超越覆盖路径规划：无人机群体完美检查散布区域的可能性
机器人学
2025-12-30 v1
摘要
无人机（UAV）通过提供更安全、更高效、更灵活的替代方案，已彻底改变了检查任务。然而，电池限制常常制约其效能， necessitating 开发优化飞行路径和数据收集技术的发展。虽然现有方法如覆盖路径规划（CPP）确保全面的数据收集，但在检查多个非连通的兴趣区域（ROI）时可能效率不高。本文引入了散布区域快速检查（FISR）问题，并提出了一种新颖解决方案——多无人机 Disjoint Areas Inspection（mUDAI）方法。该方法采用双重优化程序，计算最佳图像捕获位置以及最高效的无人机轨迹，在数据分辨率和操作时间之间进行权衡，最小化冗余数据收集和资源消耗。mUDAI 方法旨在实现对散布 ROI 的快速、高效检查，特别适用于安全基础设施评估、农业检查和紧急现场评估等应用场景。通过结合仿真评估和实际部署来验证和量化该方法在保持高质量数据捕获的同时提升操作效率的能力，展示了其在实际操作中的有效性。mUDAI 方法的开源 Python 实现可在 GitHub 上获取（https://github.com/soc12/mUDAI），收集和处理实际实验的数据全部托管在 Zenodo 上（https://zenodo.org/records/13866483）。最后，一个在线平台（https://sites.google.com/view/mudai-platform/）允许感兴趣的读者与 mUDAI 方法进行交互，并生成自己的多无人机 FISR 任务。
引用
@article{arxiv.2512.23257,
title = {Beyond Coverage Path Planning: Can UAV Swarms Perfect Scattered Regions Inspections?},
author = {Socratis Gkelios and Savvas D. Apostolidis and Pavlos Ch. Kapoutsis and Elias B. Kosmatopoulos and Athanasios Ch. Kapoutsis},
journal= {arXiv preprint arXiv:2512.23257},
year = {2025}
}