用于室内多机器人探索的轻量级地图预测与融合系统技术方案

本申请涉及一种用于室内多机器人探索的轻量级地图预测与融合系统，其中，系统包括：多个机器人，用于探索目标环境，并在探索过程中采集满足预设条件的局部观测数据；预测模块，用于利用预先构建的地图预测模型处理每个机器人的局部观测数据，得到相应的局部预测地图，其中，地图预测模型以教师‑学生模型为框架，由框架结合生成对抗网络与知识蒸馏损失训练得到；融合模块，用于利用不确定性融合多个机器人的局部预测地图，以整合多个机器人的局部观测与预测信息，得到预设时空约束下的目标环境的全局地图。由此，解决了相关技术中，计算耗损大、多机器人协同融合效率较低，存在融合失败或虚假融合现象，进而影响全局地图的准确性的技术问题。

【技术实现步骤摘要】

本申请涉及机器人，特别涉及一种用于室内多机器人探索的轻量级地图预测与融合系统。

技术介绍

1、在机器人自主探索领域，室内未知环境下的多机器人协同作业长期面临地图构建效率与系统资源约束的双重挑战。传统增量式探索方法采用“逐步扩展地图”的策略，如基于前沿检测的探索算法(frontier-based exploration)，通过机器人逐步探测未知区域并更新局部地图。这种方法在结构简单的环境中尚能运行，但在复杂室内场景(如多层建筑、多隔间布局)中，受限于激光雷达或视觉传感器的探测范围(通常为2-10米)，机器人常因障碍物遮挡导致“视野盲区”，进而产生重复路径规划、无效折返等问题。例如，当机器人在走廊中探测到前方房间入口时，需多次往返才能完全构建房间内部地图，导致探索时间延长30％以上。

2、相关技术中，通过多机器人协作可以有效加快探索效率，然而，在多机器人协作场景中，相关技术面临更复杂的挑战。

3、计算资源瓶颈限制模型部署，传统全局地图预测模型因参数量级大。

4、当多台机器人首次建立通信时，由于各自探索区域不同，其本地地图重叠本文档来自技高网...

【技术保护点】

1.一种用于室内多机器人探索的轻量级地图预测与融合系统，其特征在于，包括：

2.根据权利要求1所述的系统，其特征在于，所述每个机器人包括：

3.根据权利要求1所述的系统，其特征在于，所述地图预测模型包括：

4.根据权利要求1所述的系统，其特征在于，所述融合模块包括：

5.根据权利要求4所述的系统，其特征在于，所述像素级不确定性的计算表达式为：

6.根据权利要求4所述的系统，其特征在于，所述时间变换单元包括：

7.一种用于室内多机器人探索的轻量级地图预测与融合方法，其特征在于，应用于如权利要求1-6任一项所述的用于室内...

【技术特征摘要】

1.一种用于室内多机器人探索的轻量级地图预测与融合系统，其特征在于，包括：

2.根据权利要求1所述的系统，其特征在于，所述每个机器人包括：

3.根据权利要求1所述的系统，其特征在于，所述地图预测模型包括：

4.根据权利要求1所述的系统，其特征在于，所述融合模块包括：

5.根据权利要求4所述的系统，其特征在于，所述像素级不确定性的计算表达式为：

6.根据权利要求4所述的系统，其特征在于，所述时间变换单元包括：

7.一种用于室内多机器人探索的轻量级地图预测与融合方法，其特征在于，应用于如权利要求1-6任一项所述的用于室内多机器人探索的轻...

【专利技术属性】
技术研发人员：乔飞，阙浩华，李长猛，区恺恩，单伟浩，
申请(专利权)人：清华大学，
类型：发明
国别省市：