本文为翻译记录（笔记）
原文地址：使用古典和启发算法的机器人覆盖路径规划的全面回顾|IEEE 期刊和杂志|伊 · X普洛尔
?
一、摘要
移动机器人的电池容量小，工业机器人的规划效率不优化，在速度和精度方面制约了覆盖任务的时间效率和生产率，严重制约了机器人在特定环境条件下各种规划策略中的可用性。因此，解决与勘探和覆盖路径规划（CPP）相关的优化问题变得非常可取。一般来说，CPP 的目标是通过减少行驶时间、处理速度、成本能量、沿路径长度的转弯次数以及反映 CPP 稳健性的低重叠率，找到最佳覆盖路径，从而产生无碰撞轨迹。本文回顾了CPP的原理，探讨了CPP的发展趋势，包括设计变化和优化算法的特点，如经典、启发、最新深度学习方法等。然后，我们比较了该地区现有基于 CPP 的建模的优缺点和目标覆盖率。最后，我们总结了CPP的许多开放性研究问题，并为未来的研究方向提出建议，以获得见解。
二、介绍
? ? ? ? ?移动机器人，如无人驾驶飞行器（UAV）、无人地面飞行器（UUV）、自动水下飞行器（AUV）、自主地面车辆（ASV）和工业机器人，已用于执行野外勘探的自主区域覆盖任务。虽然工业机器人臂通常操纵最终效应器，以沿着预定路径到达目标位置以覆盖指定目标区域，但这种方法没有进行优化，以避免路径空间域中的静态或动态障碍。因此，自主机器人必须克服障碍，解决覆盖路径规划 （CPP） 问题，以便在复杂环境中进行交互。
? ? ? ? ?CPP已成为机器人应用的热门研究课题，如自主清洁[1]，[2]，割草[3]，结构检查[4]，[5]，农业[6]，[7]和监测[8]，包括勘探，测绘，搜索和救援[9]，[10]。?机器人末端效应器也可能受益于 CPP，如表面处理应用（铣削[11]、激光清洁[12]、喷漆[13]、[14]、融合沉积建模打印和制造检查[15]，[16]）。?CPP 是确定覆盖从初始状态到最终状态的所有点的路径，同时检测和避免目标环境中的障碍[17]。CPP 算法的目标是计算最佳路径并投射无碰撞轨迹，以确保机器人在一定时间内完全覆盖感兴趣的区域 （AOI）。首先，分解技术将 AOI 分解成一组子区域。然后，它设置机器人的初始位置，并确定每个子区域的覆盖方向。有效的优化解算器计算子区域的序列连接，以覆盖每个单元格。最后，机器人使用简单的动作（如来回运动）覆盖所有子区域。CPP 的概念在第1 图中进行了说明。CPP 效率的稳健性和性能基于多个参数，例如覆盖面积的百分比、行驶时间、路径重叠率和机器人的能耗。
? ? ? ?在过去的十年里，加尔塞兰和卡雷拉斯[18]已经审查了机器人文学的CPP。所报告的作品是基于用于解决 CPP 问题的各种表面分区方法的环境建模调查，即基于蜂窝、网格和基于图形的相应 2D 和 3D 结构方法。近年来报道的文献是对多机器人CPP模型重建和映射[19]的审查，特别是对无人机[20]的审查。以往的审查文件与目前的审查之间的区别是一项全面和最先进的研究，特别是在优化标准方面。在当前的审查文章中，对 CPP 的广泛回顾主要侧重于用于解决优化问题的经典和启发式算法。无碰撞路径、覆盖成本函数（最短和平滑路径）和覆盖顺序（设置覆盖问题、SCP 和旅行推销员问题、TSP）与 CPP 问题直接相关，其中优化问题如何解决。此外，对于使用深度强化学习方法解决 CPP 问题，不存在文献评论。我们相信，本次审查将全面了解机器人中的 CPP 在设计变化、优化算法的特点以及各种技术特征，即搜索时间、路径最佳性、动态性能、收敛速度和计算复杂性方面。? ? ?
三、所面临的挑战
四、目前算法分类
?
?
?