Inspection Planning Primitives with Implicit Models
School of Computing, The Australian National University(澳大利亚国立大学计算学院);Abyss Solutions(Abyss解决方案)
本文提出基于隐式模型的检查规划原语,使基于采样的检查规划器能高效利用神经SDFs表示,减少内存使用并提升规划效率。
2025-10-08 cs.AI cs.RO
Multi-UAV Coverage Path Planning for the Inspection of Large and Complex Structures
A*STAR Institute of Information Research (IR)(新加坡科技研究局信息研究所);A*STAR Institute of High Performance Computing (IHPC)(新加坡科技研究局高性能计算研究所);A*STAR Initiative for Artificial Intelligence and Analytics (AI)(新加坡科技研究局人工智能与分析计划);Department of Mechanical Engineering, Carnegie Mellon University(卡内基梅隆大学机械工程系)
我们提出了一个多无人机覆盖路径规划(CPP)框架的大规模,复杂的3D结构的检查。在所提出的基于采样的覆盖路径规划方法中,我们将多无人机检测应用归结为多智能体覆盖路径规划问题。将集合覆盖问题(SCP)和车辆路径问题(VRP)这两个NP难问题相结合,提出了一种集合覆盖车辆路径问题(SC-VRP),并采用改进的有偏随机密钥遗传算法(BRKGA)进行求解。我们测试我们提出的方法,几个复杂的3D结构与3D模型从OpenStreetMap中提取。所提出的方法优于以前的方法,通过减少高达48%的计划检查路径的长度
2020-07-26 cs.RO
Inspection planning under execution uncertainty
针对城市环境中定位误差导致的执行不确定性影响巡检规划性能的问题,提出基于IRIS框架、结合蒙特卡洛采样的IRIS-U²算法,可提供覆盖率、路径长度和碰撞概率的统计保证,经桥梁巡检案例验证有效,且有界次优解可在保保证的同时减耗时。
2024-04-10 cs.RO
Distributed Infrastructure Inspection Path Planning subject to Time Constraints
在本文中,分布式基础设施的三维结构检测路径规划问题,使用空中机器人是受时间约束的解决。所提出的算法处理不同的空间属性的基础设施,占其不同的重要性和探索功能,并计算高检查奖励的整体检查路径,同时尊重机器人的耐力或任务时间的限制,以及车辆动力学和传感器的限制。为了实现其目标,它采用了迭代,3步优化策略,在每次迭代中,它首先随机抽样一组可能的结构访问,随后解决了派生的旅行商问题,并计算旅行成本,而最后它的样本和分配检查时间到每个结构和评估总检查奖励。对于每个独立设施的检测路径的推导,它与专用于单个结构的3D覆盖的路径规划器接口。使用仿真研究以及实验测试情况下,采用多旋翼微型飞行器的算法性能,计算性能和路径质量进行评估。
2016-12-25 cs.RO
Near-Optimal Path Planning for Complex Robotic Inspection Tasks
University of Antwerp(安特卫普大学)
在本文中,我们考虑的问题产生的机器人检查路径。这些路径应允许连接的测量设备执行高质量的测量。我们正式表明,生成机器人路径,同时最大限度地提高检查质量,自然对应于子模块定向越野问题。能够生成具有数学保证的解决方案的传统方法无法扩展到现实世界的问题。在这项工作中,我们提出了一种方法,能够为现实世界中的复杂问题产生接近最优的解决方案。我们实验测试这种方法在各种各样的检查问题,并表明它几乎总是优于传统的方法。我们还表明,我们的方法的近最优性,使其更强大的改变检查问题,因此更普遍。
2019-05-14 cs.RO
Computationally-Efficient Roadmap-based Inspection Planning via Incremental Lazy Search
University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);Technion - Israel Institute of Technology(以色列理工学院)
检查规划问题要求计算机器人的运动,该运动允许机器人检查一组兴趣点(POI),同时考虑计划质量(例如,计划长度)。这个问题在许多领域都有应用,机器人可以帮助检查,包括基础设施维护,建筑和手术。增量随机检测路线图搜索(IRIS)是一种渐进最优的检测规划器,它比现有的最先进的方法更快地计算出更高质量的检测计划。在本文中,我们显着加快IRIS的性能,以扩大其适用性,更具挑战性的现实世界的应用。IRIS面临的一个关键的计算挑战是有效地搜索检查计划的路线图-这是一个控制其运行时间的过程。在这项工作中,我们将展示如何将懒惰的边缘评估技术到\iris的搜索算法,以及如何重用搜索的努力时,路线图发生局部变化。这些增强功能,不妥协IRIS的渐近最优性,使我们能够计算检查计划比原来的IRIS快得多。我们将IRIS与增强功能应用于模拟桥梁检查和手术检查任务,并表明我们的新算法在某些情况下可以比以前的工作快570倍地计算类似质量的检查计划。
2021-03-25 cs.RO
Leveraging Fixed-Parameter Tractability for Robot Inspection Planning
