P2 Explore：基于楼层图预测的未知杂乱环境中高效探索
机器人学
2025-10-09 v4
摘要
机器人探索旨在重建未知环境，需以更短的路径实现。传统方法基于当前观测优化前沿访问顺序，可能导致局部最优结果。近期通过预测未看见环境的结构，可进一步提升探索效率。然而在杂乱环境中，由于障碍物的随机性，预测能力受限。此不准确会导致探索效率提升受限。因此，我们提出了能有效预测噪声室内环境布局的FPUNet。随后提取房间分割，并基于预测地图构建其拓扑连通性。对这些预测房间的访问顺序进行优化，为探索提供高层指导。将FPUNet与其他网络架构进行比较，表明其在该任务上为SOTA方法。大量仿真实验表明，本方法相较于基线方法可缩短路径长度2.18%至34.60%。
引用
@article{arxiv.2409.10878,
title = {P2 Explore: Efficient Exploration in Unknown Cluttered Environment with Floor Plan Prediction},
author = {Kun Song and Gaoming Chen and Masayoshi Tomizuka and Wei Zhan and Zhenhua Xiong and Mingyu Ding},
journal= {arXiv preprint arXiv:2409.10878},
year = {2025}
}
备注
7 pages, Accepted by IROS 2025, Open-sourced at https://github.com/song-kun/P2Explore