ReSPIRe：用于未知环境中机器人概率搜索与跟踪的信息化可重用信念树搜索
机器人学
2026-01-01 v1
摘要
目标搜索与跟踪（SAT）是搜索救援和环境探索等多种机器人应用的基础问题。本文提出了一种信息化轨迹规划方法，即ReSPIRe，用于在高度不准确的先验目标信息和有限感知视场下，在未知杂乱环境中进行SAT。我们首先开发了一种新颖的基于Sigma点的近似方法，以快速准确地估计非高斯信念分布下的互信息奖励，利用状态和观测空间中的信息化采样来缓解积分计算的计算难解性。为解决先验目标信息不足带来的显著不确定性，我们在ReSPIRe中提出了分层粒子结构，该结构不仅提取关键粒子用于全局路径引导，还能自适应调整粒子数量以提高规划效率。基于该分层结构，我们开发了可重用信念树搜索方法，以构建用于不确定性下在线轨迹规划的策略树，该方法重用推演评估以提高规划效率。大量仿真和真实世界实验表明，ReSPIRe在更小的MI近似误差、更高的搜索效率和更稳定的跟踪性能方面优于代表性基准方法，同时保持了出色的计算效率。
引用
@article{arxiv.2512.24680,
title = {ReSPIRe: Informative and Reusable Belief Tree Search for Robot Probabilistic Search and Tracking in Unknown Environments},
author = {Kangjie Zhou and Zhaoyang Li and Han Gao and Yao Su and Hangxin Liu and Junzhi Yu and Chang Liu},
journal= {arXiv preprint arXiv:2512.24680},
year = {2026}
}
备注
17 pages, 12 figures, accepted to IEEE Transactions on Systems, Man, and Cybernetics: Systems