该研究探讨了无人机系统在基础设施检查中的应用，提出了一种有效的路径规划问题解决方案，重点解决了自动化飞行路径选择、损伤检测和效率优化等问题，进一步证明了自动化在无人机系统的结构检查任务规划中的可行性。
Dec, 2023
本文提出了一种基于群体智能的方法，用于解决无人机的合作路径规划问题，该问题对于基础设施的自动检查至关重要。该方法使用结构的三维模型生成无人机的视点，并考虑无人机编队模型、相机参数和数据后处理要求的约束，计算视点。然后，将视点作为输入，将路径规划作为扩展的旅行推销员问题，并定义一个新的成本函数。最后使用蚁群优化来解决这个问题，得到最优的检查路径。对真实结构的 3D 模型进行了实验以评估所提出方法的性能。结果表明，与另一种启发式方法相比，我们的系统不仅能够为无人机生成可行的检查路径，而且在复杂结构中可以将路径长度减少 29.47%。该算法的源代码可以在此 https 的 URL 找到。
Feb, 2024
本文章提出了一种基于 ROS 框架的混沌路径规划应用程序，该程序通过提供避障技术、混沌轨迹分散和准确覆盖计算等技术，解决了对于限制目标的自主搜索与遍历任务的三大关键问题，其性能可与传统最优路径规划器相媲美，并在多种大小、形状和障碍物密度的真实环境与 Gazebo 模拟中进行了测试。
May, 2023
提出一种非基于时间限制的集中式算法，可以实现并发规划和执行，从而在大规模工作区中完成完整覆盖，无需浪费机器人和计算资源。
Mar, 2024
该论文介绍了一种利用数学模型自动生成无人机飞行轨迹，全面准确地扫描物体表面，从而生成高保真的 3D 模型。作者使用了覆盖度等数学原理，进行路径规划，可以自动权衡机器人特性和覆盖度，有效避免撞墙等情况。
May, 2017
该研究提出了基于强化学习的、连续状态和动作空间下的在线覆盖路径规划方法，用于处理未知环境的大型区域，并且结合了全局地图和局部感知输入，以及多尺度地图输入表示的观测空间构建，通过提出的全变差奖励，实现了学习路径上无漏洞被覆盖的目标。
Jun, 2023
我们研究基于图的多机器人覆盖路径规划 (MCPP)，旨在计算多个机器人覆盖给定 2D 网格图 $G$ 的所有顶点的路径。我们提出了一种新的算法框架 LS-MCPP，利用局部搜索直接在图 $D$ 上操作，通过扩展 STC 实现 MCPP 在任何分解图上的完全覆盖，并结合三种新颖的邻域操作符来引导搜索过程。我们的实验结果表明，LS-MCPP 在优化 makespan 方面显著优于现有算法，并且在运行时间方面具有数量级的优势，对于大规模实际覆盖任务具有重要的好处。
本研究采用混合整数规划和启发式算法对多机器人覆盖路径规划进行优化，其中包括两种减少规模的启发式算法，通过实验证明，相比现有算法，本研究提出的方法可以显著降低路径覆盖时间。
本文通过应用组合元启发式算法，采用适当的代价函数，提出了一种基于自主多旋翼的容错电力传输线检查规划方法，其涉及故障容错、电池预算限制、以及满足成功重新规划时间窗口的多车辆路径规划问题。
Feb, 2023
该研究探讨了在未知环境下运用深度强化学习对覆盖路径规划问题进行建模，并与流行的吸尘机器人 Roomba 内置算法进行性能比较。
Oct, 2022