Multi-Robot Connected Fermat Spiral Coverage

我们介绍了多机器人连接费马螺线（MCFS），这是一种新颖的算法框架，用于多机器人覆盖路径规划（MCPP），它首次将计算机图形学中的连接费马螺线（CFS）应用于多机器人协调。MCFS独特地使多个机器人协同生成环绕任意形状障碍物的覆盖路径成为可能，这是传统方法明显缺乏的功能。我们的框架不仅可以增强区域覆盖和优化任务性能，特别是在具有不规则障碍物的工作区方面，而且还通过生成平滑路径而不分解工作区域，解决了非完整机器人的路径连续性和曲率关键问题。MCFS通过构建等值线图的图形，将MCPP问题转化为组合优化问题，旨在最小化makespan并覆盖所有顶点。我们的贡献包括开发可扩展和适应性的统一CFS版本，扩展到MCPP，并采用新的优化技术以减少成本并保持路径连续性和平滑性。通过广泛的实验，我们证明了MCFS在makespan、路径曲率、覆盖率和重叠率方面优于现有的MCPP方法。我们的研究在MCPP方面迈出了重要一步，展示了计算机图形学和自动化规划原理相结合以推进多机器人系统在复杂环境中的能力。我们的代码可在https://github.com/reso1/MCFS获得。

多机器人覆盖路径规划中存在的问题，如何优化任务表现和路径连续性？

将Connected Fermat Spiral (CFS)算法从计算机图形学应用到多机器人协作中，提出Multi-Robot Connected Fermat Spiral (MCFS)算法框架，通过构建等值线图的图形来解决多机器人覆盖路径规划问题，并通过优化技术实现路径连续和平滑。

MCFS算法框架可以在包含任意形状障碍物的工作空间中生成环绕障碍物的覆盖路径，提高了区域覆盖率和任务表现；通过构建等值线图的图形来解决多机器人覆盖路径规划问题，并通过优化技术实现路径连续和平滑；实验结果表明，MCFS算法在makespan、路径曲率、覆盖率和重叠率等方面优于现有的多机器人覆盖路径规划方法。研究将计算机图形学和自动化规划原理相结合，推进了多机器人系统在复杂环境中的能力。

与该研究相关的研究包括：1. Multi-Robot Coverage Path Planning Using Mixed Integer Linear Programming；2. Multi-Robot Coverage Path Planning with Dynamic Task Allocation and Path Planning；3. Multi-Robot Coverage Path Planning with Prioritized Task Assignment and Path Planning。