HPHS: Hierarchical Planning based on Hybrid Frontier Sampling for Unknown Environments Exploration

要約

環境から迅速にサンプリングして利用可能なフロンティアポイントを取得し、それをその後の計画にタイムリーに組み込んで断片化した領域を減らすことが、自律探査の効率を向上させるために重要です。
私たちは、未知の環境を自律的に探索するための高速かつ効果的な方法である HPHS を提案します。
この研究では、階層的な計画戦略を活用してロボットにグローバルな視点を提供しながら、LiDAR データとロボット周囲のローカル マップからフロンティア ポイントを直接効率的にサンプリングします。
階層計画フレームワークは、更新された環境を複数のサブ領域に分割し、グローバル パスの全体的な収益を考慮してそれらへのアクセス順序を調整します。
ハイブリッド フロンティア サンプリング手法と階層型計画戦略を組み合わせることで、計画の問題の複雑さが軽減され、探査プロセス中の地域残存物の問題が軽減されます。
詳細なシミュレーションと実際の実験により、さまざまな側面における当社のアプローチの有効性と効率性が実証されています。
ソースコードはさらなる研究に役立てるために公開されます。

要約(オリジナル)

Rapid sampling from the environment to acquire available frontier points and timely incorporating them into subsequent planning to reduce fragmented regions are critical to improve the efficiency of autonomous exploration. We propose HPHS, a fast and effective method for the autonomous exploration of unknown environments. In this work, we efficiently sample frontier points directly from the LiDAR data and the local map around the robot, while exploiting a hierarchical planning strategy to provide the robot with a global perspective. The hierarchical planning framework divides the updated environment into multiple subregions and arranges the order of access to them by considering the overall revenue of the global path. The combination of the hybrid frontier sampling method and hierarchical planning strategy reduces the complexity of the planning problem and mitigates the issue of region remnants during the exploration process. Detailed simulation and real-world experiments demonstrate the effectiveness and efficiency of our approach in various aspects. The source code will be released to benefit the further research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google