为解决机器人难以快速探索含有狭窄入口的未知环境,以及在探索收益接近的目标之间徘徊探索而导致探索效率降低的问题,提出一种包含均匀扫描和专注引导策略的自主探索算法USAGE。USAGE采用均匀扫描的方式检测地图的边界点,并对边界点进...为解决机器人难以快速探索含有狭窄入口的未知环境,以及在探索收益接近的目标之间徘徊探索而导致探索效率降低的问题,提出一种包含均匀扫描和专注引导策略的自主探索算法USAGE。USAGE采用均匀扫描的方式检测地图的边界点,并对边界点进行聚类得到待探索点。最后通过专注引导策略确定最优探索目标,在含有信息增益和路径代价的传统评价函数中引入转向代价评估指标,并根据机器人的状态约束探索任务执行,引导机器人专注探索。通过在机器人操作系统搭建仿真环境进行验证,实验结果表明,与基于快速探索随机树(rapidly-exploring random tree, RRT)的探索算法相比,USAGE占用系统内存减少了11.34%以上,在探索耗时和探索距离方面分别减小了26.90%和31.94%,提升了自主探索效率。展开更多
文摘为解决机器人难以快速探索含有狭窄入口的未知环境,以及在探索收益接近的目标之间徘徊探索而导致探索效率降低的问题,提出一种包含均匀扫描和专注引导策略的自主探索算法USAGE。USAGE采用均匀扫描的方式检测地图的边界点,并对边界点进行聚类得到待探索点。最后通过专注引导策略确定最优探索目标,在含有信息增益和路径代价的传统评价函数中引入转向代价评估指标,并根据机器人的状态约束探索任务执行,引导机器人专注探索。通过在机器人操作系统搭建仿真环境进行验证,实验结果表明,与基于快速探索随机树(rapidly-exploring random tree, RRT)的探索算法相比,USAGE占用系统内存减少了11.34%以上,在探索耗时和探索距离方面分别减小了26.90%和31.94%,提升了自主探索效率。
