通讯受限条件下的机器人编队算法

针对通讯受限条件下大规模移动机器人编队任务, 本文提出了基于行为的分布式多机器人线形编队控制 和避障算法. 机器人个体无需获得群体中所有机器人的信息, 而是根据传感器获取的环境信息和局部范围内的机器 人信息对其自身的调整方向进行预测, 并最终很好地完成了设定的编队及避障任务. 由于本文方法需求的通讯量不 大, 并且采用分布式控制, 因此该方法适用于大规模的机器人集群编队任务. 文中还给出了本系统的稳定性分析, 证 明了系统的稳定性. 实验结果表明该算法使得机器人能够仅通过局部信息形成线形编队, 在遇到障碍物后能够灵活 避开障碍物, 并且在避开障碍物进入安全区域后重新恢复线形编队.     

移动机器人的队形控制及其主动避障

在这篇论文中, 我们利用一个统一的算法框架来解决移动机器人的队形控制和主动避障问题, 使得编队中的从机器人在避开障碍物的同时, 能够与被跟踪的主机器人保持期望的相对距离或相对方位. 在现有的关于主—从跟踪编队控制的文献中, 为了实现对主机器人快速准确的跟踪, 从机器人在跟踪控制时需要主机器人在惯性坐标系下的绝对运动速度作为队形跟踪控制器的输入. 然而, 在一些环境中, 主机器人的绝对运动状态很难获得. 这里, 我们将利用主—从机器人之间的相对速度来建立机器人编队系统的运动学模型. 基于这个模型的编队控制方法将不再需要测量主机器人的绝对运动速度. 进一步地, 上述的建模和控制方法被扩展为一个移动机器人的动态避障方法, 该方法利用机器人与障碍物之间相对运动状态作为避障控制器的信息输入. 利用由三个非完整移动机器人组成的多机器人系统, 验证了所提出编队控制方法的有效性.     

Formation control of mobile robots with obstacle avoidance based on GOACM using onboard sensors

This paper deals with the problem of formation control for nonholonomic mobile robots under a cluttered environment. When the obstacles are not detected, the follower robot calculates its waypoint to track, based on the leader robot’s state. The proposed geometric obstacle avoidance control method (GOACM) guarantees that the robot avoids the static and dynamic obstacles using onboard sensors. Due to the difficulty for the robot to simultaneously get overall safe boundary of an obstacle in practice, a safe line, which is perpendicular to the obstacle surface, is used instead of the safe boundary. Since GOACM is executed to find a safe waypoint for the robot, GOACM can effectively cooperate with the formation control method. Moreover, the adaptive controllers guarantee that the trajectory and velocity tracking errors converge to zero with the consideration of the parametric uncertainties of both kinematic and dynamic models. Simulation and experiment results present that the robots effectively form and maintain formation avoiding the obstacles.     

改进人工势场的手术机器人位姿规划

运动避障与路径规划是手术机器人自动化手术中重要的技术环节,为机器人手术提供了良好的术中安全性及准确性.本研究针对上述两关键技术,提出改进人工势场的手术机器人位姿规划算法,首先,通过对引力函数进行改进,在不求取运动学逆解的情况下,能够准确驱动机械臂到达指定位姿;接着,利用快速凸包算法将障碍物凸体化,通过Gilbert Johnson Keerthi (GJK)算法计算障碍物与机械臂连杆等效圆柱面之间的最近距离,使避障距离更加准确;然后,通过自适应步长,使机械臂运动更加平稳快速;最后,引入动态引力常数,使机械臂具有逃离局部极小值的能力.实验结果表明,本研究能够让机器人在避障情况下平稳快速到达规划位姿,并在陷入局部极小值时逃逸,为未来医疗机器人在自动化手术方面提供了新思路.     

