基于红外传感皮肤的多关节机器人自主运动方法研究

本文研究了障碍环境下多关节机器人自主实时避碰运动理论、技术与方法. 研制的新型红外传感皮肤, 可以为多关节机器人提供所需要的周围环境信息. 针对非结构化环境下的多关节机器人实时避障问题, 提出了一种未知环境下的机器人模糊路径实时规划新方法. 实验结果表明: 基于研制的红外传感皮肤和模糊运动规划算法, 多关节机器人可以在未知或时变环境下自主工作.     

全局未知环境下多机器人运动蚂蚁导航算法

研究了全局未知静态复杂环境下多机器人运动的导航问题,提出了一种新颖的蚂蚁导航算法.该方法将全局目标点映射到机器人视野域边界附近作为局部导航子目标,再由两组蚂蚁相互协作完成机器人视野域内局部最优路径的搜索,在此基础上进行与其他机器人的碰撞预测与避碰规划.机器人每前进一步都重复上述过程.因此,机器人前进路径不断地动态修改,从而在每条局部优化路径引导下,使机器人沿一条全局优化的路径到达目标点.仿真实验结果表明,即使在障碍物非常复杂的地理环境下,算法也能沿一条全局优化路径导航,且能安全避碰,效果十分令人满意.     

移动机器人的智能导航研究

研究移动机器人优化导航问题,由于系统在动态未知、复杂环境下,研究自主移动机器人导航问题,首先将行为优先级控制与模糊逻辑控制相结合提出了四种基本的行为控制方案:目标查找、避障碍物、目标跟踪与解锁,并采用模糊控制器来实现.然后针对’U’型和’V’型障碍物运行解锁问题,提出了行走路径记忆方法,通过构建虚拟墙来进免机器人再次走...     

基于行为优先与模糊控制的移动机器人导航

由于动态未知环境下自主移动机器人的导航具有较大困难,为实现自主机器人在动态未知环境下的无碰撞运行,文中将行为优先级控制与模糊逻辑控制相结合,提出4种基本行为控制策略:目标寻找、避障、跟踪和解锁.针对'U'型和'V'型障碍物运行解锁问题,提出了行走路径记忆方法,并通过构建虚拟墙来避免机器人再次走入此类区域.仿真实验表明,所提出的控制策略可有效地运用于复杂和未知环境下自主移动机器人的导航,且具有较好的鲁棒性和适应性.     

基于双层模糊逻辑的多机器人路径规划与避碰

针对无通信情况下的多机器人系统在未知动态环境下的路径规划问题,设计了基于双层模糊逻辑的多机器人路径规划与动态避碰系统。方向模糊控制器充分考虑了障碍物的距离信息和目标的角度信息,转化为机器人与障碍物的碰撞可能性,从而输出转向角度实现机器人的动态避障;速度模糊控制器将障碍物的距离信息作为输入,将速度因子作为输出,提高了多机器人路径规划与动态避碰系统的效率和鲁棒性。在Pioneer3-DX机器人实体上验证了该系统的可行性。     

一种基于人机交互的移动机器人反应式导航方法

针对未知环境中移动机器人的自主导航问题,提出了一种基于人机交互的反应式导航方法。在采用模糊逻辑实现机器人基本智能行为的基础上,利用基于优先级和有限状态机的混合行为协调方法建立"环境刺激-反应"机制,提高机器人的局部自主能力。提出将"人刺激-反应"机制引入机器人系统,提高机器人系统对环境的理解与决策能力。在不同环境模型中利用提出的方法对移向指定目标的机器人自主导航进行了仿真,仿真结果验证了该方法的有效性。     

一种动态环境下移动机器人的路径规划方法

本文提出了在动态环境中，移动机器人的一种路径规划方法，适用于环境中存 在已知和未知、静止和运动障碍物的复杂情况．采用链接图法建立了机器人工作空间模型， 整个系统由全局路径规划器和局部路径规划器两部分组成．在全局路径规划器中，应用遗传 算法规划出初步全局优化路径．在局部路径规划器中，设计了三种基本行为：跟踪全局路径 的行为、避碰的行为和目标制导的行为，采用基于行为的方法进一步优化路径．其中，避碰 的行为是通过强化学习得到的．仿真和实验结果表明所提方法简便可行，能够满足移动 机器人导航的高实时性要求．     

