机器人覆盖路径规划主要分为完全覆盖和探索两种任务,而在同时进行完全覆盖及探索两种任务的场景中,需另外设计框架.本文针对此种完全覆盖探索任务,研究多机器人完全覆盖探索路径规划框架,通过两个系统提升整体任务鲁棒性.首先,本文提出分布式机器人系统用以解除对中心式控制器的依赖,其二,本文采用神经网路压缩点云地图,提高传输效率,使得地图能够在线传输合并,解决途中机器人故障地图丢失之问题.故本研究提出完全覆盖探索系统,既能解决依赖中心控制的问题,还能处理部分机器人故障的丢包,并另借由机器人仿真环境验证本文之框架的有效性.
NETL
NSTL
万方数据
维普
