Frontier-Based Exploration

• 又称: frontier exploration, frontier-based mapping
• 类别: State estimation & navigation › Navigation
• 标签: exploration, navigation, mapping, occupancy-grid, mobile-robots

一种探索策略：机器人反复驶向已建图的空闲空间与未探索空间之间的边界，不断扩展地图，直到不再存在这样的边界。

定义

基于前沿的探索（Frontier-based exploration）是一种为未知环境建图的策略。前沿（frontier）是机器人已观测为空闲的空间与尚未观测的空间之间的边界。这一思想由 Brian Yamauchi 于 1997 年提出，其要点是：移动到前沿是获取新信息最直接的方式，因为越过前沿指向的传感器将看到未探索的空间。

基本循环很简单。机器人构建一个包含空闲、占据和未知栅格的占据栅格地图。它检测前沿栅格，即与未知栅格相邻的空闲栅格，把相邻的前沿栅格归组为前沿区域，并舍弃那些太小而无关紧要的区域。然后它选择一个目标前沿，规划一条通往它的路径，并在行驶过程中更新地图。随着旧的前沿被清除，新的前沿不断出现；当不再有可到达的前沿时，探索结束。

不同方法之间的差异主要在于如何选择下一个前沿。最初的方法选择最近的前沿。后来的方法综合行驶代价和预期的信息增益（即可能被揭示的未知空间的大小）为前沿打分，或者使用下一最佳视点规划，在前沿附近选择一个视点，而不是前沿栅格本身。三维版本为无人机使用体素地图，多机器人版本则把不同的前沿分配给不同的机器人，以避免重复工作。

前沿方法可靠且易于实现，但它们只对当前地图作出反应。学习型探索策略试图预判前沿之外是什么，例如一条走廊很可能会继续延伸，这类策略常常以基于前沿的探索作为基线进行比较。

为何重要

基于前沿的探索为机器人提供了一种简单、成熟的方法，可以在没有人工引导的情况下为未知空间建图。它至今仍是自主探索研究中的标准基线，也是建图机器人中的实用组件。

主要应用

• 建筑物、仓库和地下空间的自主建图
• 使用地面机器人和无人机进行搜救探索
• 多机器人协同探索
• 作为学习型探索策略的基线比较

实际应用

构建自主建图机器人的团队通常运行 SLAM 来维护占据栅格地图，在每次地图更新后提取前沿栅格，对其进行聚类，并按距离和大小为每个聚类打分。导航栈规划一条通往最佳聚类质心或其附近某个可到达点的路径；如果目标被证明无法到达，就把它列入黑名单，并尝试下一个候选。在基于 ROS 的系统中，这一逻辑通常被封装为一个探索节点，向导航栈提供目标。

常见误解

• 前沿探索总是前往最近的前沿 — 那是最初的规则，但许多变体会在行驶代价与预期信息增益之间进行权衡
• 地图看起来完整时探索就结束了 — 探索在不再有可到达的前沿时结束，这可能会让无法到达的区域未被建图
• 前沿方法需要完美的地图 — 它们可以使用含噪声的占据栅格，不过必须滤除虚假的小前沿

谁需要了解

• 移动机器人导航工程师
• 自主探索和主动建图方向的研究人员
• 为未知环境建图的无人机自主系统工程师

相关技术

• 占据栅格（Occupancy Grid）
• SLAM
• 下一最佳视点规划（Next-Best-View Planning）
• ROS 导航栈（ROS Navigation Stack）
• 信息增益（Information Gain）

相关术语

• SLAM
• Topological Map
• AMR
• Obstacle Avoidance

相关项目

• 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