基于显著性区域的前沿式探索偏置方法

自主探索是广泛研究的议题，其中机器人逐步构建先前未知环境的地图。机器人需根据探索策略选择下一个到达的位置。为此，机器人必须在多个目标之间进行权衡，例如尽快地探索整个环境。大多数探索策略试图最大化已探索的区域以加快探索速度;然而，它们并不考虑某些区域比其他区域更重要，因为这些区域会导致大量未知区域的发现。我们提出的方法通过利用来自神经网络的显著性图识别出\emph{显著性区域}，这些区域对于探索具有高价值，通过给定当前地图来实施终止准则，以估计环境是否已完全探索。我们利用显著性区域来偏置一些广泛使用的探索策略，通过大量实验活动显示，这种知识对机器人在探索期间的行为具有显著影响。