用于持久自主的随机收集与补充（SCAR）优化方法

对燃料、电池电量和存储空间等资源的考量，是自主系统成功持久运行的关键要求。随机收集与补充（SCAR）场景受采矿和农业场景的启发，其中专用的补充代理在中央补充点与现场使用资源的代理之间运输资源。现场代理通常在固定区域内作业（例如采矿应用中的台阶，以及农业场景中的田地或果园），且补充代理的运动可能受道路网络限制。现有研究通常从短期和确定性的角度来处理专用补充代理的行动调度问题。本文引入了一种通过新颖预测框架将不确定性纳入调度优化的方法，以及一种分支定界优化方法，该方法利用预测框架最小化代理的停机时间。预测框架利用若干高斯近似来快速计算调度的风险加权成本。分支定界方法的随时特性在类MPC框架中被利用，以在大型场景中提供合理计算时间的同时优于现有优化方法。