#論文# ICRA 2024 (review)|GRASP實驗室發(fā)布學習使用自主微型飛行器探索室內(nèi)環(huán)境 【Learning to Explore Indoor Environments using Autonomous Micro Aerial Vehicles】 作者單位：賓夕法尼亞大學、耶路撒冷希伯來大學、Technion -以色列理工學院 文章鏈接：http://arxiv.org/abs/2309.06986 在本文中，我們解決了使用具有尺寸重量和功率( SWaP )約束的自主空中機器人探索未知室內(nèi)空中環(huán)境的挑戰(zhàn)。SWaP約束限制了探索中對任務時間效率的要求。我們提出了一種新穎的探索框架，使用深度學習( Deep Learning，DL )來預測給定先前觀測的最可能的室內(nèi)地圖，并使用深度強化學習( Deep Reinforcement Learning，DRL )進行探索，旨在運行在現(xiàn)代SWaP約束神經(jīng)處理器上。基于DL的地圖預測器提供了對不可視環(huán)境占用情況的預測，而基于DRL的規(guī)劃器則確定了可以安全到達的最佳導航目標，以提供最多的信息。 這兩個模塊緊密耦合，并在車上運行，使車輛能夠安全地映射未知環(huán)境。大量的實驗和仿真結果表明，我們的方法在效率上超過了最先進的方法50 - 60 %，其中我們用探索空間的分數(shù)作為軌跡長度的函數(shù)來衡量。