CUTE-Planner：基于置信度的不均匀地形探索规划器
机器人学
2025-11-18 v1
摘要
行星探索机器人必须在构建可靠地图的同时导航不规则地形，以完成太空任务。然而，大多数现有方法虽纳入遍历约束，却难以处理地形 elevation 估计不确定性较大的复杂特征（如撞击坑）附近的高不确定性问题，亦未考虑降低不确定性的探索策略，更未就 elevation 不确定性如何影响导航安全性和地图质量提出解决方案。为此，我们提出一种集成安全路径生成、自适应置信度更新与置信度感知探索策略的框架。利用卡尔曼滤波进行 elevation 估计，本方法生成地形遍历可行性和置信度评分，然后将其纳入图基探索规划器（GBP）以优先探索低置信度且可遍历的区域。我们通过仿真月球实验评估了该框架，采用新颖的低置信度区域比率指标，uncertainty reduction 达69%，显著优于基线 GBP。就任务成功率而言，本方法实现了100%，而基线 GBP 仅为0%，展示了在探索安全性和地图可靠性方面的显著提升。
引用
@article{arxiv.2511.12984,
title = {CUTE-Planner: Confidence-aware Uneven Terrain Exploration Planner},
author = {Miryeong Park and Dongjin Cho and Sanghyun Kim and Younggun Cho},
journal= {arXiv preprint arXiv:2511.12984},
year = {2025}
}
备注
Accepted in International Conference on Space Robotics 2025