Exploring Unstructured Environments using Minimal Sensing on Cooperative Nano-Drones
本文介绍了一种名为 ExploreBug 的新型混合前沿范围虫算法，该算法使纳米无人机能够利用极少的感知能力，高效地探索非结构化环境并避免碰撞，并通过多达七架无人机的广泛仿真和真实世界实验进行了验证。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个这样的世界：微小的、只有手掌大小的机器人可以飞入坍塌的建筑、茂密的森林或黑暗的洞穴，去绘制未知世界的地图，而无需背负沉重的昂贵相机或超级计算机。这就是“集群机器人技术”（swarm robotics）的梦想——与其发送一个庞大且昂贵的探险者，不如发送数百个小型、廉价且可替换的无人机团队。挑战一直在于，这些微型机器如此轻盈，以至于无法携带通常用于“观察”前进方向所需的沉重传感器。现有的多数探索方法就像是试图给一辆一级方程式赛车安装自行车的刹车；它们依赖强大的3D激光和繁重的处理能力，而这些东西根本无法适配一台重量还不到一袋糖的无人机。研究人员提出的核心问题是：我们能否教会一群这样的“纳米无人机”，仅使用最基本的感测设备（比如几个简单的距离检测器），就在混乱且未知的世界中进行绘图，同时还不至于互相碰撞或迷失方向？
在这篇论文中，研究人员介绍了一种名为 ExploreBug 的新策略，专门旨在帮助这类微型无人机利用极其有限的传感器在非结构化环境中进行探索。你可以把它想象成在教一群蒙着眼睛的探险家通过双手各持一根木棍的感觉来感知周围的空气，从而在黑暗的森林中穿行。研究团队使用的是重量约为27克（大约是一个小苹果的重量）的无人机，每架无人机都配备了四个简单的激光传感器，分别指向前、后、左、右。这些传感器只能告知无人机物体距离最远可达4米，但它们无法创建详细的世界3D图像。
为了解决这个问题，作者创建了一种“混合前沿范围 Bug”（hybrid frontier range bug）算法。你可以将这些无人机想象成一群蚂蚁。它们并不试图一次性看清整张地图，而是采用一种“Bug”策略：向前移动直到撞到墙壁，然后旋转身体检查周围环境，接着移动到已知区域的边缘（称为“前沿”，frontier）去观察新鲜事物。论文描述了一个由三个主要部分组成的系统：一个构建世界共享图像的绘图团队，一个决定下一步去向的探索团队，以及一个引导无人机前往目的地的导航团队。至关重要的是，他们还添加了一个监控整个集群的“安全网”系统；如果在模拟中两架无人机靠得太近（在2米以内），其中一架会暂停并改变高度以避免碰撞，待情况安全后再恢复任务。
研究人员通过两种方式测试了这一构想：首先是在计算机模拟中，让多达七架无人机在障碍物森林中导航；其次是在现实世界中，让最多三架实际无人机在一个8x8米的空间内飞行。在模拟中，他们发现随着无人机数量的增加，完成地图绘制所需的时间显著下降。例如，在障碍物密度较低的情况下，单架无人机完成任务需要约2,831秒，而七架无人机的团队仅用495秒就完成了。该系统也非常公平；算法确保了每架无人机探索的面积大致相同，且飞行距离也相近，因此不会出现某架无人机承担所有工作而其他无人机只是悬停的情况。在现实世界的测试中，无人机成功绘制了区域地图，两架无人机完成任务用时约79秒，三架无人机同样用时约79秒（尽管由于在狭小空间内的路径重叠，三架无人机团队飞行的总距离略长）。
论文明确反对了“必须使用沉重、昂贵的传感器（如3D LiDAR或深度相机）才能进行复杂探索”的观点。他们展示了通过巧妙结合简单的“Bug”运动和智能团队协作，仅凭每架无人机四个基础传感器即可实现全面探索。然而，作者也谨慎地指出，他们的结果是基于这些特定的模拟和现实测试；他们并不声称这是唯一的途径，也不说这在所有可能的情况下都能完美运行。他们建议，虽然目前的系统通过一台中央计算机管理集群运作良好，但下一步应该是让无人机变得更聪明，使它们能够相互交流并在没有“中央老板”的情况下做出决策，这对于规模更大的集群而言是必要的。这项工作证明了通过用巧妙的协调取代原始力量，可以推动微型机器人能力的极限，并且他们已经发布了代码，以便他人尝试在他们这种“蚁类”探索策略的基础上进行开发。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。