论文链接：https://ieeexplore.ieee.org/document/11613101

项目主页：https://nku-mobfly-robotics.github.io/urge_webpage/

视频链接：https://www.bilibili.com/video/BV1n9uq6PENh/

近日，南开大学机器人自主行为与人智协同研究团队关于多机器人自主探索的研究成果《URGE: Efficient Decentralized Multirobot Exploration Guided by Unknown Regions Under Limited Communication》被机器人领域顶级期刊 IEEE Transactions on Robotics (T-RO) 正式接收。

在未知环境中部署多台机器人协同探索，能够显著提升任务效率和容错能力，广泛应用于灾难救援、资源勘探和结构巡检等场景。然而，现有方法面临三大瓶颈：一是通信带宽受限，机器人之间无法频繁交换稠密地图；二是任务分配不合理，机器人容易重复探索已知区域；三是规划视野短视，仅关注附近边界或未知区域，缺乏对远处未知区域的全局引导，导致往复折返探索行为。

针对上述挑战，该工作提出区域引导的“去中心化”低带宽自主探索框架（URGE），达到新的多机协同探索效率高点。核心创新包括：

1.轻量化“区域块”探索信息图（更轻量）：将环境抽象为具有不同状态属性的子区域块信息图（REIM），仅需共享少量块信息而非整张地图，大幅降低通信量，同时保留未知区域的空间分布信息，为全局决策提供支撑。

2.联合代价与负载均衡的任务分配（更均衡）：将探索任务分配建模为矩阵整数规划问题，同时最小化总路径代价和均衡各机器人分配的子区域数量。确保每个可探索块仅分配给一个机器人，促使机器人分散到不同区域，充分发挥每台机器人的能力。

3.全局几何信息引导的探索路由规划（更远见）：在现有路由规划基础上，引入远程探索方向（RED），将远处未知区域作为路由终点，配合协作因子优化访问顺序。这一设计增强了连续规划结果的一致性，减少了因边界频繁变化导致的无效转向，并强化了机器人探索远方未知区域的意图。

团队探索效率提升显著，冗余探索比率下降明显。该工作在多种仿真场景（含大尺度环境、崎岖地形）和真实环境（包括地下隧道、办公建筑、地下停车场、室外复杂区域）中进行了大量对比实验、消融实验和实车测试。结果表明：

l与当前最优方法相比，探索效率提升13.3%–45.6%；

l冗余探索率降低22.5%–51.5%，机器人轨迹更分散、重叠更少；

l通信量显著低于对比方法，即使在低带宽条件下仍可稳定运行；

l任务负载均衡度显著优于对比方法，各机器人探索体积更均匀；

l真实场景中，机器人能在断连情况下独立探索，通信恢复后快速同步，验证了框架的实用性和鲁棒性。

该工作为多机器人在复杂、大规模且通信受限环境下的高效协同探索提供了一种全新的解决方案。相关源代码将陆续开源，欢迎关注。

Q. Bi, X. Zhang*, S. Zhang, Q. Dong, J. Yuan. URGE: Efficient Decentralized Multirobot Exploration Guided by Unknown Regions Under Limited Communication. IEEE Transactions on Robotics (TRO), 42: 3028-3047.