.png){kind=icon}
返回
C$^{*}$: A Coverage Path Planning Algorithm for Unknown Environments Using Rapidly Covering Graphs
.png){kind=icon}
PRE
AI
DOI：10.1109/TRO.2026.3661719.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种新颖的基于采样的算法，称为C*，用于未知环境的实时覆盖路径规划（CPP）。C*基于快速覆盖图（RCG）的概念构建，该图在机器人导航过程中通过逐步采样搜索空间进行增量式构建。通过使用高效的采样和剪枝技术，RCG被构建为最小充分图，其节点和边分别构成覆盖轨迹的潜在航路点和路径段。RCG跟踪覆盖进度，生成覆盖轨迹，并帮助机器人摆脱死胡同情况。为最小化覆盖时间，C*产生期望的来回覆盖模式，同时适应基于旅行商问题（TSP）的局部孤立区域（称为覆盖空洞）的最优覆盖，这些区域被障碍物和已覆盖区域包围。分析证明C*能够提供未知环境的完全覆盖。C*的算法简洁性和低计算复杂度使其易于实现，并适用于实时机载应用。C*的性能通过以下方式验证：首先，进行大量高保真度仿真；其次，使用自主机器人在实验室环境中进行实验。C*产生接近最优的轨迹，与七种现有CPP方法的比较评估表明，在覆盖时间、转弯次数、轨迹长度和重叠率方面性能显著提升，同时防止了覆盖空洞的形成。最后，C*在两种不同的CPP应用中进行了比较评估，分别使用能量受限机器人和多机器人团队。
Keyword:
Autonomous robots
coverage path planning (CPP)
rapidly covering graph (RCG)
unknown environments
期刊
IF:
10.5
论文数:
3.3K
被引数:
2.8W
机构
引用论文
Sensor-based coverage of unknown environments: Incremental construction of Morse decompositions
PREAI
分享收藏PPCPP: A Predator-Prey-Based Approach to Adaptive Coverage Path PlanningPPCPP: 一种基于捕食者-食饵的自适应覆盖路径规划方法
OAAI
OAAI分享收藏
Optimal line-sweep-based decompositions for coverage algorithms.png)
Proceedings 2001 ICRA. IEEE International Conference on Robotics and Automation (Cat. No.01CH37164)
Proceedings 2001 ICRA. IEEE International Conference on Robotics and Automation (Cat. No.01CH37164)IF0
PREAI
分享收藏
查看更多内容