University of Utah(犹他大学);University of Bergen(卑尔根大学);Birkbeck, University of London(伦敦大学伯克贝克学院)
针对自主机器人巡检路径规划难题,提出图巡检抽象问题及动态规划、整数线性规划两种精确算法,通过多种方案提升可扩展性,在两项仿真机器人任务上的路径权重和巡检覆盖率均优于现有最优方法。
2024-09-17 cs.DS cs.RO
Inspection-SPARS: Task-Oriented Sparse Roadmaps for Inspection Planning
Technion–Israel Institute of Technology(以色列理工学院)
Inspection-SPARS提出首个面向检测任务的稀疏化方法,在保持POI覆盖和路径质量的同时,将路标图规模缩减4-8倍,使求解器路径缩短达25%。
2026-09-29 cs.RO
Cooperative Aerial Coverage Path Planning for Visual Inspection of Complex Infrastructures
Luleå University of Technology(吕勒奥理工大学)
本文研究了利用多个无人机对复杂基础设施进行检测(离线三维重建)的协同覆盖路径规划(C-CPP)问题。该方案基于基础设施的先验3D模型,能够为无人机生成多条路径,以便在短时间内实现完整的合作覆盖。最初,被检查的基础设施被水平平面切片,其具有识别结构的分支的能力,并且这些分支将被处理为UAV的路径规划的断点,以基于UAV的当前飞行时间在更短的时间内协作地执行覆盖任务,并且更现实。通过利用SLAM和运动恢复结构方法,利用单目或立体传感器,将从覆盖范围收集的多个数据集合并用于基础设施的离线稀疏和密集3D重建。所提出的C-CPP的性能已经在多个室内和现实的室外基础设施检测实验中进行了实验评估。
2016-12-05 cs.RO
Coverage Path Planning using Path Primitive Sampling and Primitive Coverage Graph for Visual Inspection
A*STAR Artificial Intelligence Initiative (A*AI)(新加坡科技研究局人工智能计划(A*AI));Institute of High Performance Computing(高性能计算研究所);Carnegie Mellon University(卡内基梅隆大学)
对于无人机视觉检测应用来说,规划路径以收集目标物体的表面信息对于提高效率和降低总体成本至关重要。覆盖路径规划(CPP)的问题往往是制定这些检测应用程序,因为覆盖的要求。传统上,研究人员通常首先规划和优化视点以捕获表面信息,然后优化访问所选视点的路径。在本文中,我们提出了一种新的规划方法,直接采样和规划的检测路径的摄像机配备的无人机,以获取视觉和几何信息的目标结构作为视频流设置在复杂的3D环境。该规划方法首先通过体素膨胀和减法的基础上使用采样方法生成的目标对象周围的通路点和路径基元。然后提出了一种新的基元覆盖图(PCG)编码的拓扑信息,飞行距离和可见性信息,与采样的途经点和路径基元。最后进行图搜索,在PCG中找到结果路径,完成具有覆盖要求的检测任务。通过仿真和现场试验验证了该方法的有效性。
2019-08-08 cs.RO
Multi-UAV trajectory planning for 3D visual inspection of complex structures
University of Rijeka(里耶卡大学);University of Southern Denmark(南丹麦大学)
自主无人机在基础设施检查任务中的应用在减少操作时间、安全性和成本效益方面提供了好处。提出了一种基于热方程驱动区域覆盖(HEDAC)算法的三维多无人机自主体积覆盖和基础设施视觉检测轨迹规划方法。该方法使用势场生成轨迹,并实施距离场以防止碰撞并确定UAV的相机方向。在风力涡轮机和桥梁等复结构的目视检查过程中,它成功地实现了覆盖范围,在相同条件下可以检查更多的表面积,优于最先进的方法。所提出的轨迹规划方法提供了各种设置参数的灵活性,并适用于现实世界的检测任务。最后,所提出的方法可以潜在地应用于不同的自主无人机任务,甚至可以用作无人机运动控制方法,如果其计算效率的提高。
2022-12-07 cs.MA cs.RO cs.SY
Automatic Robot Path Planning for Visual Inspection from Object Shape
Tampere University(坦佩雷大学)
针对视觉检测训练数据采集与路径配置难题,本文提出利用机械臂单深度相机提取物体点云轮廓,并依据表面法向自动生成单路径或多路径检测轨迹。
2023-12-05 cs.RO
UPPLIED: UAV Path Planning for Inspection through Demonstration
Purdue University(普渡大学)
本研究提出UPPLIED框架,通过示教轨迹生成适配同类型新结构的无人机巡检路径,经点映射与位置优化后,可在几何匹配的同时以最小偏差覆盖目标巡检区域。
2023-07-24 cs.RO
Task Allocation and Coordinated Motion Planning for Autonomous Multi-Robot Optical Inspection Systems
