ForexNav：在复杂且未知的室内环境中实现的前瞻性探索导航系统

《IEEE Robotics & Automation Magazine》：ForexNav: Foresight Exploratory Navigation in Complex and Unknown Indoor Environments

　　```

摘要：

在未知且复杂的室内环境中实现自主导航仍然具有挑战性，这主要是由于传感器识别范围有限以及部分环境的观测能力较差。传统方法依赖于本地地图进行导航，但缺乏前瞻性，导致迷路或绕行距离过长；而基于欧几里得距离或覆盖范围的目标选择方式无法同时兼顾效率与导航方向性。为了解决这些问题，我们提出了ForexNav，这是一种具备前瞻性的探索性导航框架。为了处理未见区域的结构不确定性，我们引入了“前瞻性假设融合”（Foresight Hypothesis Fusion, FHF）技术，该技术维护多个基于WGAN的地图预测结果，并通过时间证据积累对这些预测进行重新加权。随后，一种考虑通行性的A*搜索算法能够在融合后的地图上量化路径的可行性和安全性，从而帮助多目标规划器综合考虑路径的可行性、运动学一致性、进度单调性以及几何距离，以实现最佳的中途目标选择和动态一致的轨迹生成。在四个模拟的室内环境中进行的实验表明，该算法将总行驶时间减少了25.0%，平均速度提高了13.3%；在大型环境中，路径质量的平均提升幅度达到了22.2%（ ≥ 2

``````

```