Frontier-Based Exploration

• 又稱: frontier exploration, frontier-based mapping
• 類別: State estimation & navigation › Navigation
• 標籤: exploration, navigation, mapping, occupancy-grid, mobile-robots

一種探索策略：機器人反覆前往已建圖的空曠空間與未探索空間之間的分界，逐步擴展地圖，直到不再有這樣的分界為止。

定義

基於邊界的探索（Frontier-based exploration）是一種為未知環境建立地圖的策略。邊界（frontier）是機器人已觀測為空曠的空間，與尚未觀測的空間之間的分界。這個概念由 Brian Yamauchi 於 1997 年提出，重點在於：移動到邊界是取得新資訊最直接的方式，因為朝邊界另一側的感測器會看到尚未探索的空間。

基本迴圈很簡單。機器人建立一張包含空曠、佔據與未知格子的佔據格網。它偵測邊界格子，也就是與未知格子相鄰的空曠格子，把相鄰的邊界格子歸併為邊界區域，並捨棄小到無關緊要的區域。接著它選定一個目標邊界，規劃一條前往的路徑，並在行進途中更新地圖。舊的邊界被清除時，新的邊界會出現；當不再有可到達的邊界時，探索便結束。

各種方法之間的差異大多在於如何挑選下一個邊界。最初的做法是挑選最近的邊界。後來的方法以行進成本與預期資訊增益（也就是可能揭露的未知空間大小）的組合為邊界評分，或採用下一最佳視點規劃，在邊界附近挑選一個視點，而不是邊界格子本身。三維版本為無人機使用體素地圖，多機器人版本則把不同的邊界分派給不同的機器人，以避免重複作業。

邊界方法可靠且容易實作，但只會對目前的地圖做出反應。學習式探索策略則嘗試預料邊界之外有什麼，例如一條走廊很可能會繼續延伸，這類策略常以基於邊界的探索作為基準來比較。

為何重要

基於邊界的探索為機器人提供一種簡單、已被充分理解的方法，能在沒有人引導的情況下為未知空間建立地圖。它至今仍是自主探索研究的標準基準，也是建圖機器人中實用的元件。

主要應用

• 建築物、倉庫與地下空間的自主建圖
• 以地面機器人與無人機進行搜救探索
• 多機器人協同探索
• 作為學習式探索策略的基準比較

實際應用

打造自主建圖機器人的團隊，通常會執行 SLAM 來維護佔據格網，在每次地圖更新後擷取邊界格子並加以分群，再依距離與大小為每一群評分。導航堆疊會規劃一條路徑，前往最佳群集的中心點或其附近某個可到達的點；若目標結果無法到達，就把它列入黑名單，改試下一個候選。在以 ROS 為基礎的系統中，這套邏輯通常包裝成一個探索節點，把目標提供給導航堆疊。

常見誤解

• 邊界探索一定前往最近的邊界 — 那是最初的規則，但許多變體會在行進成本與預期資訊增益之間權衡
• 地圖看起來完整時探索就結束了 — 探索在不再有可到達的邊界時才結束，這可能讓無法到達的區域留下未建圖
• 邊界方法需要完美的地圖 — 它們能使用含雜訊的佔據格網，但必須濾除虛假的小邊界

誰需要了解

• 移動機器人導航工程師
• 自主探索與主動建圖領域的研究人員
• 為未知環境建圖的無人機自主系統工程師

相關技術

• 佔據格網（Occupancy Grid）
• SLAM
• 下一最佳視點規劃（Next-Best-View Planning）
• ROS 導航堆疊（ROS Navigation Stack）
• 資訊增益（Information Gain）

相關術語

• SLAM
• Topological Map
• AMR
• Obstacle Avoidance

相關專案

• LingBot-Map: Streaming 3D reconstruction from one camera: pose and depth for every frame, live
• Cartographer: Google's real-time 2D and 3D SLAM system for multi-platform robotics
• OpenDroneMap: Open-source photogrammetry toolkit that turns drone images into maps and 3D models
• Nav2: ROS 2 navigation stack with path planning and obstacle avoidance for mobile robots
• DimOS: Python robotics runtime with agents, SLAM and teleop, no ROS required
• RTAB-Map: Versatile graph-based SLAM supporting RGB-D, stereo, and LiDAR with real-time operation