.png){kind=icon}
返回
Efficient graph-based area partitioning for balanced multi-robot coverage path planning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.robot.2026.105445.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了一种新颖的、直接的图论框架，用于多机器人覆盖路径规划（MCPP）中的区域划分，该框架直接与表示为图的原始区域进行操作。MCPP是移动机器人技术的关键组成部分，特别是在需要全面覆盖的区域探索和调查任务中。传统方法通常依赖网格地图表示和迭代方案，导致几何保真度损失（如离散化误差）和更高的计算成本，这使得机器人间工作负载的平衡变得困难。所提出的框架通过高效划分凸多边形和非凸多边形，解决了这些问题，确保了公平的工作负载分配，同时避免了因运动学约束的网格结构而产生的重叠和操作低效。在多样化环境中的广泛模拟表明，该算法在确保公平且高效的区域覆盖方面是有效的。
Keyword:
Multi-robot system
Area partitioning
Coverage path planning
期刊
IF:
5.2
论文数:
779
被引数:
1.0W
机构
引用论文
DARP: Divide Areas Algorithm for Optimal Multi-Robot Coverage Path PlanningDARP: 多机器人最优覆盖路径规划的区域划分算法
OAAI
.png){kind=icon}
OAAI分享收藏Complete Coverage Path Planning of Autonomous Underwater Vehicle Based on GBNN Algorithm基于GBNN算法的自主水下航行器全覆盖路径规划
PREAI
分享收藏UAV path planning algorithm based on Deep Q-Learning to search for a floating lost target in the ocean基于深度Q学习的水下无人飞行器路径规划算法，用于搜索海洋中漂浮的丢失目标
PREAI
分享收藏Shallow water benthic imaging and substrate characterization using recreational-grade sidescan-sonarOAAI
OAAI分享收藏
分享收藏
查看更多内容