动态环境下机器人多目标路径规划蚂蚁算法

研究了一种新颖的动态复杂不确定环境下的机器人多目标路径规划蚂蚁算法。该方法首先根据蚂蚁觅食行为对多个目标点的组合进行优化,规划出一条最优的全局导航路径。在此基础上,机器人按照规划好的目标点访问顺序根据多蚂蚁协作局部路径算法完成局部路径的搜索。机器人每前进一步都实时地进行动态障碍物运动轨迹预测以及碰撞预测,并重新进行避碰局部路径规划。仿真结果表明,即使在障碍物非常复杂的地理环境,用该算法也能使机器人沿一条全局优化的路径安全避碰的遍历各个目标点,效果十分令人满意。     

动态未知环境下基于相对坐标系的移动机器人实时运动规划

提出了一种简单、新颖的在动态未知环境下的移动机器人运动规划方法 .此方法基于相对坐标系 ,通过传感器信息实时调整机器人的行为来实现规划 .在规划过程中 ,机器人有两种行为 :向目标运动和避碰 ,且避碰行为具有优先权 .机器人两种行为的切换是基于加速度空间的 ,首先解决的是避碰问题 ,而向目标运动是作为避碰的反问题来考虑的 .仿真研究验证了此规划方法的有效性     

基于模糊逻辑的机器人导航系统研究

由于未知环境下机器人导航容易出现死锁问题,设计了一种基于栅格的地图模型叫“数据栅格”,并在此基础上提出了一种基于行为的导航方法即“安全导航法”。数据栅格记录了周围环境中障碍物信息和机器人路径信息,安全导航法就是应用数据栅格技术来解决未知环境下机器人导航遇到的死锁问题。模糊逻辑用来设计和协调各种导航行为。仿真和实际环境的实验结果也证实了该方法的良好性能。     

An intelligent terrain-based navigation system for planetary rovers

A fuzzy logic framework for onboard terrain analysis and guidance towards traversable regions. An onboard terrain-based navigation system for mobile robots operating on natural terrain is presented. This system utilizes a fuzzy-logic framework for onboard analysis of the terrain and develops a set of fuzzy navigation rules that guide the rover toward the safest and the most traversable regions. The overall navigation strategy deals with uncertain knowledge about the environment and uses the onboard terrain analysis to enable the rover to select easy-to-traverse paths to the goal autonomously. The navigation system is tested and validated with a set of physical rover experiments and demonstrates the autonomous capability of the system     

Fuzzy control of a mobile robot

This paper describes the design of a new fuzzy logic-based navigation algorithm for autonomous robots. This design effectively achieves correct environment modeling and noisy and uncertain sensory data processing on low-cost hardware equipment. A hierarchical control strategy is presented in which three different reactive behaviors are fused in a single control law by means of a fuzzy supervisor guaranteeing robot safety and task accomplishment. Due to the inherent transparency of fuzzy logic, the proposed algorithm is computationally light, easily reconfigurable, and well-performing in a wide range of differing operating conditions and environments     

An Adaptive Obstacle Avoidance Algorithm for Unmanned Surface Vehicle in Complicated Marine Environments

Unmanned surface vehicles (USVs) are important autonomous marine robots that have been studied and gradually applied into practice. However, the autonomous navigation of USVs, especially the issue of obstacle avoidance in complicated marine environment, is still a fundamental problem. After studying the characteristics of the complicated marine environment, we propose a novel adaptive obstacle avoidance algorithm for USVs, based on the Sarsa on-policy reinforcement learning algorithm. The proposed algorithm is composed of local avoidance module and adaptive learning module, which are organized by the "divide and conquer" strategy-based architecture. The course angle compensation strategy is proposed to offset the disturbances from sea wind and currents. In the design of payoff value function of the learning strategy, the course deviation angle and its tendency are introduced into action rewards and penalty policies. The validity of the proposed algorithm is verified by comparative experiments of simulations and sea trials in three sea-state marine environments. The results show that the algorithm can enhance the autonomous navigation capacity of USVs in complicated marine environments.      

基于分层深度强化学习的移动机器人导航方法

针对现有基于深度强化学习(deep reinforcement learning, DRL)的分层导航方法在包含长廊、死角等结构的复杂环境下导航效果不佳的问题,提出一种基于option-based分层深度强化学习(hierarchical deep reinforcement learning,HDRL)的移动机器人导航方法.该方法的模型框架分为高层和低层两部分,其中低层的避障和目标驱动控制模型分别实现避障和目标接近两种行为策略,高层的行为选择模型可自动学习稳定、可靠的行为选择策略,从而有效避免对人为设计调控规则的依赖.此外,所提出方法通过对避障控制模型进行优化训练,使学习到的避障策略更加适用于复杂环境下的导航任务.在与现有DRL方法的对比实验中,所提出方法在全部仿真测试环境中均取得最高的导航成功率,同时在其他指标上也具有整体优势,表明所提出方法可有效解决复杂环境下导航效果不佳的问题,且具有较强的泛化能力.此外,真实环境下的测试进一步验证了所提出方法的潜在应用价值.     

