HEATS：面向移动机械臂高效自主目标搜索的分层框架

利用机器人在复杂未知环境中进行自主目标搜索可极大提高搜救任务的效率。然而，由于硬件平台限制、低效的视点选择策略以及保守的运动规划，现有方法表现出性能不足。在本工作中，我们提出了 HEATS，增强了移动机械臂在复杂未知环境中的搜索能力。我们设计了针对移动机械臂优势量身定制的目标视点规划器，确保高效且全面的视点规划。在此支持下，全身运动规划器将全局路径搜索与局部 IPC 优化相结合，使移动机械臂能够安全、敏捷地访问目标视点，显著提升了搜索性能。我们进行了大量的仿真和真实世界测试，与经典方法和 SOTA 方法相比，我们的方法展示了更短的搜索时间、更高的目标搜索完整度以及更低的移动成本。我们的方法将开源以造福社区。