SRM：一种用于室内环境自主机器人探索的高效框架
机器人学
2018-12-27 v1
摘要
本文提出一种用于室内环境自主机器人探索的集成框架。具体地，我们提出一种名为语义路线图（Semantic Road Map, SRM）的混合地图，用于表示已探索环境的拓扑结构并辅助探索中的决策。SRM 随探索过程增量式构建，是一种具有无碰撞节点与边的图结构，这些节点与边在传感器覆盖范围内生成。此外，每个节点具有语义标签以及该位置的期望信息增益。基于简洁的 SRM，我们提出一种新颖有效的决策模型，以确定探索过程中的下一最佳目标（next-best-target, NBT）。该模型综合考虑语义信息、信息增益以及到达目标位置的路径代价。我们利用 SRM 的节点表示候选目标，使得目标评估可直接在 SRM 上执行。借助 SRM，节点的信息增益与到该节点的路径代价均可高效获取。此外，我们采用交叉熵方法来优化路径以使其包含更多信息。我们在仿真与真实环境中开展实验研究，证明了所提方法的有效性。
引用
@article{arxiv.1812.09852,
title = {SRM: An Efficient Framework for Autonomous Robotic Exploration in Indoor Environments},
author = {Chaoqun Wang and Delong Zhu and Teng Li and Max Q. -H. Meng and Clarence De. Silva},
journal= {arXiv preprint arXiv:1812.09852},
year = {2018}
}