基于实时连续占据地图的多目标自主探索
机器人学
2021-11-02 v1
摘要
利用移动机器人在未知环境中进行自主探索是许多机器人应用的支柱。现有的探索框架要么选择最近的几何前沿，要么选择最近的信息论前沿。然而，仅仅因为某个前沿本身具有信息量，并不意味着机器人在到达该前沿后会处于具有信息量的区域。为弥补这一不足，我们提出使用蒙特卡洛树搜索的一种多目标变体，该变体提供非短视的帕累托最优动作序列，引导机器人到达能最大程度揭示未知区域的前沿。我们还采用了贝叶斯希尔伯特地图（BHM）进行连续占据建图，并使其更适用于实时任务。
引用
@article{arxiv.2111.00067,
title = {Multi-Objective Autonomous Exploration on Real-Time Continuous Occupancy Maps},
author = {Zheng Chen and Weizhe Chen and Shi Bai and Lantao Liu},
journal= {arXiv preprint arXiv:2111.00067},
year = {2021}
}