基于VSC的机器人在线步态规划方法研究

传统方法在进行机器人在线步态规划时,由于受到大量外部复杂因素的干扰,造成步态规划偏差较大,无法准确跟踪期望步态;为此,提出一种基于变量集控制(variable set control,VSC)的仿人机器人在线步态规划方法;将步态规划问题转化为反应机器人步态状态的变量集的规划问题,根据对相关变量的规划和计算,能够获取机器人关节空间运动的状态序列;根据变量集中的零力矩点、机器人的重心、髋部中心和步态规划之间的关系,能够获取机器人在线步态规划中关键变量集的规划和计算结果;仿真实验表明,利用该方法能够克服传统方法的缺陷,实现了对机器人在线步态规划的准确控制。     

改进人工鱼群法的机器人路径规划方法

针对以往机器人路径规划未考虑地图全局优化,仅考虑路径长度或躲避障碍物,造成路径规划效果差的缺陷,提出了改进人工鱼群法的机器人路径规划方法.选取多面模型表示法建立机器人行驶路径的环境空间模型,将路径总长度最短以及路径安全度最高作为路径规划目标建立机器人路径规划总目标函数,利用改进人工鱼群法求解所建立总目标函数.改进人工鱼...     

三种基于偏好的区间多目标进化算法及应用

区间参数多目标优化问题是普遍存在且非常重要的。目前直接求解该类问题的进化优化方法非常少,且已有方法的目的是找到收敛性好且分布均匀的Pareto最优解集。为得到符合决策者偏好的最满意解,本文综述3种基于偏好的区间多目标进化算法,并将其应用于特定环境下机器人路径规划问题,比较3种算法的性能。研究结果可丰富特定环境下机器人路径规划的求解方法,提高机器人路径优化效果。     

一种基于分层Mumford Shah模型的颅脑图像分割方法

在介绍简化Mumford Shah模型和水平集(Level Set)方法的基础上，针对颅脑多目标分割问题，提出了一种基于分层Mumford Shah模型的图像分割方法，并运用改进图像分割方程进行计算求解，对颅脑MR图像的分割实验证明了该方法的有效性。     

基于栅格法的移动机器人运动规划研究

研究移动机器人运动规划问题.为实现机器人独立自主地完成任务行为,提出了一种利用栅格法对移动机器人运动进行规划,算法将运动规划分解为路径规划和运动控制两部分.在路径规划时,对栅格环境设定机器人的假想窗口栅格,并根据假想窗口和环境信息的可信度,设定实现环境信息优化的路径规划策略.根据机器人的运动学模型推导出机器人的运动控制律,以实现问题的求解.最后对运动规划方法进行了仿真验证,仿真结果证明了控制律的有效性.     

基于栅格模型的机器人路径规划快速算法

机器人路径规划算法通常要求是实时的,遗传算法和蚁群算法应用于机器人路径规划时性能并不突出。论文提出的基于栅格的快速算法,简单实用,且计算速度快、占用存贮空间少。实验结果表明,在同等规模下,该算法求解时间仅为蚁群算法求解时间的大约0.025%,算法在更大的数据集上也取得了成功。同时该算法还是一个高效的迷宫最短路的搜索算法。     

实现家庭服务机器人中文指令解析问题研究

为了实现家庭服务机器人在无人干预的情况下自主地执行中文指令中蕴涵的服务任务,提出一种基于回答集的中文指令任务规划方法,将组块标注和回答集编程(answer set programming,ASP)应用于家庭服务机器人任务规划。首先通过组块标注对中文指令进行预处理,然后根据转换规则将关键信息转换为谓词集,并将它转写成ASP规则。此外,给出中文服务指令处理的各个环节的实验结果,并结合实例展示从谓词集到机器人可以执行的动作序列的映射过程。最后,通过合并部分原子动作的方式对回答集进行改进,提高了求解效率,并在任务规划时加入了成本规划,确认求得最优动作序列,该方法对促进自然人-机器人交互技术的发展有重要的意义。     

人工蜂群算法在移动机器人路径规划中的应用

研究机器人路径规划优化问题,机器人工作环境复杂,运动路径上存在许多障碍物.针对提高机器人安全导航性能问题,传统群智能算法存在早熟、搜索效率低等难题,难以获得全局最优路径.为了获得最优机器人运动路径,避免碰撞的发生,提出了一种人工蜂群算法的机器人路径规划方法.首先采用栅格法对机器人工作环境进行建模,然后机器人路径规划目标点作为蜜源,最后蜂群之间信息交换、协作搜索最优机器人运动路径.结果表明,人工蜂群算法解决了传统群智能算法存在的难题,加快了机器人路径规划求解速度,以较短时间找到最短机器人运动路径.     