基于预测窗的轮式移动机器人最优避障避碰算法

针对非线性轮式移动机器人的避障以及多机器人间的相互避碰问题,提出了一种基于预测窗的避障避碰算法.首先为了便于预测碰撞的发生,通过反馈线性化将非线性的机器人运动学模型转化成线性模型;然后根据线性模型预测会导致机器人发生碰撞的所有相对虚拟加速度变化量集合,称之为加速度变化障碍.基于此,为每个机器人构造既能躲避障碍物又能相互避碰的可行加速度变化集合.然后通过优化指标函数求得最优虚拟加速度变化量,最后将其转换成机器人的实际控制量.这种算法与现有的相比,可使机器人在避障或避碰过程中的行驶方向角、线速度的变化幅值更小,角速度和线加速度的变化更为平顺,而且运行所用的平均时间更短.仿真结果演示了所提出算法的有效性和相对于已有方法的优势.     

一种新颖的基于二分法和模糊控制的移动机器人避障系统

针对超声波传感器波束角窄导致移动机器人存在避障盲区的现状,研究了一种新颖的超声波避障系统。该系统采用六个超声波传感器构成特别设计的超声波阵列,实现无盲区检测中大型移动机器人前方及左右两侧障碍物的位置,充分保障运行安全性;同时在避障算法上,采用二分法和模糊控制相结合的控制算法,简化了模糊控制规则使系统具有很好的智能性和实时性,实现了移动机器人选择最佳避障路径并对新增的动态障碍物进行避障。将此避障控制系统应用于移动机器人上,实验结果表明：在未知环境下,实现对移动机器人周边的无盲区检测,并且能够实时根据周围障碍物的动态情况选择最佳避障路径,避免了其它避障控制算法中易出现的误避障和二次避障的情况。     

未知环境下基于改进DWA的多机器人编队控制

针对多机器人系统在未知环境下难以有效避障和保持队形的问题,在改进动态窗口法(DWA)的基础上,提出一种领航-跟随法与行为法相结合的多机器人编队控制算法.首先,通过修正速度窗口和3个现有评价函数,并添加两个新的评价函数改进DWA算法,增加速度的采样范围,提高优秀轨迹的评分,并增强机器人朝目标导航和未知环境下的全局搜索能力;然后,对周围环境和编队状态实时检测,为各机器人设计不同的行为(包括导航,避障,跟踪和等待)及其选择方式,兼顾编队避障及队形保持;接着,基于改进DWA和社会力模型(SFM)设计行为控制策略,在未知环境下使领航者能够规划适合整体编队运行的路径,跟随者能够根据编队的不同状态自适应地切换跟随方式;最后,基于Matlab和V-REP进行一系列仿真,结果表明在未知环境下,所提出的改进DWA能够显著提高机器人的通行效率和全局搜索能力,编队控制算法能够实现队形稳定保持、灵活避障与变换.     

基于改进模糊算法的移动机器人避障

为了提高移动机器人在连续障碍物环境下的避障性能,提出了一种具有速度反馈的模糊避障算法。移动机器人利用超声传感器感知周围环境,在模糊控制的基础上通过障碍物分布情况调整自身速度,进而引入优雅降级并把改进的模糊避障融入其中,增强了移动机器人的鲁棒性。实验结果表明,该方法能通过与环境交互调整机器人移动速度,控制机器人成功避障并优化避障路径,具有良好的有效性。     

基于BP神经网络的移动机器人避障设计及仿真

为了解决移动机器人在复杂环境中如何高效精确地躲避障碍物的问题,提出了一种基于BP神经网络的避障方法。建立了机器人的避障运动模型并设计了神经网络避障控制系统;分析了机器人在运动过程中与障碍物的位置关系,使用超声波传感器采集距离信息,进行BP神经网络输入、输出训练并采用Matlab工具进行仿真试验。结果表明,该方法可以高效精确地实现移动机器人的自主避障,运行相对稳定、轨迹连续平滑,达到了较为理想的避障效果。验证了方法的可行性和有效性,为移动机器人自主避障提供了一种新的控制方法。     

基于几何法的移动机器人路径规划

旨在解决动态环境中移动机器人与障碍物发生碰撞可能性的判断和避开障碍的路径规划。提出了采用几何计算的方法判断机器人和障碍物之间发生碰撞的条件,规划出机器人沿着收敛曲线运动到安全圆周,在安全圆周上作动态圆周运动,最后沿着圆弧退出圆周到达预定的避障路径。将基本的避开障碍的理论和几何算法有机地结合起来,获得了光滑的路径,提高了机器人避开障碍的效率。     

