23、基于随机游走探索的群体映射方法研究

基于随机游走探索的群体映射方法研究

1. 相关工作

传统上，多机器人系统的映射问题可分为两个子问题：多机器人同时定位与地图构建（multi - robot SLAM）和多机器人探索。多机器人 SLAM 关注地图的集体生成，不过当前的 SLAM 方法应用于机器人群体时，会引入集中机制或复杂的机器人间交互等约束，影响系统的灵活性。

多机器人映射的相关文献常假定已有多机器人探索，却忽视了探索与 SLAM 之间的关系。部分探索方法，如势场探索、贪婪映射和扩散映射，后两者依赖随机游走行为，可较容易地在机器人群体中实现。

近期群体机器人领域的研究关注不同随机游走变体的影响。有研究探讨了不同随机游走变体在探索和搜索静态目标、覆盖环境等任务中的性能。我们推测，在群体映射任务中，使用不同随机游走变体也会出现性能差异，因此研究了使用五种不同变体进行探索的机器人群体的映射性能。

此前也有关于机器人群体映射的研究，但与我们的研究在方法和目标上有所不同。例如，有的研究在线计算全局地图，机器人需借助外部基础设施知晓自身绝对位置并进行通信，且代码从模拟移植到真实机器人时需修改，仅评估了特定的随机游走变体；而我们的方法是在实验结束后离线生成全局地图，机器人自行估计位置，探索和映射时无需通信，模拟和真实机器人使用相同代码，还评估了更多随机游走变体。

2. 群体映射方法

我们提出的群体映射方法集成了三种算法：随机游走探索、GMapping 和多机器人地图合并。

2.1 随机游走探索

此为群体映射方法的首个组成部分，驱动机器人探索环境。我们考虑了五种随机游走变体：布朗运动、相关随机游走、Lévy 行走、Lévy