在未知的环境中高效自主探索和绘制地图.
Ao Feng1, Yuyang Xie2, Yankang Sun1
1College of Integrated Circuit Science and Engineering, Nanjing University of Posts and Telecommunications, Nanjing 210023, China.
Sensors (Basel, Switzerland)
|July 11, 2023
概括
本研究介绍了一种新的机器人探索策略,以克服区域遗留问题,在未知的环境中显著提高效率. 当地和全球战略 (LAGS) 增强了自主地图和导航.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 自主系统 自主系统
背景情况:
- 自主探索和绘制地图对于机器人在未知的环境中至关重要.
- 目前的方法忽视了区域遗留问题,降低了长期勘探效率.
研究的目的:
- 提出一项新的战略,解决自主勘探中的区域遗产问题.
- 提高机器人在未知的环境中探索机器人的效率和适应性.
主要方法:
- 介绍了本地和全球战略 (LAGS) 算法.
- 综合高斯过程回归 (GPR),贝叶斯优化 (BO) 和深度强化学习 (DRL).
- 将当地探索与全球感知策略相结合.
主要成果:
- 拟议的方法显著提高了勘探效率.
- 在不同的地图上,人们证明了更短的路径和更高的适应性.
- 在探索期间确保机器人安全.
结论:
- 该LAGS算法有效地解决了自主勘探中的区域遗留问题.
- 集成的GPR,BO和DRL模型提高了勘探性能和安全性.
- 该方法在各种未知的环境中显示出强大的适应性.
