.png){kind=icon}
返回
A Spiral Coverage Path Planning Algorithm for Nonomnidirectional Robots
.png){kind=icon}
PRE
AI
DOI：10.1002/rob.22516.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
非全向机器人的有限转向能力为全覆盖任务引入显著复杂性，常导致路径重叠增加或特定区域覆盖不完整。尽管近期研究在优化路径规划方面取得进展，但目标区域仍易出现冗余覆盖或遗漏。为解决这些持续挑战，我们提出一种新型螺旋覆盖方法。该方法不仅符合非全向机器人的运动学约束，还通过将目标区域划分为中心与边界区域并制定针对性策略来提升覆盖效率，有效减少路径冗余并改善整体覆盖。此外，我们引入综合指标，结合路径总长与覆盖面积比评估效率，克服现有指标的局限性与计算复杂度。针对高覆盖比需求场景，开发了高覆盖率转向策略以实现100%覆盖。通过六类典型区域的仿真测试及机场跑道的实际实验，本方法较平行覆盖法效率提升0.238%–14.538%，较深度强化学习法提升60.548%–76.339%；高覆盖率转向策略使覆盖面积比提高2.021%–6.732%。现场实验中，本方法较平行覆盖法缩短执行时间1.61%。结果表明，该方法显著提升覆盖效率并达成完全覆盖目标。
Keyword:
complete coverage path planning
coverage efficiency
high-coverage-rate turning strategy
nonomnidirectional robot
path planning
robotics
spiral coverage path
期刊
IF:
5.2
论文数:
1.7K
被引数:
6.0K
机构
引用论文
Optimal Coverage Path Planning Algorithm of the Tractor-formation Based on Probabilistic Roadmaps
PREAI
分享收藏Predator-Prey Reward Based Q-Learning Coverage Path Planning for Mobile Robot基于捕食奖励的移动机器人Q学习覆盖路径规划.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
分享收藏
查看更多内容