基于动态运动基元的移动机器人路径规划

针对二维环境下移动机器人路径规划问题,提出一种基于动态运动基元(DMPs)的路径规划方法。该方法首先用手柄来控制机器人,记录机器人的运动轨迹,然后将记录的轨迹作为DMPs算法的学习样本,利用轨迹样本进行训练获得DMPs算法的模型参!,从而实现机器人的路径规划。当运动环境中有障碍物时,在已有学习基础上通过设计耦合因子规划出避障路径,在此基础上,改变机器人运动的目标位置,可以完成对新目标的泛化推广。仿真和实验结果表明,DMPs算法在移动机器人路径规划上具有可行性。     

基于遇障速度法足球机器人的路径规划

提出了机器人在动态环境下的路径规划方法。这种方法基于机器人运动速度信息制定的避障策略。通过遇障速度的几何变换产生可达避障速度，从而确定运动路径上潜在的障碍物。同时，还推导了机器人路径搜索树网格算法。足球机器人仿真比赛表明，这种方法适用于动态和静态障碍物的避障。     

虚拟生产环境中的实时碰撞检验技术

针对由机床、机器人等成百上千个物体构成的虚拟生产环境澡的实时碰撞检验问题，提出了一个由数据结构支持的层次化紧符合碰撞检验算法，解决了含凹多面体的、复杂障碍空间中多移动物体的碰撞检验问题，算法能够自动报告将要发生和已经发生的几何接触，并精确检测出两个移动物体的最小欧氏空间距离和最大干涉量，它们是计算干涉力和机器人运动规划中罚函数的重要参数，算法能够快速收敛且鲁棒性好。     

一种基于神经网络的移动机器人路径规划算法

针对结构化环境下移动机器人的路径规划问题，提出了一种基于神经网络的路径规划算法。该算法利用神经网络描述环境约束并计算碰撞能量 函数。采用了一种离散化的方法逼近能量的负梯度方向，从而确定路径点集的运动趋向。最后利用计算机仿真分析了该算法的性能和效率。     

复杂环境下基于目标指引的RRT*路径规划算法

机器人路径规划算法需应对运动过程中遇到的各种复杂环境。针对快速扩展随机树(RRT)算法规划时间长、产生新节点随机性大、盲目性强的缺点,提出基于目标指引的RRT*路径规划算法。该算法在障碍物和目标点处分别产生虚拟势场,引入引力函数和斥力函数使得生成的随机点具有目标性,随机点朝向目标点方向产生,降低盲目性和随机性;回归策略和动态自适应步长策略减少规划时间和产生冗余点的数量。当环境复杂时,提出带有预测机制的模糊推理策略,以解决机器人在U型陷阱下易产生的局部死锁现象。在动态环境下,提出重规划策略使机器人拥有动态避障能力。最后,在树莓派智能小车上进行了实验测试,结果验证了该算法的有效性。     

仿人机器人运动规划研究进展

在分析仿人机器人运动规划特性的基础上,对仿人机器人运动规划涉及的路径规划和步态规划两大问题及其典型方法进行了阐述和分析.对基于博弈论思想的离线足迹规划和基于传感信息融合的在线滚动路径规划两种路径规划策略进行了剖析,同时对几何约束法、模糊逻辑法、神经网络法、遗传算法法、自然步态法等5种常用的离线步态规划方法和3类在线姿态调整及控制方法即基于动力学模型的方法、基于倒立摆模型的方法、不基于模型的方法的算法思想和实验应用进行了分析与评价.最后对仿人机器人运动规划评价方法和运动规划研究的发展进行了讨论.     

基于改进人工势场法的动态环境运动规划

移动机器人和智能无人驾驶车辆的路径规划问题是实现自主导航的关键问题。本文提出了基于改进人工势场法的局部路径规划算法,只需传感器提供局部环境信息,就可做出即时反应来指导机器人运动,算法简单,效率较高。实验结果表明该方法可以在动态环境下实时计算障碍物位置和信息,顺利到达目标点,高效、稳定,具有广泛适用性。     

双工业机器人协调复杂作业实验研究

就双机器人搬运刚体之外的复杂作业提出了面向操作物的运动描述与规划方法，以及适应于工业机器人系统的基于关节位置控制的协调控制策略。在两工业机器人协调系统上实现了相关多轴孔装配，复杂工件边缘跟踪，弹性体操作与装配作业实验。     