University of Shanghai for Science and Technology(上海理工大学);Virginia Polytechnic Institute and State University(弗吉尼亚理工学院暨州立大学)
自主多机器人光学检测系统越来越多地应用于过程监测和质量控制中的在线测量。许多方法的路径规划和机器人协调已开发的静态和动态环境,并应用于不同的领域。然而,这些方法可能不适用于自主多机器人光学检测系统,由于在线优化的快速计算要求,机器人末端执行器方向的独特特性,以及复杂的大规模自由形式的产品表面。提出了一种新的多机器人检测协调运动规划任务分配方法。具体而言,(1)提出了一种局部鲁棒检测任务分配方法,以实现机器人之间高效、均衡的测量分配;(2)通过机器人坐标空间的动态搜索和冲突机器人中探针位姿或局部路径的扰动,实现无碰撞路径规划和协调运动规划。案例研究表明,该方法可以降低机器人与环境之间的碰撞风险,解决机器人之间的冲突,并减少检查周期时间显着和一致。
2021-06-15 cs.RO cs.SY eess.SY
UAV-based Receding Horizon Control for 3D Inspection Planning
KIOS Research and Innovation Centre of Excellence(KIOS卓越研究与创新中心);University of Cyprus(塞浦路斯大学)
针对受动力学与传感约束的自主UAV三维检测任务,提出滚动时域规划控制方法,通过MIP求解约束开环最优控制问题以生成检测特征点的最优轨迹。
2023-04-20 cs.RO cs.SY eess.SY
Coverage Path Planning for Robotic Quality Inspection with Control on Measurement Uncertainty
University of Shanghai for Science and Technology(上海理工大学);Virginia Tech(弗吉尼亚理工大学)
安装在机器人上的光学扫描仪通常用于质量检测,例如验证板材结构的尺寸规格。覆盖路径规划(CPP)是影响机器人质量检测精度和效率的重要问题。传统的CPP策略主要关注在全覆盖检测条件下最小化机器人的视点数目或移动距离。在自由曲面检测中,很少考虑扫描数据采集时的测量不确定度。针对这一问题,提出了一种新的基于最优视点采样策略的CPP方法,将关键测量点的测量不确定度引入到自由曲面检测中。首先,根据测量不确定度的公差要求,计算出测量不确定度的可行范围。考虑测量不确定性和MP的可见性,生成初始可行视点集。然后,建立检测成本函数来评估所选视点的数量和所有所选视点的视场(FOV)中的平均测量不确定度。在此基础上,提出了一种改进的快速探索随机树(RRT*)算法,该算法利用检查成本函数和CPP优化进行视点采样。案例研究,包括模拟测试和检查实验,已经进行了评估所提出的方法的有效性。结果表明,与基准方法相比,该方法对关键MP的扫描精度有了显著提高。
2022-01-12 cs.RO
Semantically-driven Deep Reinforcement Learning for Inspection Path Planning
Department of Engineering Cybernetics, Norwegian University of Science and Technology (NTNU)(工程 cybernetics 系,挪威科学与技术大学)
本研究提出一种语义驱动的深度强化学习巡检规划策略,仅依靠深度图、分割图等局部信息即可同时实现语义目标巡检与无碰撞导航,具备强泛化性并通过了飞行机器人的真实环境验证。
2025-05-20 cs.RO
Semantics-aware Predictive Inspection Path Planning
Norwegian University of Science and Technology(挪威科学技术大学)
本文提出SPP语义感知预测规划,通过识别语义场景图中的重复空间模式预测未见环境,并设计两种压载水舱巡检路径策略,仿真与真实船舶实验证明其可缩短巡检时间并保持覆盖率。
2025-06-06 cs.RO
Realizing the Aerial Robotic Worker for Inspection Operations
University of Nevada, Reno(内华达大学里诺分校)
本报告概述了一组最近的贡献,在该领域的路径规划,开发,使实现自主空中机器人工作人员进行检查操作。具体的算法贡献解决了机器人检查和探索的几个基本挑战,特别是那些最佳覆盖规划给定的先验已知模型的结构被检查,全覆盖,优化和快速的检查路径规划,以及完全未知的环境和结构的有效探索。所有开发的路径规划器支持完整和非完整系统,并尊重板上的传感器模型和约束。概述所取得的成果,然后是一个集成架构,以便在已知和未知环境中实现完全自主和高效的基础设施检测。
2017-03-08 cs.RO
ASIP-Planner: Adaptive Planning for UAV Surface Inspection in Partially Known Indoor Environments
Department of Mechanical Engineering, Carnegie Mellon University(卡内基梅隆大学机械工程系)
本文提出ASIP-Planner框架,通过全局覆盖规划与局部视角调整模块,提升无人机在部分已知室内环境中的表面检测效率与适应性。
2026-09-04 cs.RO
UAS-based Automated Structural Inspection Path Planning via Visual Data Analytics and Optimization
