DART: Dual-level Autonomous Robotic Topology for Efficient Exploration in Unknown Environments

要約

自律的な調査における従来のアルゴリズムは、リアルタイムマップ内の凸領域の空間分布を正確かつ効率的に識別できないため、課題に直面しています。
これらの方法は、しばしば、既知の領域と未知の領域の境界である最も近いまたは情報が豊富なフロンティアへのナビゲーションを優先し、凸領域の探索が不完全であり、これらの見逃された領域を再訪するために過度のバックトラッキングを必要とします。
これらの制限に対処するために、このペーパーでは、革新的なデュアルレベルのトポロジ分析アプローチを紹介します。
まず、元のマップデータの均一なサンプリングを通じて生成された低レベルのトポロジグラフ（LTG）を紹介します。
次に、LTGは高レベルのトポロジグラフ（HTG）に変換され、凸領域の空間レイアウトと探査の完全性を表し、完全に調査されていない凸領域の探索を優先し、不要なバックトラッキングを最小化します。
最後に、モーションコントロールのために新しい局所人工電位フィールド（LAPF）メソッドが使用され、従来の経路計画を置き換え、全体的な効率を高めます。
実験結果は、アプローチの有効性を強調しています。
シミュレーションテストにより、フレームワークが探索時間と移動距離を大幅に短縮し、速度と効率の両方で既存の方法を上回ることが明らかになりました。
アブレーション研究は、各フレームワークコンポーネントの重要な役割を確認します。
現実世界のテストは、マッピング品質が低い環境での方法の堅牢性を示しており、不正確さやアクセスできない領域をマッピングするための適応性の他のアプローチを上回ります。

要約(オリジナル)

Conventional algorithms in autonomous exploration face challenges due to their inability to accurately and efficiently identify the spatial distribution of convex regions in the real-time map. These methods often prioritize navigation toward the nearest or information-rich frontiers — the boundaries between known and unknown areas — resulting in incomplete convex region exploration and requiring excessive backtracking to revisit these missed areas. To address these limitations, this paper introduces an innovative dual-level topological analysis approach. First, we introduce a Low-level Topological Graph (LTG), generated through uniform sampling of the original map data, which captures essential geometric and connectivity details. Next, the LTG is transformed into a High-level Topological Graph (HTG), representing the spatial layout and exploration completeness of convex regions, prioritizing the exploration of convex regions that are not fully explored and minimizing unnecessary backtracking. Finally, an novel Local Artificial Potential Field (LAPF) method is employed for motion control, replacing conventional path planning and boosting overall efficiency. Experimental results highlight the effectiveness of our approach. Simulation tests reveal that our framework significantly reduces exploration time and travel distance, outperforming existing methods in both speed and efficiency. Ablation studies confirm the critical role of each framework component. Real-world tests demonstrate the robustness of our method in environments with poor mapping quality, surpassing other approaches in adaptability to mapping inaccuracies and inaccessible areas.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google