一种车型机器人路径规划方法

在自主移动机器人的许多应用中,路径规划技术顺序地设置一套分散的路径点来引导机器人以最短的时间从起始位置到达目标点。针对移动机器人路径规划问题,提出了一种非完整型机器人路径规划技术,该技术采用基本原子操纵方法来解决车型机器人路径规划问题,并采用平滑路径规划方法来产生更多的连续路径用以解决基本原子操纵技术在做路径规划时具有很不连续的缺点从而为机器人获得最优路径。仿真结果证明了该方法的有效性和实用性。     

基于离散灰狼算法的喷涂机器人路径规划方法

针对目前用于复杂结构实体喷涂的机器人路径规划方法存在的效率低、未考虑碰撞以及适用性差等问题,提出一种用于求解多层决策问题的离散灰狼算法,并把该算法用于该路径规划问题的求解。为了将连续域灰狼算法改为用于求解多层决策问题的离散灰狼算法,采用矩阵编码方法解决多层决策问题的编码问题,提出基于先验知识与随机选择的混合初始化方法提高算法求解效率和精度,运用交叉算子与两级变异算子定义离散域灰狼算法的种群更新策略。另外,运用图论将喷涂机器人路径规划问题简化为广义旅行商问题,并建立了该问题的最短路径模型和路径碰撞模型。在路径规划实验中,相较于粒子群算法、遗传算法和蚁群算法,提出的算法规划的平均路径长度分别减小了5.0%、5.5%和6.6%,碰撞次数降低为0,且路径更平滑。实验结果表明,提出的算法能够有效提高喷涂机器人的喷涂效率,以及喷涂路径的安全性和适用性。     

Heuristic approaches in robot path planning: A survey

Autonomous navigation of a robot is a promising research domain due to its extensive applications. The navigation consists of four essential requirements known as perception, localization, cognition and path planning, and motion control in which path planning is the most important and interesting part. The proposed path planning techniques are classified into two main categories: classical methods and heuristic methods. The classical methods consist of cell decomposition, potential field method, subgoal network and road map. The approaches are simple; however, they commonly consume expensive computation and may possibly fail when the robot confronts with uncertainty. This survey concentrates on heuristic-based algorithms in robot path planning which are comprised of neural network, fuzzy logic, nature-inspired algorithms and hybrid algorithms. In addition, potential field method is also considered due to the good results. The strengths and drawbacks of each algorithm are discussed and future outline is provided.     

基于遗传算法的变电站巡检机器人任务路径规划方法研究

近年来,随着变电站巡检机器人在变电站中的广泛使用,巡检机器人路径规划问题越来越成为亟待解决的问题。巡检机器人在已知的拓扑地图中标记了待执行巡检任务的停靠点,不同任务需要从初始点出发经过不同的一系列停靠点再返回初始点,如何规划路径是机器人面临的问题。首先分析了路径规划面临的问题,然后通过分析拓扑地图的特征,对地图进行等价简化,再对问题进行建模使用遗传算法求解巡检任务路径规划的近似最优解。通过仿真实验证明,提出的基于遗传算法的路径规划方法是可行有效的,为变电站巡检机器人任务路径规划提供了一种有效方法。     

基于人工势场法的移动机器人路径规划研究

人工势场法是机器人局部路径规划常用的一种方法,具有反应速度快、计算量小和实时性等优点。但这种方法容易产生局部极点,导致机器人停止移动,达不到目标。文章利用传统的人工势场法对移动机器人避障行为进行了仿真实验并成功地规划出一条光滑路径,并对人工势场法研究现状进行了分析讨论。     

Fuzzy maps: A new tool for mobile robot perception and planning

An essential component of an autonomous mobile robot is the exteroceptive sensory system. Sensing capabilities should be integrated with a method for extracting a representation of the environment from uncertain sensor data and with an appropriate planning algorithm. In this article, fuzzy logic concepts are used to introduce a tool useful for robot perception as well as for planning collision-free motions. In particular, a map of the environment is defined as the fuzzy set of unsafe points, whose membership function quantifies the possibility for each point to belong to an obstacle. The computation of this set is based on a specific sensor model and makes use of intermediate sets generated from range measures and aggregated by means of fuzzy set operators. This general approach is applied to a robot with ultrasonic rangefinders. The resulting map building algorithm performs well, as confirmed by a comparison with stochastic methods. The planning problem on fuzzy maps can be solved by defining various path cost functions, corresponding to different strategies, and by searching the map for optimal paths. To this end, proper instances of the A* algorithm are devised. Experimental results for a Nomad 200™ robot moving in a real-world environment are presented. © 1997 John Wiley & Sons, Inc.     