University of Illinois Urbana Champaign(伊利诺伊大学厄巴纳-香槟分校);Zhejiang University - University of Illinois at Urbana Champaign Institute(浙江大学伊利诺伊大学厄巴纳香槟校区联合学院)
针对无人机基础设施检测中的路径规划问题,提出以覆盖为约束、路径最短为目标的两阶段算法(遗传算法定视点、贪心算法定姿态),经敏感性分析和实例验证,兼顾效率与检测质量。
2023-12-22 cs.AI cs.RO
Mission Planning and Execution in Heterogeneous Teams of Aerial Robots supporting Power Line Inspection Operations
University of Seville(塞维利亚大学);Czech Technical University in Prague(捷克技术大学布拉格分校)
本文提出了一种软件架构,旨在协调一个团队的异构飞行器的检查和维护操作的高压电力线的情况下。分层方法通过规划和执行需要车辆支持人类操作员的复杂任务来处理高级任务。资源受限问题允许在考虑车辆能力和电池限制的情况下在团队之间分配任务。此外,行为树(BT)负责任务执行,在发生意外事件(如车辆故障或通信中断)时触发重新规划操作。通过在Gazebo中实现的真实仿真验证了该方法的可行性和有效性。
2023-02-09 cs.RO
OmniPlanner: Universal Exploration and Inspection Path Planning Across Robot Morphologies
Department of Engineering Cybernetics, Norwegian University of Science and Technology (NTNU)(工程 cybernetics 系,挪威科学与技术大学)
OmniPlanner是一种跨机器人形态的通用路径规划框架,通过统一架构实现探索与检查任务,适用于空中、地面和水下环境,提升了跨领域的适应性和效率。
2026-09-17 cs.RO
Multiobjective Coverage Path Planning: Enabling Automated Inspection of Complex, Real-World Structures
Brazilian Institute of Robotics(巴西机器人研究所);SENAI CIMATEC(巴西国家工业培训服务西玛特克分校);Department of Informatics, University of Oslo(奥斯陆大学信息学系);SENAI Institute for Innovation in Automation(巴西国家工业培训服务自动化创新研究所);Robotics Innovation Center, DFKI GmbH(德国人工智能研究中心机器人创新中心)
机器人规划中的一个重要的开放问题是3D检测路径的自主生成-也就是说,规划机器人移动的最佳路径,以检查目标结构。我们最近提出了一种新的规划路径的方法,允许检查复杂的3D结构,给定的三角形网格模型的结构。该方法不同于以往的方法,其重点是生成和考虑也计划,导致不完善的覆盖范围的检查目标。在许多实际任务中,如果检测路径的能量利用效率大大提高,那么我们可以接受检测覆盖范围的不完善。其关键思想是使用多目标进化算法同时优化检测计划的能量利用和覆盖范围,结果是一组计划探索不同的方法来平衡这两个目标。我们在这里测试我们的方法在一组检查目标的大小和复杂性变化很大,并比较其性能与两个国家的最先进的方法,完整的覆盖路径规划。结果加强了我们的信心,我们的方法,以产生良好的检查计划,为不同类型的目标的能力。该方法的优势是最清楚地看到现实世界的检查目标,因为传统的完全覆盖方法没有很好的方式生成计划的结构与隐藏的部分。多目标进化通过同时优化能量使用和覆盖范围来确保两者之间的良好平衡-无论是在100%覆盖可行时,还是在物体的大部分被隐藏时。
2019-01-22 cs.AI cs.RO
xFLIE: Leveraging Actionable Hierarchical Scene Representations for Autonomous Semantic-Aware Inspection Missions
Luleå University of Technology(卢莱大学)
xFLIE通过3DLSG实现自主语义感知检查任务的高效路径规划和导航
2026-02-10 cs.RO
Enhanced discrete particle swarm optimization path planning for UAV vision-based surface inspection
Vietnam National University(越南国立大学);University of Technology Sydney(悉尼科技大学)
在建筑基础设施监控中,高效的路径规划算法对于使用计算机视觉进行大型表面的机器人检测至关重要。在这项工作中,我们首先制定的检查路径规划问题作为一个扩展的旅行商问题(TSP),其中的覆盖范围和避障都考虑在内。然后提出了一种改进的离散粒子群优化算法(DPSO)来求解TSP,通过使用确定性初始化,随机变异和边缘交换来提高性能。最后,我们利用并行计算的优势,实现DPSO在基于GPU的框架,使计算时间可以显着减少,同时保持硬件要求不变。为了证明所提出的算法的有效性,实验结果包括从无人机检查的办公楼和桥梁获得的数据集。
2017-06-14 cs.AI cs.CV cs.RO