基于轨迹引导的移动机器人导航策略优化算法

针对在杂乱、障碍物密集的复杂环境下移动机器人使用深度强化学习进行自主导航所面临的探索困难,进而导致学习效率低下的问题,提出了一种基于轨迹引导的导航策略优化（TGNPO）算法。首先,使用模仿学习的方法为移动机器人训练一个能够同时提供专家示范行为与导航轨迹预测功能的专家策略,旨在全面指导深度强化学习训练;其次,将专家策略预测的导航轨迹与当前时刻移动机器人所感知的实时图像进行融合,并结合坐标注意力机制提取对移动机器人未来导航起引导作用的特征区域,提高导航模型的学习性能;最后,使用专家策略预测的导航轨迹对移动机器人的策略轨迹进行约束,降低导航过程中的无效探索和错误决策。通过在仿真和物理平台上部署所提算法,实验结果表明,相较于现有的先进方法,所提算法在导航的学习效率和轨迹平滑方面取得了显著的优势。这充分证明了该算法能够高效、安全地执行机器人导航任务。     

A hierarchical type-2 fuzzy logic control architecture for autonomous mobile robots

Autonomous mobile robots navigating in changing and dynamic unstructured environments like the outdoor environments need to cope with large amounts of uncertainties that are inherent of natural environments. The traditional type-1 fuzzy logic controller (FLC) using precise type-1 fuzzy sets cannot fully handle such uncertainties. A type-2 FLC using type-2 fuzzy sets can handle such uncertainties to produce a better performance. In this paper, we present a novel reactive control architecture for autonomous mobile robots that is based on type-2 FLC to implement the basic navigation behaviors and the coordination between these behaviors to produce a type-2 hierarchical FLC. In our experiments, we implemented this type-2 architecture in different types of mobile robots navigating in indoor and outdoor unstructured and challenging environments. The type-2-based control system dealt with the uncertainties facing mobile robots in unstructured environments and resulted in a very good performance that outperformed the type-1-based control system while achieving a significant rule reduction compared to the type-1 system.     

Interactive Teaching for Vision-Based Mobile Robots: A Sensory-Motor Approach

For the last decade, we have been developing a vision-based architecture for mobile robot navigation. Using our bio-inspired model of navigation, robots can perform sensory-motor tasks in real time in unknown indoor as well as outdoor environments. We address here the problem of autonomous incremental learning of a sensory-motor task, demonstrated by an operator guiding a robot. The proposed system allows for semisupervision of task learning and is able to adapt the environmental partitioning to the complexity of the desired behavior. A real dialogue based on actions emerges from the interactive teaching. The interaction leads the robot to autonomously build a precise sensory-motor dynamics that approximates the behavior of the teacher. The usability of the system is highlighted by experiments on real robots, in both indoor and outdoor environments. Accuracy measures are also proposed in order to evaluate the learned behavior as compared to the expected behavioral attractor. These measures, used first in a real experiment and then in a simulated experiment, demonstrate how a real interaction between the teacher and the robot influences the learning process.     

在未知环境中基于模糊逻辑的移动机器人行为控制

本文介绍了一种在未知环境中基于模糊逻辑的移动机器人行为控制方法．传统的行为控制方法存在两个弱点：①行为不易描述；②多个行为之间的冲突和竞争难以协调．这篇文章的主要思想是将模糊逻辑控制与行为控制相结合致使这两个问题得到有效的解决．仿真实验结果表明：所提的方法通过多个行为如避障边沿行走和目标导向的融合，能够有效地对机器人在复杂和未知环境中导航．另外，该方法还适用于多传感器的融合与集成．     

实时更新的全局一致三维栅格建图

在未知的三维环境中,移动机器人自主导航通常需要实时构建与环境全局一致的栅格地图,而现有大部分系统缺少地图更新策略,构建的栅格地图与实际环境不一致.文中将同步定位与建图模块获得的环境信息以点云形式提供给栅格建图模块处理,同时提出基于关键帧的高效数据结构和地图实时更新策略,实时构建可用于移动机器人自主导航的全局一致的地图.室内动态的实验数据测试表明,文中方法可以有效实时更新地图,生成与环境一致的三维栅格地图,支持其后续的自主导航操作.