FRTree规划器：基于自由区域树结构的 cluttered and unknown 环境下机器人导航

在本工作中，我们提出了 FRTree 规划器，这是一种新颖的机器人导航框架，利用自由区域的树结构，专为在 clutters and unknown 环境中狭窄通道的导航而设计。该框架持续整合实时感知信息，以识别不同的导航选项并动态地向可探索和可遍历的方向扩张。这种动态构建的树逐步编码了碰撞自由空间的几何和拓扑信息，从而实现对中间目标的有效选择、绕过死胞同的情况以及避免动态障碍物，而无需事先地图。关键的是，我们方法在在线重规划期间对自由区域与机器人之间的几何关系进行了全面分析。特别是，规划器根据机器人的几何形状评估候选通道的可达性，从而通过可达的狭窄通道有效选择最可行的中间目标，同时最小化不必要的 detours。通过将自由区域信息与针对特定几何形状的双层轨迹优化相结合，我们的方法在受限空间中生成稳健且可适应的障碍规避策略。通过大量仿真和实际实验，FRTree 在生成安全、有效的运动计划方面优于基准方法，尤其是在具有狭窄缝隙的高度 clutters and unknown 环境中。