Language-Guided Generation for Personalized Inspection Planning
Faculty of Electrical Engineering, Mathematics and Computer Science, University of Twente(代尔夫特理工大学电子工程、数学和计算机科学学院);Department of Electrical Engineering, Wright State University(电气工程系,怀特州立大学)
该研究提出一种无训练的VLM引导方法,针对已知场景高效生成符合文本指令的巡检轨迹,可应用于多领域,经多环境验证效果良好。
2026-08-18 cs.RO
Architecting Autonomy for Safe Microgravity Free-Flyer Inspection
本文探讨了将自由飞行器任务需求转化为具体自主性架构决策的方法,重点在于规划与控制自主性,考虑了速度限制、指向和禁区等约束,并提供了系统需求和参考示例。
2026-03-15 cs.RO
An Adaptive Inspection Planning Approach Towards Routine Monitoring in Uncertain Environments
Robotics and AI, Luleå University of Technology(机器人与人工智能,卢勒奥技术大学)
本文提出了一种分层框架,用于在不确定环境中通过自适应检查规划实现常规监测。
2026-02-08 cs.RO
Optimal Path Planning for Automated Dimensional Inspection of Free-Form Surfaces
School of Mechanical Engineering, University of Shanghai for Science and Technology(上海理工大学机械工程学院);Virginia Polytechnic Institute and State University(弗吉尼亚理工学院暨州立大学)
车身结构尺寸检测是车身大批量生产过程监控、质量控制和故障诊断的重要手段。与非接触式测量相比,采用触发式测头的高精度五轴测量机是数据汇集的首选。它可以帮助制造商快速进行准确的检测。随着车身设计中自由曲面的增多和曲面方向的多样化,现有的检测方法无法有效地捕捉车身曲率中的一些新的关键特征。因此,我们需要开发新的路径规划方法的自由曲面的自动尺寸检测。本文提出了一个最佳路径规划系统的自动编程测量点检测,结合探头旋转和有效的碰撞检测。具体而言,方法的贡献包括:(i)一个动态的搜索体积为基础的算法,以检测潜在的碰撞在测量点之间的局部路径;(ii)一个局部路径生成方法,提出了集成的探针轨迹和触针旋转。然后,检测时间矩阵提出了量化的不同的局部路径的测量时间;(iii)的全局检测路径的优化方法,为所有的车身上的关键点,以最小化总的检测时间。最后以某汽车车身为例,验证了该方法的有效性。结果表明,该方法可以离线编程自动生成自由曲面车身的无碰撞路径,在车身检测过程中,虚拟点减少约40%,运动时间减少约32%。
2020-05-15 cs.RO stat.AP
Optimized Path Planning for Inspection by Unmanned Aerial Vehicles Swarm with Energy Constraints
Georgia Southern University(佐治亚南方大学);Virginia Tech(弗吉尼亚理工大学)
本文提出一种考虑无人机能量限制的高效路径规划算法,通过优化飞行、悬停和数据传输能耗,降低巡检总时间和能量消耗,为自主巡检系统设计提供指导。
2018-08-17 cs.RO cs.SY eess.SY
Mission Planning and Safety Assessment for Pipeline Inspection Using Autonomous Underwater Vehicles: A Framework based on Behavior Trees
Aarhus University(奥胡斯大学);IT University of Copenhagen(哥本哈根信息技术大学);RWTH Aachen University(亚琛工业大学);EIVA a/s(艾瓦公司)
针对自主水下机器人管道巡检依赖离线计划、缺乏灵活性的问题,提出基于行为树的框架,结合BehaVerify验证安全,并开发AI算法实现高效数据采集,提升任务安全与成功率。
2024-02-06 cs.RO
Meteorology-Aware Multi-Goal Path Planning for Large-Scale Inspection Missions with Long-Endurance Solar-Powered Aircraft
与传统飞机相比,太阳能飞机有望显著提高飞行续航力。虽然这使它们成为大规模空中视察任务的理想人选,但由于其结构脆弱,必须使用适当的路径规划方法避免恶劣天气。因此,本文介绍了MetPASS,气象感知路径规划和分析软件的太阳能无人机。MetPASS是文献中第一个考虑影响太阳能飞行安全或性能的所有方面的路径规划框架:它避免了环境风险(雷暴,雨,风,阵风和湿度),并利用有利区域(高太阳辐射或顺风)。它还可以避免系统风险,如电池电量低,并通过杂乱的地形返回安全路径。MetPASS从全球气象模型中导入天气数据,通过能量系统模型传播飞机状态,然后将两者结合到成本函数中。结合动态规划技术和A* 搜索算法与自定义启发式被用来规划全局最优路径在站点保持,点对点或多目标的空中检查任务的覆盖保证。提供了一个完整的软件实现,包括GUI。这些规划方法使用苏黎世联邦理工学院的太阳能无人机的三个任务进行了验证:81小时连续太阳能动力保持飞行,从纽芬兰到葡萄牙的4000公里大西洋穿越,以及2017年夏季在格陵兰岛附近执行的北冰洋上空的两个多冰川空中检查任务。
