自主探索逻辑学习

在完全陌生环境中，机器人如何实现自主规划与建图 - 知乎

1.实现逻辑

目前的自主探索主要基于

• 边界区域Frontier Region(已知区域和未知区域的相邻处)
• 最佳视角NBV, Next Best View

实现逻辑：

1. 搜索边界，将边界区域的点备选为视点（View Points）
2. 计算备选项的路程代价（Cost of Travel, 前往某点所需路程长度）、信息增益（Information Gain, 某点能观测到的未知区域大小）等一系列指标
3. 计算备选项的综合收益，从中选取综合收益最大的视点，作为机器人下一步的行进目标，力求让机器人经过最短的路程，获取最多的未知区域信息。

上面是Frontier-based方案的选点流程。狭义上讲，NBV方案指那些完全不考虑寻找frontiers，而是在所有已知空间中产生viewpoints，再去比较综合收益的方法；Frontier-based方案则指那些寻找frontier再做比较的方法。而广义上来说，frontier也可以理解为一种NBV方法，只不过viewpoints直接在frontier region中产生。

2.实现方案之间的区别点

• 如何寻找边界区域
• 如何选取最佳视角
• 对传感器信息的处理
• 运动规划的方式
• 提升鲁棒性，减少计算开销的改动