Centralized Multi-UAV Exploration and 3D Reconstruction Using Single-UAV Planners

📄 arXiv: 2609.40208v1 📥 PDF

作者: João Félix Mendes, Meysam Basiri, Rodrigo Ventura

分类: cs.RO

发布日期: 2026-09-30

备注: Presented at the IEEE International Conference on Advanced Robotics and Mechatronics (ICARM 2026). To appear in IEEE Xplore

💡 一句话要点

提出集中式多无人机探索框架以解决安全导航与映射一致性问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 多无人机系统 探索与重建 集中式规划 TSDF地图 碰撞避免 深度测量 实时融合 无人机协作

📋 核心要点

  1. 现有的单无人机探索方法在扩展至多无人机团队时面临一致性映射和安全导航的挑战。
  2. 本文提出的集中式多无人机探索框架允许多个无人机使用共享的TSDF地图进行协同探索，提升了效率和安全性。
  3. 实验结果表明，分离启动的部署策略在探索速度和覆盖率上均优于接近启动的配置，强调了部署策略的重要性。

📝 摘要（中文）

扩展单无人机探索方法至多无人机团队可以提高覆盖速度和鲁棒性，但也带来了如一致性映射、安全导航和部署策略等挑战。本文提出了一种集中式多无人机探索框架，使得现有的单无人机采样规划器能够在多无人机环境中使用。该架构允许多个无人机协同探索未知环境，利用共享的全局截断符号距离场（TSDF）地图和集中式规划。基于voxblox库，我们调整了其映射管道，以支持来自多个无人机的深度测量实时融合为共同的TSDF表示。此外，系统中集成了无人机间的碰撞避免和自我过滤机制，以确保安全导航并防止其他无人机被重建为静态障碍物。实验结果表明，在不同环境和两种部署配置下，分离启动的部署策略在所有规划器中均实现了更快的探索和更好的覆盖。

🔬 方法详解

问题定义：本文旨在解决多无人机协同探索中的一致性映射、安全导航和部署策略等问题。现有方法在多无人机环境中难以有效整合信息，导致探索效率低下和潜在的碰撞风险。

核心思路：提出一种集中式框架，使多个无人机能够共享全局TSDF地图，并利用单无人机的采样规划器进行协同探索。通过实时融合多个无人机的深度测量，确保了地图的一致性和安全性。

技术框架：整体架构包括多个模块：首先是无人机的深度测量模块，其次是TSDF地图的实时更新模块，最后是基于共享地图的集中式规划模块。每个无人机通过共享的TSDF地图进行信息交换和路径规划。

关键创新：最重要的创新在于将单无人机的采样规划器扩展到多无人机环境，并实现了实时的深度信息融合和碰撞避免机制。这一设计显著提高了多无人机的探索效率和安全性。

关键设计：在系统设计中，采用了voxblox库进行TSDF地图的构建和更新，集成了碰撞避免算法和自我过滤机制，以确保无人机在探索过程中的安全性和高效性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，在分离启动的配置下，所有四种采样规划器均实现了更快的探索速度和更好的覆盖率，具体提升幅度未知，强调了部署策略在多无人机探索中的关键作用。

🎯 应用场景

该研究的潜在应用领域包括灾后搜索与救援、环境监测、农业监控等。通过提高多无人机协同工作的效率和安全性，能够在复杂环境中实现更快速的任务完成，具有重要的实际价值和未来影响。

📄 摘要（原文）

Extending single Unmanned Aerial Vehicles (UAVs) exploration methods to multi-UAV teams can improve coverage speed and robustness, but introduces challenges such as consistent mapping, safe navigation, and deployment strategy. In this work, we present a centralized multi-UAV exploration framework that enables the use of existing single-UAV sampling-based planners in a multi-UAV setting. The proposed architecture allows multiple UAVs to collaboratively explore unknown environments using a shared global Truncated Signed Distance Field (TSDF) map and centralized planning. Building on the voxblox library, we adapt its mapping pipeline to support real-time fusion of depth measurements from multiple UAVs into a common TSDF representation. In addition, inter-UAV collision avoidance and robot self-filtering mechanisms are integrated into the system to ensure safe navigation and prevent reconstruction of other UAVs as static obstacles. The framework is evaluated in simulation using four sampling-based exploration planners - RH-NBVP, KRH-NBVP, AEP, and KAEP - whose core sampling logic is preserved, with only system-level adaptations for multi-UAV operation. Experiments are conducted across multiple environments and under two deployment configurations: Joint Start (JS), where UAVs are initialized in close proximity, and Separated Start (SS), where UAVs are initialized in distinct locations. Results show that SS deployments consistently achieve faster exploration and improved coverage across all planners, highlighting the importance of the deployment strategy in multi-UAV exploration performance.