Online Concurrent Multi-Robot Coverage Path Planning

最近，集中式的逐步后退的在线多机器人覆盖路径规划算法在彻底探索具有许多机器人的大型、复杂、未知工作区方面表现出了显著的可扩展性。在一个地平线上，路径规划和路径执行交错进行，这意味着当为没有路径的机器人进行路径规划时，具有未完成路径的机器人不执行，而当具有新路径或未完成路径的机器人执行以达到各自的目标时，尚未获得新路径的机器人不进行路径规划，从而浪费机器人和计算资源。为了解决这个问题，我们提出了一个非基于地平线的集中式算法。它在任何时候为一组没有路径的机器人计划路径，即已经到达其先前分配的目标的机器人，而其余机器人执行其未完成的路径，从而实现并发规划和执行。我们正式证明了所提出的算法确保了未知工作区的完全覆盖，并分析了其时间复杂度。为了展示可扩展性，我们评估了我们的算法以覆盖八个大型的$2$D网格基准工作区，分别使用了最多512个空中和地面机器人。与最先进的基于地平线的算法进行比较，结果表明我们的算法在完成覆盖方面具有优势，速度提高了最多1.6倍。为了验证，我们在六个2D网格基准工作区中进行ROS+Gazebo模拟，分别使用了10个四轴飞行器和TurtleBots。我们还成功地进行了一个室外实验，使用了三个四轴飞行器和一个室内实验，使用了两个TurtleBots。

解决问题：论文提出一种解决多机器人覆盖路径规划过程中资源浪费的算法，以提高规划和执行的并发性和效率。

关键思路：论文提出一种非基于视野的算法，即使在机器人执行路径的同时，也可以为另一组机器人规划路径，从而提高资源利用率和效率。

其他亮点：论文通过仿真和实验验证了算法的可行性和有效性，并与现有算法进行了比较。值得深入研究的是如何将该算法应用于更大规模和复杂的环境中。

相关研究：最近的相关研究包括基于视野的算法和其他基于规划和执行分离的算法，例如分布式路径规划和协作控制。