[论文解读] Online Searching with an Autonomous Robot

Sándor P. Fekete, Rolf Klein+1 more|ArXiv.org|Apr 16, 2004

Robotic Path Planning Algorithms被引用 11

一句话总结

本文提出了一种针对配备3D激光扫描仪的自主移动机器人在拐角后定位隐藏物体的渐近最优在线搜索策略。机器人采用停-扫-规划-行循环，所提策略在远距离极限下达到竞争比2，证明了扫描时间从根本上改变了与无扫描场景相比的问题，数值证据表明其性能接近理论最优值的2%以内。

ABSTRACT

We discuss online strategies for visibility-based searching for an object hidden behind a corner, using Kurt3D, a real autonomous mobile robot. This task is closely related to a number of well-studied problems. Our robot uses a three-dimensional laser scanner in a stop, scan, plan, go fashion for building a virtual three-dimensional environment. Besides planning trajectories and avoiding obstacles, Kurt3D is capable of identifying objects like a chair. We derive a practically useful and asymptotically optimal strategy that guarantees a competitive ratio of 2, which differs remarkably from the well-studied scenario without the need of stopping for surveying the environment. Our strategy is used by Kurt3D, documented in a separate video.

研究动机与目标

• 为解决自主机器人必须停止扫描环境的在线可视性搜索实际挑战。
• 弥合理论在线搜索策略与涉及扫描时间的实际机器人应用之间的差距。
• 推导出一种既可在真实机器人中实现，又在现实约束下渐近最优的策略。
• 证明即使扫描成本很小，也从根本上改变了与无扫描模型相比的竞争比。
• 在真实机器人Kurt3D上验证该策略，并提供实用的实现流程。

提出的方法

• 机器人使用3D激光扫描仪，通过停-扫-规划-行循环构建虚拟3D环境，并检测椅子等物体。
• 提出一种基于启发式圆形的策略，机器人沿逐渐增长长度的弦移动，以逐步扩展其在拐角处的视野。
• 该策略由一个包含可见累积角度的递归公式定义，其来源于第3.1节的最优性条件。
• 通过在参数c上进行二分查找来优化竞争比，c控制路径长度相对于最优路径的比例。
• 该方法确保在到达拐角前路径不会坍塌（即保持为正），从而保证可行性。
• 渐近分析证明，当距离d增大时，竞争比收敛于2，与理论下界一致。

实验结果

研究问题

• RQ1 对于必须停止扫描环境的自主机器人在线搜索，可实现的最小竞争比是多少？
• RQ2 与经典的无扫描可视搜索问题相比，非零扫描时间的存在如何影响竞争比？
• RQ3 一种实用且可实现的策略是否能在真实世界机器人搜索场景中实现近似最优性能？
• RQ4 初始距离与拐角之间的关系如何影响可实现的竞争比？
• RQ5 如何将理论在线搜索策略适配并验证于真实自主移动机器人？

主要发现

• 证明了当初始距离d足够大时，任何策略的竞争比下限均为2，表明扫描成本从根本上改变了问题本质。
• 所提出的基于圆形的策略在d → ∞时竞争比收敛于2，证明了其渐近最优性。
• 当d = 40时，最优竞争比约为2.001525，数值证据表明其性能接近全局最优值的约2%。
• 最大竞争比2.168544出现在d ≈ 4.400876处，对应于需要三到四次扫描的临界点。
• 初始步长随d增加而收敛于1，而恒定步长1的竞争比为π ≈ 3.14，凸显了自适应策略的优越性。
• 该策略已在真实机器人Kurt3D上成功实现并验证，完整实现文档已通过配套视频提供。