XIT：面向未知环境中主动气体分布映射的受探索-开发驱动的树
机器人学
2026-02-17 v1 系统与控制
系统与控制
摘要
移动机器人气体分布映射 (GDM) 在针对危险气体泄漏的应急响应中提供关键的情报感知。然而，大多数系统仍依赖遥控操作，限制了可扩展性和响应速度。在未知且拥挤的环境中，Autonomous active GDM 具有挑战，因为机器人必须同时探索可遍历空间、构建环境地图、并从稀疏化学测量中推断气体分布信念。我们通过将 active GDM 形式化为下一条最佳轨迹信息路径规划 (IPP) 问题，并提出 XIT (受探索-开发驱动的树)，作为一种采样基 Planner，通过生成前往探索丰富目标的并行轨迹，同时在路径上收集信息丰富的气体测量来平衡探索与开发。XIT 从 Upper Confidence Bound (UCB) 信息场中抽取样本批次，基于当前气体后验分布，并以牺牲旅行 effort 与气体浓度和不确定性之间的成本来扩展树结构。为实现 plume-aware 探索，我们引入气体前沿概念，即定义为高气体浓度相邻未观测区域，并提出 Wavefront Gas Frontier Detection (WGFD) 算法用于其识别。高保真仿真和实际实验表明，XIT 在 GDM 质量和效率方面具有优势。虽然为 active GDM 开发，但 XIT 可直接应用于其他在未知环境中进行信息收集的机器人任务，这些任务面临探索与开发之间的权衡。
引用
@article{arxiv.2602.13739,
title = {XIT: Exploration and Exploitation Informed Trees for Active Gas Distribution Mapping in Unknown Environments},
author = {Mal Fazliu and Matthew Coombes and Sen Wang and Cunjia Liu},
journal= {arXiv preprint arXiv:2602.13739},
year = {2026}
}