研究人員開發了TAPE（繫繩感知探索路徑規劃），這是一種開創性的方法，旨在使繫留空中機器人能夠自主探索未知的三維洞穴，同時最小化飛行距離和繫繩放出長度。這項工作解決了機器人探索受限空間（如地下隧道、洞穴或工業結構）的關鍵挑戰，這些場景中繫繩提供電力和通訊，但存在纏繞風險。
該方法採用兩級層次架構。在全域性層面，基於前沿的規劃透過求解旅行商問題（TSP）來最小化整體路徑距離。在區域性層面，規劃器透過一個可調決策函式最小化路徑成本和繫繩長度的組合成本，允許操作員在這兩個目標之間進行權衡。關鍵洞察在於繫繩纏繞受全域性路徑影響很小，因此區域性規劃器可以專注於精細調整。
團隊透過詳細的模擬和現場測試對方法進行了全面評估。在模擬中，他們比較了僅使用全域性TSP解和使用TAPE完整方法的表現。結果顯示，僅使用全域性TSP時，只有53%的案例中繫繩長度保持在最大允許值以下；而使用TAPE後，這一比例達到了100%，代價是總路徑距離平均增加4.1%。現場測試進一步驗證了方法的有效性。
該成果已發表在《IEEE機器人與自動化快報》（第7卷，第4期，第10550-10557頁，2022年），並可在arXiv（arXiv:2606.30817）上獲取。作者路易·珀蒂等展示了透過智慧路徑規劃顯著提升繫留機器人安全性的可能性，為未來地下和洞穴探索任務提供了重要工具。