抽象的な：
大規模で複雑な環境での自律的な探索は困難な作業です。環境の規模が大きくなるにつれて、探索アルゴリズムの大幅なオーバーヘッドがモバイル プラットフォームの計算能力を圧倒し、環境の変化にタイムリーに対応できなくなる可能性があります。一方、探索パスの品質は、より大規模なシーンではますます重要になります。適切に選択されていないパスは効率を大幅に低下させるためです。このレターでは、大規模な未知の環境を探索するための体系的なフレームワークを提案します。高頻度の計画を可能にするために、環境情報の高速な前処理が提示され、高頻度のパス計画をサポートするための基本的な情報を提供します。高速探索に関する主要な要素を包括的に考慮したパス最適化定式化が導入されています。さらに、NP 困難な最適化問題を解決するためのヒューリスティック アルゴリズムが考案され、リアルタイムで最適なソリューションを経験的に見つけます。シミュレーションの結果、この方法の実行時間は既存の方法よりも大幅に短いことがわかりました。私たちの方法は、現在の最先端の方法と比較して、最短の時間で最短の移動距離で探索を完了します。