基于模型预测控制的NAO机器人长廊地形稳定行走

室内长廊移动导航是移动机器人领域的经典问题,然而由于关节运动偏差和脚底打滑等因素,NAO仿人机器人内置的标准直线行走功能却无法直接实现长廊行走。本文以实现NAO机器人在长廊环境中的稳定前向行走为具体目标,提出了一种包含视觉伺服、运动规划,步态控制的集成式行走导航框架和具体方法。本文首先采用基于图像的视觉伺服控制算法生成期望运动速度,以此确定步行方向和足迹序列跟随输入的运动速度,并利用基于模型控制(MPC)的在线步态生成算法处理双足步行的ZMP约束和稳定性约束,进而生成符合步行运动特征并满足预设约束的质心轨迹。本文通过实验实现了NAO机器人靠近长廊中心地稳定双足行走,既验证了所提方法的有效性,也为足式机器人的高性能室内行走提供了基础方法与参照。     

基于GPS的蛇形机器人导航方法

将GPS技术应用于蛇形机器人自主运动控制。根据蛇形机器人的基本运动方式,针对其现有的前进、后退、近似角度转弯等运动特点,提出了一种适用于该种蛇形机器人的自主移动算法,即用蛇头运动的方向近似看作蛇体运动方向。通过仿真验证了该算法的有效性,能够使蛇形机器人自主地到达目标点。     

Identification of probabilistic approaches and map-based navigation in motion planning for mobile robots

Robot motion planning (RMP) develops a precise path between start and goal points for mobile robots in an unknown environment. RMP is a complex task when it needs to be planned for a group of robots in a coordinated environment with leader–follower relationship. The planned path might change depending upon the number of robots and the decision made. The decision made by each robot depends on the feedback received based on the subsequent action taken by other robots. In addition, the computational complexities depend upon factors such as communication between robots, the influence of moving obstacles and environment in which they are interacting. In order to explore further in the area of motion planning, it is felt that a comprehensive survey of available literature would support researchers working in RMP and hence the present paper. This paper reviews around 152 articles published in various international journals and conferences with more emphasis on articles published after 1960. In this work, recent activities carried out in the field of path planning for mobile robotics are critically evaluated and problems faced by the researchers are also highlighted. The focus is towards implementation of probabilistic algorithms, including Probabilistic Road Map and Simultaneous Localization and Mapping. Future research prospects in multi-robot path planning based on probabilistic approaches are also discussed.     

基于多智能体的自重构机器人突现控制系统平台的构建

构建了基于多智能体的模块化自重构机器人系统实验平台.在详细分析了自重构系统的主要特点的基础上,设计了一种新型的同构阵列式模块化自重构机器人M-Cubes,阐述了多智能体分布式体系的控制结构,给出了实验平台的设计策略,包括单智能体结构设计、控制系统的硬件设计、单元模块的基本运动和系统运动规划策略.利用Ja-va3D开发了一个仿真试验平台,对各种控制算法进行了仿真和测试评估.     

基于多传感器融合信息的移动机器人速度控制方法

为提高移动机器人在复杂环境下的速度控制精度和适应能力,提出了一种基于多传感器融合信息的移动机器人速度控制方法。首先,根据多传感器非线性优化融合理论,通过最小化运动观测残差的方法来构建移动机器人运动状态优化估计模型。然后,对利用单目相机、轮式里程计及惯性测量单元（inertial measurement unit,IMU）观测移动机器人运动的方法进行介绍,并计算了各传感器对移动机器人运动的观测残差及其雅可比矩阵。最后,结合移动机器人运动状态估计信息与增量式PID （proportion integration differentiation,比例积分微分）控制策略,设计了移动机器人速度控制系统,并通过多项试验验证了该控制系统的性能。试验结果表明,所提出的移动机器人速度控制方法有效减小了速度估计误差,较基于轮式里程计信息的速度控制方法在精度与稳健性方面有较大提升。研究结果对提升移动机器人在复杂环境下的工作性能有显著意义。     

Computer-Vision Based Object Detection and Recognition for Service Robot in Indoor Environment