2017-11-28 cs.AI cs.RO
PSO-Based Optimal Coverage Path Planning for Surface Defect Inspection of 3C Components with a Robotic Line Scanner
The Hong Kong Polytechnic University(香港理工大学);Shanghai Microintelligence Technology Co. Ltd(上海微智科技有限公司)
本文提出了一种基于PSO的机器人线扫描仪覆盖路径规划方法,通过混合区域分割和自适应算法生成局部路径,并优化全局路径序列,实现3C自由曲面物体表面缺陷的高效自动检测。
2024-07-28 cs.RO
Data-Driven Predictive Planning and Control for Aerial 3D Inspection with Back-face Elimination
KIOS Research and Innovation Centre of Excellence (KIOS CoE)(KIOS研究与创新中心(KIOS卓越中心));Department of Electrical and Computer Engineering, University of Cyprus(电子与计算机工程系,塞浦路斯大学)
本文提出一种数据驱动的预测控制方法,通过整合感知、规划和控制,实现准确的长视距3D检测,适用于黑盒UASs。
2025-06-30 cs.RO cs.SY eess.SY
View Planning and Navigation Algorithms for Autonomous Bridge Inspection with UAVs
Virginia Tech(弗吉尼亚理工学院)
研究了在箱形梁桥环境中使用无人机进行基础设施检测的问题。我们考虑的情况下,无人机需要全面检查箱形梁桥和定位沿桥面时,像GPS和光流的标准方法被拒绝。我们克服箱形梁桥的困难的方法包括创建本地导航例程,一个监督员和一个计划员。本地导航程序使用两个二维激光雷达进行梁和柱飞行。为了在本地导航程序之间切换,我们实现了一个管理器,它指示UAV何时能够在本地导航程序之间切换。最后,我们实现了一个规划器来计算沿着箱形梁桥的路径,这将使无人机的飞行时间最小化。与当地的导航例程,一个主管,和一个规划师,我们构建了一个系统,可以完全和自主检查箱梁桥时,标准方法是不可用的。
2019-10-03 cs.RO
Star-Convex Constrained Optimization for Visibility Planning with Application to Aerial Inspection
Zhejiang University(浙江大学);Huzhou Institute of Zhejiang University(浙江大学湖州研究院);The University of Hong Kong(香港大学)
在机器人的许多应用中,可视能力是至关重要的,如检查和监视等。如果没有对目标的可视性的保证,一些任务最终无法完成,甚至失败。在本文中,我们提出了一个可见性保证规划的星凸约束优化。可见空间本质上是星形凸多面体,通过直接在点云上寻找可见点来生成。利用SCP的性质,建立了轨迹优化的可见性约束。弹道被限制在由凸多面体和SCP组成的安全可见的飞行走廊内。我们进一步放宽可见性约束,将有约束的轨迹优化问题转化为无约束的问题,可以可靠有效地求解。为了验证所提出的规划器的能力,我们提出了在现场检查的实际应用。实验结果表明,该方法具有高效性、可扩展性和可视性等优点,具有广泛的应用前景。
2022-04-09 cs.RO
dLITE: Differentiable Lighting-Informed Trajectory Evaluation for On-Orbit Inspection
Australian Centre for Robotics(澳大利亚机器人中心);School of Aerospace, Mechanical and Mechatronic Engineering, The University of Sydney(航空航天、机械与机电工程学院,悉尼大学);Asset Management Hub (ARIAM), The University of Sydney(资产管理工作中心(ARIAM),悉尼大学)
dLITE是一种全新的可微分模拟流水线,用于优化轨道检查轨迹以提高图像质量,为航天器任务规划提供创新方法。
2025-12-17 cs.RO
Scalable Inspection Planning via Flow-based Mixed Integer Linear Programming
Technion--Israel Institute of Technology, Haifa, Israel(技术离子-以色列理工学院,海法,以色列)
本文提出基于流的混合整数线性规划方法,解决大规模检查规划问题,提升求解效率和解的质量,适用于医疗和基础设施等场景。
2026-05-11 cs.RO
A Wind-Aware Path Planning Method for UAV-Asisted Bridge Inspection
针对无人机桥梁检测未考虑风场条件的问题,提出基于模拟退火算法的风场感知路径规划方法,构建精确数学模型并优化参数,相比传统算法成本降低30.05%,在易风环境中更具实用性。
