发表机构
Rutgers, the State University of New Jersey（罗格斯大学新泽西州立大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
提出动态旋转堆叠可见性图（dRVG），利用四叉树调度感知并融合局部路标图，实现未知环境中多边形机器人的分辨率完备在线运动规划，实验证明其高效性。
AI 中文摘要
我们提出了动态旋转堆叠可见性图（dRVG），一种在线运动规划器，能够在初始未知的静态环境中引导多边形机器人到达指定目标。它融合来自连续观测的局部路标图，以规划无碰撞的平移和旋转，而无需均匀位置网格。空间四叉树在区域间调度感知目标，以减少重复访问，同时保留所有用于路由的取向配置。在精确感知和几何计算以及星形机器人和包络假设下，使用中心扫描的dRVG相对于相同角分辨率下的全图RVG是分辨率完备的。在使用足迹扫描的实验中，dRVG在20秒规划预算内解决了20个困难地图和七个角分辨率下的全部140个案例，在360个取向层的中位规划时间为1.18秒。六个microMVP演示展示了物理机器人上的完整在线规划循环。
英文摘要
We present the dynamic rotation-stacked visibility graph (dRVG), an online motion planner that guides polygonal robots to specified goals in initially unknown, static environ- ments. It merges local roadmaps from successive observations to plan collision-free translations and rotations without a uniform position grid. A spatial quadtree schedules sensing goals across regions to reduce repeated visits while retaining all orientation configurations for routing. Under exact sensing and geometric computation and star-shaped robot and envelope assumptions, dRVG with center scans is resolution-complete relative to full- map RVG at the same angular resolution. In experiments using footprint scans, dRVG solves all 140 cases across 20 difficult maps and seven angular resolutions within a 20 s planning budget, with a median planning time of 1.18 s at 360 orientation layers. Six microMVP demonstrations illustrate the complete online planning loop on a physical robot.
