利用不确定性感知信息预测提高探索效率

自主探索是机器人学的一个关键方面，使机器人能够在没有先验知识的情况下探索未知环境并生成地图。本文提出了一种通过将基于神经网络的占据网格地图预测与不确定性感知贝叶斯神经网络相结合来提高探索效率的方法。来自神经网络占据网格地图预测的不确定性被概率性地整合到互信息中以进行探索。为了证明所提出方法的有效性，我们在一个逼真的模拟器环境中，在前沿探索框架内进行了与各种信息度量的比较模拟。所提出的方法在探索效率方面表现出优越的性能。