移动机器人长期自主环境适应研究进展和展望

针对移动机器人在未知环境中自主探索及建图存在盲目性的问题, 提出了一种基于贝叶斯优化评估多重信息增益的探索策略。在候选点提取方法上采用融合前沿点聚类与可通行区域的方式综合衡量提取, 相较于传统的前沿点检测方法有效解决了候选点集合过大及环境信息缺失等问题; 在候选点评估方法上利用贝叶斯优化计算多重信息增益, 综合考虑地图熵值与距离成本, 相较于仅考虑地图熵值选取最佳候选点的方法, 有效改进了机器人在环境中的冗余路径。
该算法在机器人操作系统(robot operating system, ROS)中采用Gazebo进行仿真实验验证, 构建环境地图。结果表明, 该方法可以使移动机器人快速有效地探索未知环境, 高质量完成建图任务。