Realm：多机器人导航中基于未知障碍物的实时视线维护

在复杂环境中进行多机器人导航依赖于机器人之间的通信和相互观测，以实现协调和情境感知。本文研究了在未知环境中存在视线（LoS）连接约束下的多机器人导航问题。虽然已有研究仅限于已知环境模型来推导视线约束，但本文通过直接从机器人实时点云测量中构建视线约束，消除了此类要求，借鉴点云可见性分析技术。我们提出了一种新颖的视线距离度量标准，用于量化机器人之间丢失视线的紧迫性和灵敏性，考虑潜在的机器人运动。此外，为解决两个机器人之间丢失视线紧迫性不均衡的问题，我们设计了一种融合函数，以捕获整体紧迫性，同时生成促进机器人协同运动以维持视线的梯度。将视线约束编码为势函数，以保持机器人网络图的Fiedler特征值的正性，以确保网络连通性。最后，我们建立了一个集成所提连通性控制器的视线受限探索框架。我们展示了其在复杂未知环境中进行多机器人探索的应用，在该应用中，机器人可以通过分布式感知和通信始终维持视线连通性，同时协同绘制未知环境。实现代码已开源于 https://github.com/bairuofei/LoS_constrained_navigation。