摘要
自主机器人在未知环境中的探索通常受到局部最优策略效率低下的限制，这些策略逐一评估前沿候选点以进行下一最佳视点（NBV）选择。针对这一局限性，我们提出了一种高效遍历路径规划（ETPP）框架。在探索过程中，前沿点动态生成，并增量构建表示环境主干拓扑的路标图。随后，引入遍历路径规划模块，采用自适应迭代循环交叉COOT算法确定跨前沿的全局遍历路径。该全局路径与基于信息熵算法规划的局部探索路径相结合。对于NBV选择，我们设计了距离-方向评估函数。最后，使用基于角度的行人网格软演员-评论家（APG-SAC）运动控制器实现机器人在未知环境中的导航。利用互信息进行在线NBV更新，以最小化探索成本。仿真结果表明，与最先进方法相比，ETPP分别减少了15.95%的路径长度和21.04%的时间消耗。真实世界实验进一步验证了所提框架的实际可行性。
