GVD-Exploration: An Efficient Autonomous Robot Exploration Framework Based on Fast Generalized Voronoi Diagram Extraction

要約

高速探索ランダム ツリー (RRT) は、移動ロボットの自律探索のための一般的な技術です。
ただし、RRT で使用されるランダム サンプリングでは、フロンティアの抽出が非効率かつ不正確になる可能性があり、探査パフォーマンスに影響を与えます。
遅い経路計画と高い経路コストの問題に対処するために、ロボット探索のための一般化ボロノイ図 (GVD) ベースの複数選択戦略を使用するフレームワークを提案します。
私たちのフレームワークは 3 つのコンポーネントで構成されています。エンドツーエンドのニューラル ネットワークを使用して環境の GVD をリアルタイムで構築する新しいマッピング モデルです。
フロンティアの抽出を加速し、フロンティアの冗長性を削減する GVD ベースのヒューリスティック スキーム。
そして、さまざまなタイプのフロンティアを考慮し、ロボットが探索プロセス中に合理的な決定を下せるようにする多選択フロンティア割り当てスキームです。
私たちはシミュレーションと現実世界の実験でこの方法を評価し、効率と堅牢性の点で RRT ベースの探査方法よりも優れていることを示します。

要約(オリジナル)

Rapidly-exploring Random Trees (RRTs) are a popular technique for autonomous exploration of mobile robots. However, the random sampling used by RRTs can result in inefficient and inaccurate frontiers extraction, which affects the exploration performance. To address the issues of slow path planning and high path cost, we propose a framework that uses a generalized Voronoi diagram (GVD) based multi-choice strategy for robot exploration. Our framework consists of three components: a novel mapping model that uses an end-to-end neural network to construct GVDs of the environments in real time; a GVD-based heuristic scheme that accelerates frontiers extraction and reduces frontiers redundancy; and a multi-choice frontiers assignment scheme that considers different types of frontiers and enables the robot to make rational decisions during the exploration process. We evaluate our method on simulation and real-world experiments and show that it outperforms RRT-based exploration methods in terms of efficiency and robustness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google