FALCON: Fast Autonomous Aerial Exploration using Coverage Path Guidance

本文介绍了FALCON，一种新型的快速自主探索框架，使用覆盖路径指导，旨在在自主航空探索领域中设定新的性能基准。尽管在该领域取得了最近的进展，但现有的探索规划器经常遭受效率低下的问题，例如频繁重复探索已经探索过的区域。FALCON有效地利用在线生成的覆盖路径的全部潜力，增强了探索效率。该框架从增量连接感知空间分解和连接图构建开始，有助于高效的覆盖路径规划。随后，分层规划器生成跨越整个未探索空间的覆盖路径，作为全局指导。然后，本地规划器优化边界访问顺序，最小化遍历时间，同时有意识地融入全局指导的意图。最后，产生最小时间平滑和安全的轨迹，以访问边界视点。为了公平和全面的基准实验，我们引入了一个轻量级的探索规划器评估环境，允许使用相同的四旋翼模拟器在各种测试场景下比较探索规划器。此外，提出了VECO标准，用于深入分析FALCON与最先进的探索规划器之间的显着性能差异。广泛的消融研究证明了所提出框架中每个组件的有效性。在完全机载的实际环境中进行的实验进一步验证了FALCON在复杂和具有挑战性的环境中的实际能力。探索规划器FALCON和探索规划器评估环境的源代码将发布，以造福社区。

解决问题：本篇论文旨在提出一种新的自主无人机探索框架，名为FALCON，通过覆盖路径引导来提高探索效率，并解决现有探索规划器中存在的反复探索已探索区域等问题。

关键思路：FALCON框架包括增量连接感知空间分解和连通性图构建、全局覆盖路径生成、局部最优化路径规划和最小时间平滑安全轨迹生成等步骤。通过在线生成覆盖路径来提高探索效率，并通过全局引导和局部优化来避免反复探索已探索区域。

亮点：论文提出了一种轻量级探索规划器评估环境，可以在相同的四旋翼模拟器上比较不同探索规划器在多种测试场景下的表现。论文还提出了VECO标准，用于深入分析FALCON与现有探索规划器的性能差异。论文通过实验验证了FALCON在复杂环境中的实际能力，并将探索规划器FALCON和探索规划器评估环境的源代码开源。

相关研究：最近的相关研究包括《A Survey of Autonomous Exploration》、《Autonomous Exploration and Mapping of Unknown Environments with Smart Sensing Systems》等。