摘要
本文提出了ROTOTILLER（Rolling Optimization of Tasks and Online Trajectories Integrating Local Lookahead Extended Routing，即集成局部前瞻扩展路由的滚动任务与在线轨迹优化方法），该方法是extended-SPADES框架的扩展，用于动态物流环境中的集成任务分配与集群导航。该方法保留了多机器人任务分配与基于协变哈密顿运动规划优化（CHOMP）的运动规划之间的耦合关系，同时引入了rolling-CHOMP——一种集群级的滚动窗口优化器，可根据新任务、地图变化和执行干扰对轨迹进行增量更新。在任务分配方面，ROTOTILLER将机器人-工作站之间以及工作站-工作站之间的行驶代价估算为从SLAM获取的占据栅格地图中提取的广度优先搜索中轴骨架（BFS-MAS）拓扑图上的加权最短路径。在一个类似医院的基准测试中，该拓扑代价空间将每次查询的平均路径计算时间从298.3毫秒降低至2.08毫秒，实现了143倍的加速，同时将估算路径长度增加了约21%。在最多包含六台差速驱动机器人的Gazebo仿真中，在所评估的任务分布和动态障碍场景下，rolling-CHOMP相对于批量式multi-CHOMP将六机器人集群的平均任务完成时间平均降低了