2024-03-22 cs.RO cs.SY eess.SY
PierGuard: A Planning Framework for Underwater Robotic Inspection of Coastal Piers
Shenzhen Key Laboratory of Robotics Perception and Intelligence(深圳机器人感知与智能重点实验室);Department of Electronic and Electrical Engineering(电子与电气工程系);Southern University of Science and Technology(南方科技大学);Department of Electronic and Computer Engineering(电子与计算机工程系);Hong Kong University of Science and Technology(香港科学与技术大学);Jiaxing Research Institute(嘉兴研究院);Department of Electronic Engineering(电子工程系);The Chinese University of Hong Kong(香港中文大学)
针对沿海桥墩水下巡检在杂乱环境中的路径规划难题,提出融合双向搜索与神经网络启发式区域的 PierGuard,实验显示其规划性能显著优于现有几何与学习采样方法。
2025-05-07 cs.RO
Beyond Coverage Path Planning: Can UAV Swarms Perfect Scattered Regions Inspections?
Department of Electrical and Computer Engineering, Democritus University of Thrace(电气与计算机工程系,德摩克利特大学)
本文提出多无人机不连通区域检查方法,用于高效检查散落区域,提升操作效率并保持高质量数据收集。
2025-12-29 cs.RO
Cooperative Aerial Robot Inspection Challenge: A Benchmark for Heterogeneous Multi-UAV Planning and Lessons Learned
Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所);School of Electrical and Electronic Engineering, Nanyang Technological University(南洋理工大学电气与电子工程学院);School of Artificial Intelligence, Sun Yat-sen University(中山大学人工智能学院);Zhejiang University(浙江大学);Department of Mechanical and Automation Engineering, Chinese University of Hong Kong(香港中文大学机械与自动化工程学系)
本研究提出面向异构多无人机运动规划的仿真基准CARIC,配套软件栈与多场景支持算法研发,依托两届赛事收集全球方案,分析顶尖队伍策略并指明未来研究方向。
2025-01-14 cs.RO cs.SY eess.SY
MOAR Planner: Multi-Objective and Adaptive Risk-Aware Path Planning for Infrastructure Inspection with a UAV
ICRA_Louis_Petit(ICRA_路易·佩蒂)
提出MOAR路径规划器,通过风险感知成本函数和自适应速度规划,在接近障碍物时实时优化安全、时间和能量,实现无人机自主导航。
2026-06-29 cs.RO
A New Clustering-based View Planning Method for Building Inspection with Drone
School of Control Science and Engineering, Shandong University(山东大学控制科学与工程学院)
本文提出一种基于聚类的两步视点规划方法,结合谱聚类、局部势场法和超启发式算法求解建筑表面覆盖问题,在减少视点数量的同时提高覆盖率。
2024-07-19 cs.CV cs.RO
Post-disaster building indoor damage and survivor detection using autonomous path planning and deep learning with unmanned aerial vehicles
The Hong Kong University of Science and Technology(香港科技大学);University of British Columbia(不列颠哥伦比亚大学);Stevens Institute of Technology(史蒂文斯理工学院)
针对灾后建筑室内搜救需求,提出融合自主导航、深度学习检测与低成本MAV的自主检查方法,并在模拟灾后办公楼中验证其高精度与应用潜力。
2025-03-13 cs.CV cs.RO
Multi-Tour Set Traveling Salesman Problem in Planning Power Transmission Line Inspection
Czech Technical University(捷克技术大学)
