精密农业中重复异质任务的能源高效规划

移动机械臂在精密农业中的机器人 weed removal 引入了重复异质任务规划 (RHTP) 挑战。RHTP 有两个独特特征：1) observe-first-and-manipulate-later (OFML) 时间约束强制对每个目标执行两种不同任务的唯一排序；2) 通过高效任务合并实现能源节省以最小化不必要的运动。RHTP 可建模为随机更新过程。根据更新奖励定理，任务循环的预期能耗为长期平均值。传统任务与运动规划关注可行性而非最优性，因为执行前目标与障碍物位置先验未知。然而，精密农业中已知的目标/障碍分布允许最小化预期能耗。对于每个更新过程实例，我们首先计算任务空间分区—a 新型数据结构计算所有任务复用可能性及其概率。随后我们提出基于区域的集合覆盖问题，将 RHTP 建模为混合整数非线性规划。我们实现并使用分支定界求解器求解 RHTP。与基于真实田间数据的基线相比，结果表明路径长度、机器人停机次数、整体能耗及重规划次数显著改善。