在部分已知环境中利用侦察器辅助的异构机器人团队规划
机器人学
2026-05-22 v1 人工智能
摘要
自动化机器人团队在部分已知环境中导航时，面临着当地面机器人遇到仅在实际遍历后才被揭示的阻塞道路时造成的昂贵回溯问题。我们提出了侦察器辅助规划（Scout-Assisted Planning, SAP），这是一种异构规划框架，其中侦察无人机主动收集环境信息，以改进无人地面车辆的导航。为聚焦于最关键的边缘，我们提出了基于信息增益的动作修剪（Information Gain-based Action Pruning），该方法根据其对地面机器人行为的预期影响对候选侦察动作进行评分。由于精确计算基于信息增益的动作修剪代价高昂，我们开发了一个基于图神经网络的模型，从图结构和信念状态直接预测信息增益值，将规划时间缩短至实时水平而不牺牲解的质量。实验在三种环境类型中进行，表明 SAP 采用基于信息增益的动作修剪相对于加拿大旅行者问题基线可减少 31.9%--37.7% 的地面机器人行驶成本，并且相对于基于距离的侦察指导优势额外提升 8%--14%，确认原则性信息增益导向的侦察在实际部署中既更有效又更具计算可行性。
引用
@article{arxiv.2605.22693,
title = {Scout-Assisted Planning for Heterogeneous Robot Teams under Partially Known Environments},
author = {Hoang-Dung Bui and Abhish Khanal and Raihan Islam Arnob and Gregory J. Stein},
journal= {arXiv preprint arXiv:2605.22693},
year = {2026}
}