟基准场景中验证了我们的方法。实验对比表明，与 SOTA 方法 DSV Planner 相比，我们将前沿检测运行时间减少了约 40%。
引用
@article{arxiv.2204.06237,
title = {Ada-Detector: Adaptive Frontier Detector for Rapid Exploration},
author = {Zezhou Sun and Banghe Wu and Chengzhong Xu and Hui Kong},
journal= {arXiv preprint arXiv:2204.06237},
year = {2022}
}