多机器人团队用于监测非凸区域的可扩展覆盖路径规划
机器人学
2021-03-30 v1 多智能体系统
摘要
本文提出一种新颖的多机器人覆盖路径规划（CPP）算法——亦称 SCoPP——其基于多机器人系统中各机器人的初始状态，提供时间高效的解决方案及为每个机器人负载均衡的计划。该算法考虑了指定感兴趣区域中的不连续性（例如禁飞区），并使用一种离散、计算高效的近邻路径规划算法，为每台机器人提供优化的有序航点列表。该算法包含五个主要阶段：将用户输入转换为地理坐标下的一组顶点、离散化、负载均衡分区、离散空间中冲突单元的拍卖以及路径规划过程。为评估主算法有效性，考虑了一种多无人机（UAV）洪后评估应用，并在三种不同尺寸测试地图上测试算法性能。此外，我们的方法与 Guasella 等人创建的最先进方法进行比较。进一步对 SCoPP 的可扩展性与计算时间进行分析。结果表明 SCoPP 在任务完成时间上更优；对于由 150 台机器人团队覆盖的大地图，其计算时间低于 2 分钟，从而展示其计算可扩展性。
引用
@article{arxiv.2103.14709,
title = {Scalable Coverage Path Planning of Multi-Robot Teams for Monitoring Non-Convex Areas},
author = {Leighton Collins and Payam Ghassemi and Ehsan T. Esfahani and David Doermann and Karthik Dantu and Souma Chowdhury},
journal= {arXiv preprint arXiv:2103.14709},
year = {2021}
}
备注
Accepted for publication in the proceedings of the 2021 IEEE International Conference on Robotics and Automation (ICRA)