A Tree-based Next-best-trajectory Method for 3D UAV Exploration

本文介绍了一种完全集成的基于树结构的探索规划算法：Exploration-RRT（ERRT）。该算法专注于在完全未知和非结构化环境中提供实时的本地探索解决方案，同时将探索行为、机器人安全路径规划和机器人执行直接纳入中心问题。ERRT提供了一个完整的采样和基于树结构的解决方案，通过考虑最大化信息增益和最小化沿路径行驶的距离和机器人执行来评估“下一步去哪里”。该完整方案在受限和狭窄的地下和GPS无法使用的环境中进行了广泛的模拟、比较和真实世界的实地实验。该框架完全集成了ROS，易于使用，并在https://github.com/LTU-RAI/ExplorationRRT上开源。

本论文旨在提供一种针对完全未知和无结构环境的实时本地探索解决方案，直接将探索行为、机器人安全路径规划和机器人执行纳入到中心问题中。

该论文提出了一种完整的采样和基于树的解决方案，通过考虑最大化信息增益和最小化行进距离以及路径上机器人执行的权衡来评估“下一步去哪里”。

本论文提出的ERRT框架在大量模拟、比较以及受限和狭窄的地下和GPS失效环境下的实际现场实验中得到了评估。该框架完全集成ROS，易于使用，并在https://github.com/LTU-RAI/ExplorationRRT上开源。

最近在这个领域中的其他相关研究包括： 1. Efficient Exploration of Unknown Environments Using Multiple Robots 2. Online Exploration Strategies for Unmanned Aerial Vehicles in Unknown Environments 3. Autonomous Exploration and Mapping of Unknown Environments with Humanoids