EDEN：面向大规模 3D 环境中快速 UAV 自主探索的高效双层探索规划
机器人学
2026-01-22 v2
摘要
大规模环境下的高效自主探索仍面临高规划计算成本和低速机动等挑战。本文提出一种快速且计算高效的双层探索规划方法。我们双层方法的核心思想是高效寻找可接受的长期区域路由，并以高速在首个路由区域内贪心地探索目标。具体而言，所提方法通过近似算法寻找长期区域路由，以确保大规模环境下的实时规划。随后，选取首个路由区域内曲率惩罚成本最低的视点作为下一个探索目标，这有效减少由尖锐转向动作导致的减速。为进一步加速探索，我们采用激进且安全的探索导向�迹来增强探索连续性。所提方法在具有挑战性的仿真环境中与最新方法进行比较。结果表明，所提方法在探索效率、计算成本和轨迹速度方面均优于其他方法。我们还进行了实际环境中的实验，以验证所提方法的有效性。该代码将开源。
引用
@article{arxiv.2506.05106,
title = {EDEN: Efficient Dual-Layer Exploration Planning for Fast UAV Autonomous Exploration in Large 3-D Environments},
author = {Qianli Dong and Xuebo Zhang and Shiyong Zhang and Ziyu Wang and Zhe Ma and Haobo Xi},
journal= {arXiv preprint arXiv:2506.05106},
year = {2026}
}
备注
nothing