FH-DRL: Exponential-Hyperbolic Frontier Heuristics with DRL for accelerated Exploration in Unknown Environments

要約

大規模または乱雑な環境での自律的なロボット探査は、インテリジェントな車両アプリケーションの中心的な課題のままです。
このペーパーでは、FH-DRLを紹介します。FH-DRLは、フロンティア検出のカスタマイズ可能なヒューリスティック関数を、連続した高速ローカルナビゲーションのツイン遅延DDPG（TD3）エージェントと統合する新しいフレームワークを紹介します。
提案されているヒューリスティックは、指数関数的な溶媒距離スコアに依存しており、これは長距離探査の利益との即時の近接性と、環境の開放性と障害物の密度をリアルタイムで説明します。
これらの適応メトリックを使用してフロンティアをランキングすることにより、FH-DRLは非常に有益でありながら扱いやすいウェイポイントをターゲットにし、冗長パスと総探索時間を最小限に抑えます。
複数のシミュレートされた現実世界のシナリオにわたってFH-DRLを徹底的に評価し、フロンティアのみまたは純粋にDRLベースの探索にわたる移動距離と完了時間の明確な改善を示しています。
構造化された廊下のレイアウトと迷路のようなトポロジーでは、私たちのアーキテクチャは、最寄りのフロンティア、コグネットフロンティア探査、目標駆動型の自律探査などの標準的な方法よりも一貫して優れています。
Turtlebot3プラットフォームを使用した実際のテストは、以前に見えていない、または乱雑な屋内スペースへの堅牢な適応をさらに確認します。
この結果は、FH-DRLが、大規模または部分的に既知の環境でのフロンティアベースの探索のための効率的で一般化可能なアプローチとして強調しており、さまざまな自律運転、産業、およびサービスロボットのタスクに有望な方向性を提供します。

要約(オリジナル)

Autonomous robot exploration in large-scale or cluttered environments remains a central challenge in intelligent vehicle applications, where partial or absent prior maps constrain reliable navigation. This paper introduces FH-DRL, a novel framework that integrates a customizable heuristic function for frontier detection with a Twin Delayed DDPG (TD3) agent for continuous, high-speed local navigation. The proposed heuristic relies on an exponential-hyperbolic distance score, which balances immediate proximity against long-range exploration gains, and an occupancy-based stochastic measure, accounting for environmental openness and obstacle densities in real time. By ranking frontiers using these adaptive metrics, FH-DRL targets highly informative yet tractable waypoints, thereby minimizing redundant paths and total exploration time. We thoroughly evaluate FH-DRL across multiple simulated and real-world scenarios, demonstrating clear improvements in travel distance and completion time over frontier-only or purely DRL-based exploration. In structured corridor layouts and maze-like topologies, our architecture consistently outperforms standard methods such as Nearest Frontier, Cognet Frontier Exploration, and Goal Driven Autonomous Exploration. Real-world tests with a Turtlebot3 platform further confirm robust adaptation to previously unseen or cluttered indoor spaces. The results highlight FH-DRL as an efficient and generalizable approach for frontier-based exploration in large or partially known environments, offering a promising direction for various autonomous driving, industrial, and service robotics tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google