多机器人路径规划方法研究

路径规划是当前多机器人系统石矸究的一个热点问题。在对已有方法研究的基础上,提出一种全局路径规划和局部路径规划有效结合的新方法。仿真结果表明,该方法能提高路径规划的效率,使机器人具有良好的避碰能力,较好地实现了多机器人的路径规划。     

一种多移动机器人的分布式滚动路径规划算法

本文研究了全局未知静态环境下多机器人路径规划问题，使用基于滚动窗口的机器人路径规划方法对机器人进行局部路径规划．并根据一定的规则在机器人之间进行路径的协调。仿真结果验证了算法的有效性。     

蚁群算法在移动机器人路径规划中的仿真研究

研究移动机器人路径规划问题.移动机器人路径规划是一个多目标优化问题,由于避障定位要求,传统机器人路径规划优化方法存在算法复杂、搜索空间大和效率低等难题,难以获得最优解.为了提高机器路径规划的效率和定位准确性,提出了一种蚁群算法的移动机器人路径规划方法.蚁群算法的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,然后将机器人出发点作为蚁巢位置,路径规划最终目标点作为蚁群食物源,通过蚂蚁间相互协作找到-条避开障碍物的最优机器人移动路径.仿真实验结果证明,蚁群算法的路径规划方法提高了机器人路径规划的效率,能在最短时间找到机器人路径规划最优解,且能安全避开障碍物,为优化设计提供了依据.     

机器人路径规划方法综述

路径规划技术是机器人控制技术研究中的一个重要问题,目前为止,其研究方法主要有两大类传统方法和智能方法.综述了有关机器人路径规划技术的研究方法,介绍了自由空间法等传统方法,同时讨论了基于遗传算法、模糊控制和神经网络等智能方法的路径规划技术,并展望了机器人路径规划技术的未来与发展趋势.     

改进布谷鸟搜索算法在多机器人任务分配及路径规划中的应用

针对多机器人任务分配及路径规划问题,提出一种改进布谷鸟搜索算法求解多机器人任务分配及路径规划方法。根据任务点的环境信息和在其中寻找最佳机器人位置建立数学模型,并使用改进布谷鸟搜索算法求解任务分配及路径规划。改进的策略中融合了遗传算子、2-opt、模拟退火算法的Metropolis准则和插入、交换、逆序方法。不同规模的仿真实验表明,该方法能有效实现多机器人任务分配及路径规划问题,并为多机器人的续航能量提供科学依据。     

真空并联机器人轨迹规划仿真

为了实现FROG-LEG型真空并联机器人准确经过多个中间位姿点的路径规划,研究了类机器人NURBS曲线路径规划的关键问题.通过建立FROG-LEG型并联机器人等效的串联运动学模型,获得了机器人运动学的正反解,在运动学基础上设计了该类机器人基于NURBS曲线的路径规划方案.通过Matlab的robot tool工具箱,进行了FROG-LEG型真空并联机器人运动学和路径规划的仿真.仿真结果证明,路径规划方案可以很好的让机器人通过中间插补位姿.从而从理论上解决了FROG-LEG型真空并联机器人路径规划中需要精确经过多个插补位姿的难题,并为实现FROG-LEG型真空并联机器人采用NURBS曲线轨迹规划提供理论依据.     

移动机器人全局覆盖路径规划算法研究进展与展望

首先通过势场栅格法、单元分解法、全局与局部转换法等三大方法介绍了单移动机器人各种不同的全覆盖算法,分析了各种不同算法的性能,指出了它们的优缺点,并对每种方法的改进方法进行了探讨分析;另外,针对多机器人协作全覆盖路径规划的研究,探讨了基于单机器人全覆盖路径规划算法和任务分配算法等结合得到的多机器人协作路径规划算法;最后探讨移动机器人全覆盖路径规划算法的研究方向。分析结果表明,对于移动机器人全覆盖算法的研究,可充分利用现有算法的优势互补,或借助多学科交叉的优势,寻找更有效的算法。     

基于LPN-DE与适应度拍卖的多机器人路径规划

在RoboCup环境下,针对多机器人的路径规划和任务分配,将LPN-DE方法和组合拍卖法有效结合,综合考虑多机器人的避障、路径规划和角色分配,提出了完整的实现方法和动态模型,并在RoboCup中型组机器人上验证了该方法的实用性和有效性。     

基于差分进化的多机器人路径规划

差分进化是一种新兴的、简单有效的智能优化方法.其具有较好的收敛性、鲁棒性和高效性.将差分进化引入到多机器人路径规划来,提出了一种基于差分进化的多机器人路径规划方法,并调整了进化的参数值.采用该方法加快了多机器人路径的规划速度,有效地克服了传统遗传算法速度慢,适应新环境差的缺点,最后给出了的仿真结果证明方法可行、有效.     

基于四轮差速模型的多机器人路径规划北大核心CSCD

针对多机器人路径规划问题,设计了一种基于四轮差速模型的多机器人路径规划系统。首先,对单个移动机器人底盘进行建模分析,建立底盘位姿变化与速度之间的运动学关系。其次,改进机器人的全局路径规划A*算法,并结合建模分析的结果,使用局部路径规划动态窗口算法(DWA)推导机器人运动轨迹,实现多机器人动态避障功能。最后,搭建机器人实物模型和实验场景,通过机器人操作系统(ROS)平台设计多机器人自主导航,在实验场景中对所提方法进行验证,实验结果表明了该方法的可行性和稳定性。     

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。     

多机器人覆盖技术研究进展

系统地总结了当前覆盖问题的定义、分类和应用前景.对多机器人覆盖中关于通信、环境地图、路径规划算法及效果评价等方面的研究进展情况进行了阐述.分析并指出若干多机器人覆盖研究中的重点和难点问题:体系结构、通信技术、协商协作、地图表示、路径规划及效果评价,并对未来的研究发展方向进行了探讨.     

