基于高斯信念映射与双域覆盖的稀疏证据发现的多智能体离网探索
机器人学
2026-03-10 v1
摘要
离网多机器人探索面临稀疏目标、感知受限、危险地形以及通信受限的挑战。许多科学上有价值的线索在视觉上模糊不清，往往需要近距离观察，从而使得高效且安全的信息路径规划变得至关重要。现有方法常依赖预定义的兴趣区域 (Area of Interest, AOI)，该区域可能不完整或偏颇，并且通常仅通过软惩罚来处理地形风险，这在避免不可恢复区域方面不足。为此，我们提出一种基于高斯信念映射和双域覆盖的稀疏证据发现多智能体信息路径规划框架。该方法维护基于高斯过程的兴趣和风险信念，并将其与轨迹意图表示结合，以支持多智能体之间的协调顺序决策。进一步地，它在保持有限探索范围内的 AOI 内部搜索的同时，保留对 AOI 外部区域的探索，从而提高了对 AOI 偏差的鲁棒性。此外，风险感知的设计有助于代理人在危险环境中平衡信息增益和操作安全。实验结果表明，在模拟月球环境下，该方法在不同预算和通信范围下均一致优于基于抽样和贪心的基线方法。特别是，在风险感知设置下实现了更低的最终不确定性，并在受限通信条件下保持鲁棒性，显示出了适用于协作离网机器人探索的有效性。
引用
@article{arxiv.2603.07650,
title = {Multi-Agent Off-World Exploration for Sparse Evidence Discovery via Gaussian Belief Mapping and Dual-Domain Coverage},
author = {Zhuoran Qiao and Tianxin Hu and Thien-Minh Nguyen and Shenghai Yuan},
journal= {arXiv preprint arXiv:2603.07650},
year = {2026}
}