.png){kind=icon}
返回
SCOPE: Skeleton Graph-Based Computation-Efficient Framework for Autonomous UAV Exploration
.png){kind=icon}
PRE
AI
DOI：10.1109/LRA.2026.3671559.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自主探索未知环境对移动机器人至关重要，可帮助其在复杂区域中实现感知、建图和决策。然而，现有方法常依赖频繁的全局优化，导致计算延迟高和轨迹振荡，尤其在资源受限的边缘设备上表现更为明显。为解决这些局限性，我们提出了SCOPE框架，该框架增量式构建实时骨架图，并引入隐式未知区域分析以实现高效的空间推理。规划层采用分层按需策略：近端规划器生成平滑、高频率的局部轨迹，而区域序列规划器仅在必要时激活以优化全局访问顺序。模拟环境中的对比评估表明，SCOPE在探索性能上达到了与当前最优全局规划器相当的水平，同时平均降低了86.9%的计算成本。实际场景的实验进一步验证了该系统在实际应用中的鲁棒性和低延迟特性。
Keyword:
Aerial systems: Perception and autonomy
aerial systems: Applications
motion and path planning
期刊
I
IF:
5.3
论文数:
1.9K
被引数:
3.9W
机构
引用论文
.png){kind=icon}
分享收藏
RACER: Rapid Collaborative Exploration With a Decentralized Multi-UAV SystemRACER: 使用分散式多无人机系统进行快速协作探索
OAAI
OAAI分享收藏
查看更多内容