Multi-objective mobile robot path planning problem through learnable evolution model

A new multi-objective non-Darwinian-type evolutionary computation approach based on learnable evolution model (LEM) is proposed for solving the robot path planning problem. The multi-objective property of this approach is governed by a robust strength Pareto evolutionary algorithm (SPEA) incorporated in the LEM algorithm presented here. Learnable evolution model includes a machine learning method, like the decision trees, that can detect the right directions of the evolution and leads to large improvements in the fitness of the individuals. Several new refiner operators are proposed to improve the objectives of the individuals in the evolutionary process. These objectives are: the path length, the path safety and the path smoothness. A modified integer coding path representation scheme is proposed where the edge-fixing and top-row fixing procedures are performed implicitly. This proposed robot path planning problem solving approach is assessed on eight realistic scenarios in order to verify the performance thereof. Computer simulations reveal that this proposed approach exhibits much higher hypervolume and set coverage in comparison with other similar approaches. The experimental results confirm that the proposed approach performs in the workspaces with a dense set of obstacles in a significant manner.     

面向未知地图的六足机器人路径规划算法

针对移动机器人路径规划中无法准确得知全局地图的问题,提出了一种基于模糊规则和人工势场法的局部路径规划算法。首先,利用测距组与模糊规则,进行障碍物的形状分类,构建局部地图;其次,在人工势场法中引入了一种修正的斥力函数,基于局部地图,利用人工势场法进行局部路径规划;最后,随着机器人的运动,设置时间断点,以减少路径震荡。针对随机障碍物和凹凸障碍物的地图,分别采用传统人工势场法和改进的人工势场法进行仿真,其结果表明：在遇到随机障碍物时,相比传统人工势场法,改进的人工势场法能够显著减少与障碍物的碰撞;在遇到凹凸障碍物时,改进的人工势场法能够很好地完成路径规划的目标。所提算法对地形变化适应能力强,能够实现在未知地图下的六足机器人路径规划。     

Mobile robot path planning using artificial bee colony and evolutionary programming

In this paper, an evolutionary approach to solve the mobile robot path planning problem is proposed. The proposed approach combines the artificial bee colony algorithm as a local search procedure and the evolutionary programming algorithm to refine the feasible path found by a set of local procedures. The proposed method is compared to a classical probabilistic roadmap method (PRM) with respect to their planning performances on a set of benchmark problems and it exhibits a better performance. Criteria used to measure planning effectiveness include the path length, the smoothness of planned paths, the computation time and the success rate in planning. Experiments to demonstrate the statistical significance of the improvements achieved by the proposed method are also shown.     

基于势场法的移动机器人避障路径规划

针对势场法所固有的几个缺陷,提出了一种基于势场法的移动机器人避障路径规划算法,并成功应用于未知复杂环境下移动机器人的路径规划中。仿真试验表明:提出的方法具有较强的路径规划能力,克服了传统势场法的缺点,具有较强的实用性。     

基于改进人工势场模型的移动机器人路径规划

针对传统人工势场模型在移动机器人路径规划中存在局部极值的问题,提出了一种改进方法。该方法首先将传统势场模型转换成解空间中寻优的问题,再加入罚因子建立罚函数数学模型。新的势场模型能够有效的使得机器人成功逃逸局部极值点。最后通过MATLAB进行仿真实验,仿真实验结果证明该方法的有效性。     

一种基于改进人工蜂群算法的机器人实时路径规划方法

在移动机器人控制领域,路径规划是最重要并具有挑战性的问题之一。本文首先采用栅格法对环境进行建模,然后提出一种改进的人工蜂群算法用于机器人的路径规划。在该算法中,为了提高人工蜂群算法的收敛速度,提出自适应的搜索方式,并采用精英保留选择策略以避免机器人路径规划陷入局部最优。仿真实验结果表明,所提算法在机器人路径规划上的可行性与有效性。