摘要
针对未知环境下的多智能体覆盖探索问题,提出一种基于稀疏高斯过程回归的环境探索与覆盖方法。该方法利用多智能体在任务区域中的移动探索获取环境信息,并以稀疏高斯过程回归方法构建未知环境的密度函数模型,作为质心维诺划分算法的输入。同时,考虑智能体实际尺寸和定位误差的影响,以引入缓冲因子的质心维诺划分算法为智能体规划任务区域,最终实现自主在线决策和最优覆盖。通过仿真实验证明,相较于传统高斯过程回归在线覆盖算法,所提算法能够保证多智能体编队的安全性,其单次迭代时间仅为3.92 s,且预测模型的最终误差仅增加1.3%,反映出模型改进的有效性。
-
单位电子信息工程学院; 西安工业大学