← 返回论文列表

基于增量可达图和结构先验的地面机器人多楼层探索
Multi-Floor Exploration for Ground Robots via an Incremental Reachable Graph and Structural Priors

作者: Zhiwen Zhu, Jiaqi Chen, Xiangyi Huang 等5人
arXiv: 2605.23350v1
分类: cs.RO
📝 论文摘要
地面机器人在多层建筑的自主探索中仍面临挑战，因为传统的2D和2.5D地图无法表示重叠的可通行表面，例如楼梯、坡道和多层可到达高程。本文提出了一种基于增量可达图的多楼层探索框架。该图构建于可通行支撑表面的稀疏图之上，通过稀疏观测下的试探性图元素保留潜在的有效连通性，并实现稳定、物理可到达的边界检测。为了引导当前已测绘楼层之外的探索，我们从已探索楼层投影任务区域先验，在目标楼层初始化一个假设图，并通过增量方式与后续观测进行协调。随后，一个分层规划器对确认结构和假设结构进行联合推理，以提供全局引导。在仿真中，与评估的基线方法相比，所提方法展示了更高的探索效率和地图完整性。此外，机载真实世界实验验证了其实用可行性和实时性能。

📊 核心分析

🎯 研究动机
- 传统2D和2.5D地图无法表示多层建筑中的重叠可通行表面（如楼梯、坡道），导致地面机器人探索困难 - 现有方法在多层环境中缺乏对跨楼层连通性和物理可达性的有效建模 - 需要一种能够处理稀疏观测并引导机器人跨楼层探索的自主框架
🔧 核心方法
- 构建**增量可通行图(incremental reachable graph)**，在可通行支撑表面上建立稀疏图，通过**试探性图元素(tentative graph elements)** 保留稀疏观测下的潜在连接 - 利用**任务先验(task-zone priors)**：将已探索楼层的区域先验投影到目标楼层，初始化**假设图(hypothetical graph)**，并随新观测增量调整 - 采用**分层规划器(hierarchical planner)**，在已确认结构和假设结构上联合推理，生成全局探索路径
💡 核心创新
- **增量可通行图** 的提出：通过试探性图元素在稀疏观测下保持跨楼层潜在连通性，实现稳定的物理可达前沿检测 - **结构性先验引导**：首次将已探索楼层的任务区域先验投影到未探索楼层，初始化假设图，减少盲目探索 - **分层规划机制**：联合推理已确认结构与假设结构，实现跨楼层全局引导，提升探索效率
🏆 总体贡献
- 为地面机器人**多层建筑自主探索** 提供了一种新颖的框架，解决了传统地图无法表示重叠表面导致的探索瓶颈 - 在仿真实验中相比基线方法显著提高了**探索效率** 和**地图完整性** - 通过真实世界的机载实验验证了方法的**实用可行性** 和**实时性能**