Exploración dinámica de fronteras en entornos desconocidos basada en la entropía
-
Published:2023-02-01
Issue:2
Volume:20
Page:213-223
-
ISSN:1697-7920
-
Container-title:Revista Iberoamericana de Automática e Informática industrial
-
language:
-
Short-container-title:Rev. iberoam. autom. inform. ind.
Author:
Godoy-Calvo Jaime, Lin-Yang Dahui, Vázquez-Martín RicardoORCID, García-Cerezo AlfonsoORCID
Abstract
La exploración en entornos de catástrofes proporciona información valiosa de alta fidelidad al personal de los dispositivos de rescate ante situaciones de desastre, ofreciendo la posibilidad de reducir el tiempo de búsqueda y recuperación de víctimas. Este trabajo presenta un método de exploración que evalúa las fronteras del entorno conocido basado en la entropía mediante una función de expectativa, con el objetivo de maximizar la ganancia de información. De esta forma el método propuesto emplea esta métrica para planificar la exploración en base a la expectativa de ganancia de información futura, asegurando una estrategia que minimiza el tiempo de exploración al mismo tiempo que maximiza la incorporación de nueva información al mapa. Debido al enfoque empleado para resolver el problema se consigue evitar la dependencia del método de ganancia de información con los mapas de tamaño fijo, y se propone un modelo independiente del sensor utilizado en la exploración donde se considera la distribución de obstáculos en la cercanía de las fronteras. Para su evaluación, se presentan resultados en diferentes entornos con simulaciones que demuestran la mayor eficiencia en la planificación de la exploración de las zonas desconocidas hasta completar el conocimiento completo del entorno a explorar. El método propuesto está públicamente disponible en Godoy-Calvo et al. (2022).
Funder
Ministerio de Ciencia, Innovación y Universidades
Publisher
Universitat Politecnica de Valencia
Subject
General Computer Science,Control and Systems Engineering
Reference28 articles.
1. Bai, S., Chen, F., Englot, B., 2017. Toward autonomous mapping and exploration for mobile robots through deep supervised learning. In: Proc. of the IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS). pp. 2379- 2384. https://doi.org/10.1109/IROS.2017.8206050 2. Cadena, C., Carlone, L., Carrillo, H., Latif, Y., Scaramuzza, D., Neira, J., Reid, I., Leonard, J. J., 2016. Past, present, and future of simultaneous localization and mapping: Toward the robust-perception age. IEEE Transactions on Robotics 32 (6), 1309-1332. https://doi.org/10.1109/TRO.2016.2624754 3. Chen, F., Wang, J., Shan, T., Englot, B., 2022. Autonomous exploration under uncertainty via graph convolutional networks. In: Asfour, T., Yoshida, E., Park, J., Christensen, H., Khatib, O. (Eds.), Robotics Research. Springer International Publishing, Cham, pp. 676-691. https://doi.org/10.1007/978-3-030-95459-8_41 4. Cieslewski, T., Kaufmann, E., Scaramuzza, D., 2017. Rapid exploration with multi-rotors: A frontier selection method for high speed flight. In: Proc. of the IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS). pp. 2135-2142. https://doi.org/10.1109/IROS.2017.8206030 5. da Silva Lubanco, D. L., Pichler-Scheder, M., Schlechter, T., Scherh¨aufl, M., Kastl, C., 2020. A review of utility and cost functions used in frontier-based exploration algorithms. In: 5th Int. Conf. on Robotics and Automation Engineering (ICRAE). pp. 187-191. https://doi.org/10.1109/ICRAE50850.2020.9310862
Cited by
2 articles.
订阅此论文施引文献
订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献
|
|