Ergodic Coverage
- 又称: ergodic search, ergodic exploration, ergodic control
- 类别: State estimation & navigation › Navigation
- 标签: coverage-planning, exploration, active-sensing, trajectory-optimization, search
一种规划搜索路径的方法，使机器人在每个区域所花的时间与该区域预期包含的信息量相匹配。
定义
遍历覆盖（Ergodic coverage）规划机器人的轨迹，使得随着时间推移，机器人在搜索区域内任一区域所花时间的比例，与目标分布赋予该区域的概率质量相匹配。目标分布编码了预期信息所在的位置：失踪人员、燃气泄漏或值得检查的特征可能所在的地方。具有这种性质的轨迹被称为相对于该分布是遍历的（ergodic），这个术语借自动力系统，在那里它描述时间平均等于空间平均的情形。
衡量这一点的标准方法由 George Mathew 和 Igor Mezić 于 2011 年提出。轨迹的时间平均统计量和目标分布都在搜索区域上展开为傅里叶基。遍历度量（ergodic metric）是两组傅里叶系数之差的平方的加权和，权重随频率递减，使大尺度的不匹配比细节更重要。值为零表示轨迹是完全遍历的。可以用反馈律压低这一度量，例如谱多尺度覆盖；也可以把它用作轨迹优化中的代价，这是 Todd Murphey 及其同事发展的一条路线。
遍历覆盖介于两种更简单的策略之间。纯利用策略把机器人送到可能性最大的位置并让它停留在那里；均匀覆盖（例如割草机式模式）则忽略已知的信息。遍历轨迹会访问所有概率非零的区域，但在分布较高的地方停留更久，而且它可以自然地扩展到机器人团队，把团队的联合时间平均与目标进行比较。主要局限在于，傅里叶项的数量随搜索空间维数迅速增长，而且结果取决于信息地图的质量。
为何重要
搜索、检查和环境感知很少只有单一的最佳访问位置。遍历覆盖提供了一种有原则、可调节的方法，按先验知识分配感知投入，并提供一个可以与动力学、时间限制和多机器人协调相结合的单一代价。
主要应用
- 使用无人机和地面机器人的搜索与救援
- 主动感知和目标定位
- 对燃气、温度或污染场的环境监测
- 共享信息地图的多机器人覆盖
- 用于触觉或视觉物体检查的探索性运动
实际应用
一个团队在山坡上进行无人机搜索，他们根据步道、地形和最后已知位置，构建一张走失徒步者可能所在位置的概率地图。他们计算该地图到选定阶数为止的傅里叶系数，然后优化一条既满足无人机速度和加速度限制、又能降低遍历度量的飞行路径，例如在固定或自由的终端时间上使用直接配点法。得到的路径会反复扫过可能性较大的步道路段，同时仍会经过可能性较小的地面。随着相机检测结果陆续传来，地图被更新，系数被重新计算，计划也被重新优化。使用多架无人机时，度量中使用所有路径的联合时间平均，使它们能够分担工作。
常见误解
- 遍历覆盖意味着均匀覆盖整个区域 — 它按目标分布的比例分配时间，因此高信息区域会得到更多关注
- 遍历轨迹会直奔可能性最大的位置 — 它有意按概率比例持续访问概率较低的区域
- 该度量可以轻松扩展到任意维数 — 傅里叶基随维数呈指数增长，这限制了它在高维空间中的直接使用
谁需要了解
- 规划搜索任务的无人机和野外机器人工程师
- 主动感知和探索领域的研究人员
- 多机器人协调开发者
- 轨迹优化工程师
相关技术
- 谱多尺度覆盖（Spectral Multiscale Coverage）
- 轨迹优化（Trajectory Optimization）
- 傅里叶分析（Fourier Analysis）
- 信息论规划（Information-Theoretic Planning）
- 割草机式覆盖模式（Lawnmower Coverage Patterns）
相关术语
相关项目
- PyRoki: Modular Python toolkit for kinematic optimization across CPU, GPU, and TPU via JAX
- Fields2Cover: Coverage path planning library for autonomous agricultural vehicles
- STLCG: JAX toolbox for differentiable Signal Temporal Logic robustness