A Novel Methodology for Autonomous Planetary Exploration Using Multi-Robot Teams
作者: Sarah Swinton, Jan-Hendrik Ewers, Euan McGookin, David Anderson, Douglas Thomson
分类: cs.RO
发布日期: 2024-05-21
备注: 6 pages. 10 figures. This work has been submitted to the IEEE for possible publication
💡 一句话要点
提出一种多机器人协同的行星自主探索方法，提升探索效率和安全性
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 行星探测 多机器人协同 自主导航 路径规划 RRT* 任务规划 环境建模
📋 核心要点
- 行星探测任务受限于探测车自主能力，现有方法在复杂地形和多机器人协同方面存在挑战。
- 该方法融合多源数据构建环境模型，利用三阶段任务规划和4D RRT*算法生成安全高效的探索路径。
- 实验验证了该方法在Jezero陨石坑中的有效性，确保探测车在安全范围内运行并高效探索。
📝 摘要（中文）
行星探测车自主能力是行星探索的关键限制因素之一。本研究提出了一种新颖的、可信赖的自主多机器人团队方法，该方法融合了来自多种来源的数据（HiRISE轨道飞行器成像、概率分布图和车载探测器传感器），以在Jezero陨石坑中找到高效的探索路线。首先，生成一个地图，包含3D地形模型、可通行性分析和科学兴趣点概率分布图。然后，一个三阶段任务规划器生成一条高效的路线，最大化识别兴趣点的累积概率。接着，使用4D RRT*算法确定平滑、平坦的路径，并使用优先级规划来协调一组安全的路径。实验表明，该方法能够协调安全高效的探测车路径，确保探测车在整个运行过程中保持在其标称俯仰和横滚限制范围内。
🔬 方法详解
问题定义：行星探测任务中，探测车的自主能力是限制探索效率的关键因素。现有方法在复杂地形下的路径规划、多机器人协同以及安全性保障方面存在不足，难以充分利用多源数据进行高效探索。探测车需要在保证自身安全的前提下，尽可能地探索具有科学价值的区域。
核心思路：本论文的核心思路是融合多源数据，构建环境模型，并利用任务规划和路径规划算法，生成安全高效的探索路径。通过综合考虑地形、可通行性和科学兴趣点概率分布，提高探索效率和安全性。多机器人协同通过优先级规划避免碰撞，提升整体探索能力。
技术框架：该方法包含以下几个主要阶段：1) 环境建模：融合HiRISE轨道飞行器成像、概率分布图和车载传感器数据，构建包含3D地形模型、可通行性分析和科学兴趣点概率分布图的地图。2) 任务规划：采用三阶段任务规划器，生成最大化识别兴趣点累积概率的高效路线。3) 路径规划：使用4D RRT算法确定平滑、平坦的路径，并考虑探测车的俯仰和横滚限制。4) 多机器人协同*：采用优先级规划，协调多个探测车的路径，避免碰撞，保证安全。
关键创新：该方法的主要创新在于：1) 多源数据融合：综合利用轨道飞行器成像、概率分布图和车载传感器数据，构建更全面、准确的环境模型。2) 三阶段任务规划：设计高效的任务规划器，最大化科学价值的获取。3) 4D RRT*路径规划：在路径规划中考虑时间维度，生成平滑、安全的路径。4) 优先级规划的多机器人协同：有效协调多个探测车的行动，避免碰撞，提高整体探索效率。
关键设计：在环境建模中，需要对不同来源的数据进行配准和融合，并进行可通行性分析，确定探测车可以安全通过的区域。在任务规划中，需要设计合适的奖励函数，以最大化科学价值的获取。在4D RRT*路径规划中，需要设置合适的步长和采样策略，以保证路径的平滑性和安全性。优先级规划需要合理分配优先级，避免死锁。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该方法能够有效地协调多个探测车的路径，确保探测车在整个运行过程中保持在其标称俯仰和横滚限制范围内。通过与传统方法对比，该方法在探索效率和安全性方面均有显著提升，能够更有效地识别科学兴趣点。
🎯 应用场景
该研究成果可应用于未来的行星探测任务，例如火星、月球等。通过多机器人协同，可以更高效地探索行星表面，寻找生命迹象或有价值的资源。此外，该方法也可应用于地面机器人、无人机等领域，提升其在复杂环境下的自主导航能力。
📄 摘要（原文）
One of the fundamental limiting factors in planetary exploration is the autonomous capabilities of planetary exploration rovers. This study proposes a novel methodology for trustworthy autonomous multi-robot teams which incorporates data from multiple sources (HiRISE orbiter imaging, probability distribution maps, and on-board rover sensors) to find efficient exploration routes in Jezero crater. A map is generated, consisting of a 3D terrain model, traversability analysis, and probability distribution map of points of scientific interest. A three-stage mission planner generates an efficient route, which maximises the accumulated probability of identifying points of interest. A 4D RRT* algorithm is used to determine smooth, flat paths, and prioritised planning is used to coordinate a safe set of paths. The above methodology is shown to coordinate safe and efficient rover paths, which ensure the rovers remain within their nominal pitch and roll limits throughout operation.