暨南大学融媒体中心讯 近日，暨南大学信息科学技术学院电子工程系教师沈宗源在机器人领域国际顶级学术期刊《IEEE Transactions on Robotics》（一区Top，IF=10.5）在线发表研究论文《C*: A Coverage Path Planning Algorithm for Unknown Environments Using Rapidly Covering Graphs》。论文上线后曾入选该期刊 Popular Articles（热门文章）列表，受到同行关注。该论文第一作者为电子工程系教师沈宗源，通讯作者为美国康涅狄格大学 Shalabh Gupta 教授。
覆盖路径规划是自主移动机器人领域的重要基础问题，目标是为机器人生成一条能够完整覆盖目标区域的运动轨迹，并尽可能减少覆盖时间、轨迹长度、重复覆盖率和转弯次数。该技术广泛应用于环境探索、地形测绘、结构检测、表面清洁、农业作业、危险区域处理和国防排雷等场景。在未知环境中，机器人无法提前获得完整地图，需要在运动过程中依靠传感器实时感知环境，并根据新发现的障碍物和可通行区域动态调整覆盖路径。因此，如何在保证完整覆盖的同时提高规划效率和实时性，是覆盖路径规划领域的重要研究问题。
针对传统基于栅格地图的覆盖规划方法在路径点选择和实时扩展方面存在的局限，论文提出了采样式覆盖路径规划算法C*，以快速覆盖图对环境中的可通行空间进行稀疏表示，并将覆盖路径规划转化为图上的目标节点选择与路径生成问题。随着机器人在线感知环境，快速覆盖图通过渐进式采样持续扩展，并在剪枝机制作用下保持稀疏结构，从而降低计算和存储开销，提高实时规划效率。针对作业过程中可能形成覆盖漏洞的问题，C* 主动识别潜在覆盖漏洞，并构造基于旅行商问题的局部优化覆盖轨迹，对相关区域进行及时覆盖并与原覆盖轨迹衔接。该机制减少了后续长距离回补带来的轨迹重叠和时间开销，提升了未知环境下覆盖作业的整体效率。论文通过大量高保真仿真实验和实体机器人实验对算法进行了验证，并与多种覆盖路径规划方法进行了比较。实验结果表明，C* 能够生成接近最优的覆盖轨迹，并在覆盖时间、转弯次数、轨迹长度和重复覆盖率等指标上取得明显性能提升。此外，论文还将C* 拓展至能量受限机器人和多机器人团队两大典型场景，均实现了优于现有专用算法的覆盖效果，验证了算法的场景适配性和扩展性。
论文链接：https://ieeexplore.ieee.org/abstract/document/11373112
责编：陈国琼