这封信涉及最佳的输电线路检查制定为一个建议的推广旅行推销员问题的多路线一车厂的情况。该问题是针对具有有限旅行预算的检查车辆而制定的。因此,该解决方案可以由多个运行组成,以提供给定电力线的完全覆盖。此外,该解决方案还表明了在一次运行中可以有多少辆车进行检查。该问题的最优解是由建议的非线性规划(ILP)制定,这是,然而,非常计算要求。因此,计算的要求,解决了组合元启发式。所采用的贪婪随机自适应搜索过程是要求不高,同时提供有竞争力的解决方案和规模更好的问题的大小比基于ILP的方法。所提出的配方和算法在现实世界的情况下,在变电站检查电力线段证明。
2023-02-02 cs.AI cs.RO
Quantum-Assisted Automatic Path-Planning for Robotic Quality Inspection in Industry 4.0
TECNALIA, Basque Research and Technology Alliance (BRTA)(TECNALIA,巴斯克研究与技术联盟);Department of Mechanical, Energy and Management Engineering, University of Calabria(机械、能源与管理工程系,卡拉布里亚大学)
本文研究将混合量子-经典算法用于工业4.0中基于CAD模型的机器人检测路径规划,将其建模为带不完整图和开放路径约束的三维旅行商问题,并通过五个真实案例验证了D-Wave求解器在保持解质量的同时显著缩短计算时间。
2025-07-02 cs.AI cs.ET cs.RO
Planning and Perception for Unmanned Aerial Vehicles in Object and Environmental Monitoring
本论文针对无人机在物体与环境监测中的规划与感知问题,提出了基于深度学习形状预测的物体视觉覆盖优化、多无人机路径规划,以及面向基础设施检查和野火管理的环境监测算法,并通过实验验证了其有效性。
2024-07-17 cs.RO
Active Interaction Force Control for Contact-Based Inspection with a Fully Actuated Aerial Vehicle
ETH Zürich(苏黎世联邦理工学院)
本文提出并验证了主动交互力控制和规划全驱动和全向空中操作平台,在非结构化环境中的空中接触检查的目标。我们提出了一种可变轴选择阻抗控制,它集成了直接力控制有意的相互作用,使用反馈从板载力传感器。控制方法的目的是拒绝干扰自由飞行,同时处理无意的相互作用,并积极控制所需的相互作用力。一个全驱动和全向倾转旋翼航空系统被用来显示控制和规划方法的能力。实验证明了干扰抑制,推拉互动,和力控制互动在不同的飞行方向。该系统被验证为混凝土基础设施无损检测的工具,
2021-01-05 cs.RO
Dynamic replanning in uncertain environments for a sewer inspection robot
下水道巡检机器人MAKRO是一种由轮子驱动的蠕虫状多节段自主机器人。目前正在MAKRO-PLUS项目中开发。机器人必须在下水道系统中自主导航。它的首要任务将是携带水探针,在船上进行分析,并测量沙井和管道的位置,以检测受污染的污水,并改善目前的下水道系统地图。其中一个具有挑战性的问题是控制器软件,它应该使机器人能够在下水道系统中导航并自主执行检查任务,而不会造成任何自我损坏。本文重点研究了机器人的路径规划和重规划问题。机器人软件有四个不同的级别,其中规划系统是最高级别,其余三个是控制器级别,每个级别具有不同的抽象程度。规划器协调机器人要连续执行的动作序列。
2004-12-11 cs.RO
Safety-critical Autonomous Inspection of Distillation Columns using Quadrupedal Robots Equipped with Roller Arms
California Institute of Technology(加州理工学院)
针对精馏塔这类多层复杂环境的自主巡检安全需求,提出一种融合四足机器人滚轮臂、机载感知、安全滤波与脚步重规划的多层状态机框架,经工业塔板实验验证有效。
2024-04-16 cs.RO
Indoor Testing and Simulation Platform for Close-distance Visual Inspection of Complex Structures using Micro Quadrotor UAV
Durham School of Architectural Engineering & Construction, University of Nebraska-Lincoln(达勒姆建筑工程与建设学院,内布拉斯加大学林肯分校)
本文提出了一种基于微四旋翼无人机的低成本实验平台,用于测试无人机路径规划算法,通过室内环境实现高效、安全的近距离视觉检测,验证了现有路径规划算法在实际应用中的有效性。
2019-04-10 cs.RO cs.SY eess.SY
Coverage First Next Best View for Inspection of Cluttered Pipe Networks Using Mobile Manipulators
Manchester Centre for Robotics and AI, The University of Manchester(曼彻斯特机器人与人工智能中心,曼彻斯特大学);The University of Tokyo(东京大学)
本文提出了一种基于下一步最佳视角的规划方法,用于在受限环境中同时进行探索和利用,通过信息增益重新表述覆盖路径规划问题,实现了对管道网络的自主覆盖检查。
2026-03-17 cs.RO