近日，一篇來自arXiv的論文《Mind the Gaps: Multi-Robot Feedback-Driven Ergodic Coverage in Unknown Environments》提出了一種新穎的多機器人自適應覆蓋策略，旨在解決未知環境中機器人團隊的遍歷搜索問題。該研究由Thales Costa Silva等人完成，於2026年5月20日提交至arXiv。
在傳統的遍歷搜索方法中，機器人通過優化軌跡使其時間平均空間分佈與環境信息分佈對齊，從而實現有效探索。然而，這些方法通常依賴於已知的目標分佈，當環境先驗未知時，性能會大幅下降。例如，在搜救或行星探測中，環境信息往往無法提前獲取，導致傳統方法難以高效分配機器人資源。為了克服這一侷限，研究團隊提出了一種基於實時反饋的自適應覆蓋框架。
該框架的核心是利用環境模型的在線更新構建動態的目標空間信息分佈。具體而言，機器人根據實時傳感數據，通過參數化模型對環境進行建模，並不斷更新模型參數。這一過程使得目標分佈能夠反映當前環境中的高價值區域，從而指導機器人優先探索這些區域。方法假設環境是靜態的或變化速度慢於機器人運動，這在實際場景中通常是合理的。
通過這種方式，系統不僅提高了覆蓋效率，還為每個智能體合成了有效的控制策略，優化了資源利用。團隊通過一系列仿真實驗驗證了該方法的有效性，結果顯示在未知環境中，覆蓋性能和資源分配均得到顯著提升。這項研究對於自動化環境監測、搜索救援、行星探測等領域具有潛在應用價值，為多機器人系統在未知動態環境中的協作探索提供了新的思路。