ROS仿真器驱动的混合路径规划：RobMAP算法在高精度环境探索中的应用

本文主要探讨了自主导航地图探索中的路径规划与优化问题，特别是在大规模室内环境中，通过结合机器人操作系统（Robot Operating System, ROS）仿真器与先进的规划算法。作者 Gayathri Rajendran、Uma V 和 Bettina来自印度本地治里大学计算机科学系，他们针对自主移动机器人在复杂、非结构化环境中的安全和高效导航提出了RobMAP方法。 首先，文章强调了自主探索在构建完整且准确路径中的关键作用，尤其是在存在障碍物的环境中。传统的路径规划通常涉及符号问题求解和离散动作序列，而运动规划则侧重于避开几何障碍以找到最优路径。为了克服这些挑战，研究者将这两者结合起来，设计了一种混合路径规划方案，即Robotic Motion and Action Planning (RobMAP)。 在实现过程中，RobMAP利用ROSPlan框架中的规划域定义语言（Planning Domain Definition Language, PDDL）规划器，这是一个强大的符号推理工具，能处理复杂的逻辑规则。同时，无碰撞路径生成算法——快速探索随机树（Rapidly-exploring Random Tree, RRT）被集成进来，通过采样搜索策略快速生成路径。ROSPlan在较少约束的工作空间中评估每个动作的优化信息增益，以指导智能运动规划器朝着目标进行最优化路径搜索。 作者使用ROS控制的Rviz工具进行了一系列实验，特别提到了使用Turtlebot搭载的激光传感器进行精确环境地图探索。实验结果表明，RobMAP结合RRT与PDDL的方法在生成路径的长度、运行时间和精度上表现出色，相较于现有其他勘探策略，它在准确性、覆盖范围和效率上具有显著优势。值得注意的是，该研究工作是开放获取的，遵循Creative Commons Attribution-NonCommercial-NoDerivatives (CC BY-NC-ND) 许可证，由Elsevier B.V.代表沙特国王大学发布。 本文为自主导航领域的研究者提供了一种创新的路径规划策略，其核心在于有效整合ROS仿真器、PDDL规划和RRT算法，以提升移动机器人在实际环境中的导航性能。这项工作对于推动自主机器人技术在物流、农业、搜索救援等领域的应用具有重要意义。