The near future has been envisioned as a collaboration of humans with mobile robots to help in the day-to-day tasks. In this paper, we present a viable approach for a real-time computer vision based object detection and recognition for efficient indoor navigation of a mobile robot. The mobile robotic systems are utilized mainly for home assistance, emergency services and surveillance, in which critical action needs to be taken within a fraction of second or real-time. The object detection and recognition is enhanced with utilization of the proposed algorithm based on the modification of You Look Only Once (YOLO) algorithm, with lesser computational requirements and relatively smaller weight size of the network structure. The proposed computer-vision based algorithm has been compared with the other conventional object detection/recognition algorithms, in terms of mean Average Precision (mAP) score, mean inference time, weight size and false positive percentage. The presented framework also makes use of the result of efficient object detection/recognition, to aid the mobile robot navigate in an indoor environment with the utilization of the results produced by the proposed algorithm. The presented framework can be further utilized for a wide variety of applications involving indoor navigation robots for different services.     

轮式移动机器人自主导航计量评价现状

自主导航是评价轮式移动机器人智能化程度的核心指标,但是自主导航性能的计量评价仍处于起步阶段,计量评价指标体系和评价方法严重缺失。为此,本文通过调研现有轮式移动机器人自主导航的架构及路径规划算法,分析轮式移动机器人自主导航的性能指标,归纳国内外在自主导航计量评价方面的研究现状。在此基础上,总结轮式移动机器人计量评价技术的关键技术难点,推进轮式移动机器人计量评价技术的发展。     

分级随机采样弱随机RRT算法及在移动机器人运动规划中的应用

针对移动机器人运动规划过程中,采用快速扩展随机树(RRT)算法采样效率低,寻找临近节点计算量大,及非线性反馈控制器不受系统模型动态约束的问题, 提出一种新的基于分级随机采样与扩展的弱随机RRT算法,同时设计快速限幅非线性反馈控制器,保证运动规划过程中机器人始终满足系统模型动态约束。首先,在迭代伊始结合节点评价策略建立节点的选取集合;其次,按照规定顺序选取扩展节点并随机选择扩展方向,将计算得到的新子节点连接到随机树完成扩展;然后,对初始路径进行规划,采用快速限幅非线性反馈控制器计算机器人在路径点上的控制序列和位姿,实现移动机器人的运动规划;最后,通过仿真验证了该算法的有效性。结果表明:提出的分级随机采样弱随机RRT算法不依赖最近节点的选取,相比RRT算法缩短了求解时间,提高了迭代速度。     

动态环境下基于自适应步长Informed-RRT*和人工势场法的机器人混合路径规划

为解决移动机器人在动态环境下的路径规划问题,将Informed-RRT*和人工势场法相融合,提出全局与局部规划算法相融合的路径规划方法。首先,针对Informed-RRT*算法采样效率低,以及得到路径不满足机器人运动学约束的问题,采用目标偏置法与自适应步长法,减少冗余搜索与不必要树的生长;同时,引入走廊优化与时间重分配法,优化路径节点,使路径更加平滑。其次,针对人工势场法易陷入局部极小值和目标点附近不可达的问题,采用平滑窗格策略,增设全局路径子目标点,使机器人能够逃离局部极小值,完成规划任务。仿真结果表明,静态环境中自适应步长Informed-RRT*算法相比于Informed-RRT*算法求解时间缩短了71.98%;动态环境中,混合算法相比于人工势场法,搜索时间缩短了15.4%,路径长度缩短了11.1%。     

运动学约束情况下的移动机器人导航控制研究

对未知环境下的移动机器人导航与避障进行了研究。在导航的过程中考虑了移动机器人的非完整运动学约束。机器人采用三个距离传感器从三个方向实时探测环境中的障碍,其运动方向根据目标位置和传感器的探测数据进行实时规划。在本文设计的一种新的导航控制作用下,机器人在满足运动学约束的情况下可以实时跟踪奔向目标行为和避悼行为规划的路径,以接近最优的轨迹避开环境中的障碍并到达目标。仿真结果表明了该方法的有效性。     

蛇形机器人水中上浮下潜运动仿真研究

根据水下环境特征,研究蛇形机器人在水中三维空间的运动步态.基于虚拟机器人实验平台(V-REP)动力学仿真软件搭建了具有垂直和水平关节的蛇形机器人模型,在蛇形曲线生成蜿蜒运动的基础上,采用逐节升降法实现了水中的上浮下潜运动步态.分析了蛇形机器人在水中运动过程中的位态、受力、关节力矩及运动效率的状况,为蛇形机器人水中运动的实用化提供数据参考,同时验证了逐节升降法实现蜿蜒下潜上浮的有效性.