结合基于动力系统的路径规划与无监督学习的真实环境自主搜索
机器人学
2024-12-02 v3 人工智能
摘要
近年来,在使用混沌覆盖路径规划器实现具有有限环境线索空间的自主搜索与遍历方面取得了进展。然而,该领域仍处于起步阶段,实验工作甚少。现有实验工作尚未开发出鲁棒方法来妥善解决混沌覆盖路径规划器在合理覆盖时间内扫描真实环境所需克服的一系列紧迫问题。这些紧迫问题如下:(1) 一种减少连续混沌轨迹中停顿或中断的避障技术;(2) 一种将混沌轨迹散布到待覆盖环境中的手段(对于大型和/或复杂形状环境尤为关键);(3) 一种准确且独立于栅格尺寸的实时覆盖计算技术。本研究通过开发一种用于混沌覆盖路径规划器真实世界应用的新型应用框架,并提供有效避障、混沌轨迹散布和准确实时覆盖计算的技术,解决了这些问题。这些算法在 ROS 框架内创建,构成新开发的混沌路径规划应用。该应用的性能可与常规最优路径规划器相媲美。性能测试在真实环境与 Gazebo 仿真中,于不同尺寸、形状和障碍密度的环境下进行。
引用
@article{arxiv.2305.01834,
title = {Autonomous search of real-life environments combining dynamical system-based path planning and unsupervised learning},
author = {Uyiosa Philip Amadasun and Patrick McNamee and Zahra Nili Ahmadabadi and Peiman Naseradinmousavi},
journal= {arXiv preprint arXiv:2305.01834},
year = {2024}
}