基于协同进化的多智能体机器人路径规划

协同进化是一种新兴的、简单有效的智能优化方法,具有较好的收敛性、鲁棒性和高效性,在多目标优化问题中得到很广泛应用。将其应用到复杂环境下多智能体机器人的路径规划中,并设计适应度评价函数。同时,引入一系列新的变异操作算子,有效地对多智能体机器人规划的路径进行优化,加速了整体的规划速度,避免规划陷入局部最优,从而获得多智能体系统的全局最优或次优解。最后给出了的仿真结果证明方法可行、有效。     

Hybrid approach to implement multi-robotic navigation system using neural network,fuzzy logic,and bio-inspired optimization methodologies

Mobile robots have been increasingly popular in a variety of industries in recent years due to their ability to move in variable situations and perform routine jobs effectively. Path planning, without a dispute, performs a crucial part in multi-robot navigation, making it one of the very foremost investigated issues in robotics. In recent times, meta-heuristic strategies have been intensively investigated to tackle path planning issues in the similar way that optimizing issues were handled, or to design the optimal path for such multi-robotics to travel from the initial point to such goal. The fundamental purpose of portable multi-robot guidance is to navigate a mobile robot across a crowded area from initial point to target position while maintaining a safe route and creating optimum length for the path. Various strategies for robot navigational path planning were investigated by scientists in this field. This work seeks to discuss bio-inspired methods that are exploited to optimize hybrid neuro-fuzzy analysis which is the combination of neural network and fuzzy logic is optimized using the particle swarm optimization technique in real-time scenarios. Several optimization approaches of bio-inspired techniques are explained briefly. Its simulation findings, which are displayed for two simulated scenarios reveal that hybridization increases multi-robot navigation accuracy in terms of navigation duration and length of the path.     

Dual-layer multi-robot path planning in narrow-lane environments under specific traffic policies

Collision-free path planning is indispensable for the multi-robot system. Many existing multi-robot path planning algorithms may no longer work properly in the narrow-lane environment. We propose in this paper a dual-layer algorithm to deal with the multi-robot path planning problem in the narrow-lane environment. In the first layer, the integer programming technique primarily based on distance metrics balances the optimality of the generated collision-free paths and the computation time of the algorithm. In the second layer, fast feasible heuristics are applied to make sure the solvability of the proposed integer programming approach in the first layer. In the dual-layer algorithm, specific traffic policies for each narrow lane are implemented to generate a collision-free path for every robot while maintaining the narrow lane free, besides the collision avoidance approach at the robotic level. With this, inter-robot collision in the narrow lane is avoided, and the algorithm’s efficiency in producing collision-free paths increases. Simulations have been launched considerably based on the proposed assessment metrics. According to the extensive simulation data, our algorithm suggests a higher overall performance in the narrow-lane environment when in contrast with the present optimal, sub-optimal, and polynomial-complexity algorithms.

     

A hybrid formation path planning based on A* and multi-target improved artificial potential field algorithm in the 2D random environments

Traditional artificial potential field algorithm for multi-robot formation is easy to fall into local minima and the path planning efficiency is low. To this end, we propose a new method of a hybrid formation path planning based on A* and multi-target improved artificial potential field algorithm (A*-MTIAPF) that provides the optimal collision free path and improves the efficiency for multi-robot formation path planning. The A*-MTIAPF algorithm integrates global path planning and local path planning. The novelties include combining A* with the improved artificial potential field algorithm and dividing multiple virtual sub-target points on the global optimal path of A* planning. Firstly, A* algorithm is used to complete the global path planning. Secondly, the improved artificial potential field algorithm which takes multiple sub-target points divided by the global optimal path as virtual target points is used to complete local path planning by switching target points. In addition, we propose a double priority judgment control algorithm (DPJC) to solve the collision problem among multiple robots by setting double priority to determine the movement order of each robot. Then, a new experimental method is designed by using the randomly generated 2D maps to verify the effectiveness of the proposed method. The results show that our method has advantages that it solves the local minimum problem, improves the efficiency of formation path planning and avoids collision among multiple robots over existing methods.     

基于多智能体深度强化学习的协作导航应用

多机器人协作导航目前广泛应用于搜索救援、物流等领域, 协作策略与目标导航是多机器人协作导航面临的主要挑战. 为提高多个移动机器人在未知环境下的协作导航能力, 本文提出了一种新的分层控制协作导航(hierarchical control cooperative navigation, HCCN) 策略, 利用高层目标决策层和低层目标导航层, 为每个机器人分配一个目标点, 并通过全局路径规划和局部路径规划算法, 引导智能体无碰撞地到达分配的目标点. 通过Gazebo平台进行实验验证, 结果表明, 文中所提方法能够有效解决协作导航过程中的稀疏奖励问题, 训练速度至少可提高16.6%, 在不同环境场景下具有更好的鲁棒性, 以期为进一步研究多机器人协作导航提供理论指导, 应用至更多的真实场景中.     

多移动机器人路径规划仿真平台研究*

多机器人路径规划仿真平台(multi-robot path planning simulation platform)是通用的多机器人路径规划及协调与合作系统。该系统能将机器人状态数据及时地以二维图形方式显示,并且能模拟现实工作环境,监测机器人动作,检测机器人与环境物体间的碰撞,通过一系列仿真技术,使得原来必须用实际机器人作为对象的研究活动在一定程度上转移到计算机中虚拟进行。比较详细地描述了仿真平台系统的设计原理、模型结构和运行方式,并讨论了构成系统的关键技术特点。