在部分已知动态环境中进行覆盖路径规划的异构多机器人协作

本研究提出了一种异构机器人组的协作策略，该组由两架无人机（UAV）和一辆无人地面车辆（UGV）组成，以在动态场景中执行任务。本文在框架内为UAV和UGV定义了具体角色，以应对诸如部分已知地形和动态障碍物等挑战。UAV专注于空中检查和绘图，而UGV则进行地面检查。此外，UAV可以在电量低时返回并降落在UGV基地，执行热交换，以避免中断检查过程。本研究主要强调开发一种动态适应路径以避免碰撞并确保有效覆盖的强大覆盖路径规划（CPP）算法。选择波前算法用于二维离线CPP。所有机器人必须遵循离线CPP生成的预定义路径。该研究还整合了神经网络（NN）和深度强化学习（DRL）等先进技术，以支持两个机器人的自适应路径规划，以便实时应对动态障碍物。进行了广泛的模拟，使用机器人操作系统（ROS）和Gazebo平台，以验证该方法在特定现实世界场景（即电力变电站）中面对动态环境挑战时的功能，并推动自主机器人领域的发展。