KC-TSS：一种用于异构机器人团队执行弹性目标搜索的算法
机器人学
2022-03-03 v1
摘要
本文提出了KC-TSS：一种基于K-聚类旅行商搜索的故障弹性路径规划算法，用于在人类环境中执行目标搜索的异构机器人团队。我们将样本路径生成问题分解为异构聚类和多个旅行商问题。这使我们能够为每个智能体向信息论效用函数提供高质量的候选路径（即最小的回溯和重叠）。首先，我们根据地图知识和目标预测模型生成航点候选。所有这些候选点根据智能体数量及其覆盖空间的能力（即覆盖能力）进行聚类。每个智能体在其分配的聚类上求解一个旅行商问题（TSP）实例，然后将候选路径输入效用函数进行路径选择。我们在Gazebo中进行了广泛的仿真，并在室内搜索和模拟救援场景中（使用静态目标）进行了真实机器人的初步部署。我们将所提出的方法与一种最先进的算法进行了比较，结果表明我们的方法在任务时间上能够超越它。我们的方法通过在线重新计算全局团队计划，提供了在单个或多个队友发生故障时的弹性。
引用
@article{arxiv.2203.00947,
title = {KC-TSS: An Algorithm for Heterogeneous Robot Teams Performing Resilient Target Search},
author = {Minkyu Kim and Ryan Gupta and Luis Sentis},
journal= {arXiv preprint arXiv:2203.00947},
year = {2022}
}