A Skeleton-Based Topological Planner for Exploration in Complex Unknown Environments

要約

複雑で未知の環境における自律探索機能は、多くのロボット アプリケーションにおいて重要です。
自律探索に関する最近の研究は大きな進歩を遂げていますが、まだ限界があり、たとえば、貪欲なヒューリスティックや最適な経路計画に依存する既存の方法は、繰り返しの経路や高い計算要求によって妨げられることがよくあります。
このような制限に対処するために、我々は、観測された環境のグローバルトポロジー情報を利用して、計算オーバーヘッドを削減しながら探査効率を向上させる新しい探査フレームワークを提案します。
具体的には、環境ジオメトリの骨格トポロジー グラフ表現に基づいてグローバル情報が利用されます。
まず、波面伝播に基づく増分スケルトン抽出手法を提案し、これに基づいて、環境の構造特性を効果的に捕捉できる軽量のトポロジカル グラフを生成するアプローチを設計します。
これに基づいて、トポロジー構造を活用してカバレッジ パスを効率的に計画する有限状態マシンを導入します。これにより、往復操作 (BFM) の問題を大幅に軽減できます。
実験結果は、最先端の方法と比較して、私たちの方法の優位性を示しています。
ソース コードは \url{https://github.com/Haochen-Niu/STGPlanner} で公開されます。

要約(オリジナル)

The capability of autonomous exploration in complex, unknown environments is important in many robotic applications. While recent research on autonomous exploration have achieved much progress, there are still limitations, e.g., existing methods relying on greedy heuristics or optimal path planning are often hindered by repetitive paths and high computational demands. To address such limitations, we propose a novel exploration framework that utilizes the global topology information of observed environment to improve exploration efficiency while reducing computational overhead. Specifically, global information is utilized based on a skeletal topological graph representation of the environment geometry. We first propose an incremental skeleton extraction method based on wavefront propagation, based on which we then design an approach to generate a lightweight topological graph that can effectively capture the environment’s structural characteristics. Building upon this, we introduce a finite state machine that leverages the topological structure to efficiently plan coverage paths, which can substantially mitigate the back-and-forth maneuvers (BFMs) problem. Experimental results demonstrate the superiority of our method in comparison with state-of-the-art methods. The source code will be made publicly available at: \url{https://github.com/Haochen-Niu/STGPlanner}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google