HEROS: Hierarchical Exploration with Online Subregion Updating for 3D Environment Coverage

我们提出了一种自主探索系统，用于高效覆盖未知环境。首先，引入了一种快速环境预处理方法，为后续的探索规划提供环境信息。然后，整个探索空间被划分为多个子区域单元，每个单元具有不同的细节级别。子区域单元能够在线分解和更新，有效地表征具有可变分辨率的动态未知区域。最后，分层规划策略将子区域视为基本规划单元，并计算出高效的全局覆盖路径。在全局路径的指导下，顺序访问视点集的本地路径被细化，以提供机器人的可执行路径。这种从粗到细的分层规划步骤降低了规划方案的复杂性，同时提高了探索效率。该方法与基准环境中的最新方法进行了比较。我们的方法在使用更少的计算资源的同时，展示了卓越的探索效率。

自主探索未知环境的高效覆盖问题。

提出了一种分层规划策略，将整个探索空间划分为多个子区域单元，每个单元具有不同的细节层次，通过全局路径规划和本地路径细化，实现了高效的探索。

论文使用了快速环境预处理方法和变分辨率的子区域单元，减少了规划的复杂度，提高了探索效率。实验结果表明，该方法比现有方法在探索效率和计算资源使用方面都更优秀。

相关研究包括：1. Efficient Coverage Path Planning for Mobile Robots in Unknown Environments Using a Gradient Map; 2. Multi-Robot Coverage Path Planning in Dynamic Environments: A Review。