基于深度强化学习的移动机器人动态路径规划算法

为了在复杂舞台环境下使用移动机器人实现物品搬运或者载人演出,提出了一种基于深度强化学习的动态路径规划算法。首先通过构建全局地图获取移动机器人周围的障碍物信息,将演员和舞台道具分别分类成动态障碍物和静态障碍物。然后建立局部地图,通过LSTM网络编码动态障碍物信息,使用社会注意力机制计算每个动态障碍物的重要性来实现更好的避障效果。通过构建新的奖励函数来实现对动静态障碍物的不同躲避情况。最后通过模仿学习和优先级经验回放技术来提高网络的收敛速度,从而实现在舞台复杂环境下的移动机器人的动态路径规划。实验结果表明,该网络的收敛速度明显提高,在不同障碍物环境下都能够表现出好的动态避障效果。     

全向移动机器人编队分布式控制研究

简单介绍了NuBot机器人的两个主要组成部分：全向视觉和全向运动系统,并给出了运动学分析．基于该机器人平台,提出了D-A和D-D控制两种跟踪算法．通过机器人之间的相对定位和局部通信,实现了多机器人编队的分布式控制,同时,该算法可对机器人朝向进行独立控制．针对不同情况下的编队避障问题,提出了编队变形和编队变换两种方法．仿真和实际机器人实验表明,D-A控制方法能够实现平滑的编队变换;编队变形方法能够在尽量保持原始队形的情况下保证编队顺利避障．     

Obstacle avoidance extremum seeking control based on constrained derivative-free optimization

A new control scheme based on extremum seeking control (ESC) which employs a constrained derivative-free optimization algorithm has been proposed in this paper. A theorem has been formulated to prove the convergence result of ESC based on constrained derivative-free optimization. Generalized pattern search method with filter algorithm for constraint is used to generate a sequence of ESC control state. Since generalized pattern search (GPS) method does not require continuously differentiable and Lipschitz conditions, noise cancellation algorithm is added to the proposed ESC algorithm which is then used for multi-agent robot system. The obstacles are expressed as constraint functions instead of the traditional way of calculating the performance function of obstacles. Simulation results illustrate a multi-agent obstacle avoidance system which utilized the control algorithm to avoid obstacles that appear on the path of multi-agent robots. Based on the simulation results, it can be observed that multi-agents maintain their formation as per initial condition and follow the target without colliding into obstacles while navigating in a noisy environment. Performance comparison of the proposed algorithm with a reference algorithm shows the efficiency of the proposed algorithm.     

人群环境中基于深度强化学习的移动机器人避障算法

为了控制移动机器人在人群密集的复杂环境中高效友好地完成避障任务,本文提出了一种人群环境中基于深度强化学习的移动机器人避障算法。首先,针对深度强化学习算法中值函数网络学习能力不足的情况,基于行人交互（crowd interaction）对值函数网络做了改进,通过行人角度网格（angel pedestrian grid）对行人之间的交互信息进行提取,并通过注意力机制（attention mechanism）提取单个行人的时序特征,学习得到当前状态与历史轨迹状态的相对重要性以及对机器人避障策略的联合影响,为之后多层感知机的学习提供先验知识;其次,依据行人空间行为（human spatial behavior）设计强化学习的奖励函数,并对机器人角度变化过大的状态进行惩罚,实现了舒适避障的要求;最后,通过仿真实验验证了人群环境中基于深度强化学习的移动机器人避障算法在人群密集的复杂环境中的可行性与有效性。     

Fuzzy integral-based gaze control architecture incorporated with modified-univector field-based navigation for humanoid robots

When a humanoid robot moves in a dynamic environment, a simple process of planning and following a path may not guarantee competent performance for dynamic obstacle avoidance because the robot acquires limited information from the environment using a local vision sensor. Thus, it is essential to update its local map as frequently as possible to obtain more information through gaze control while walking. This paper proposes a fuzzy integral-based gaze control architecture incorporated with the modified-univector field-based navigation for humanoid robots. To determine the gaze direction, four criteria based on local map confidence, waypoint, self-localization, and obstacles, are defined along with their corresponding partial evaluation functions. Using the partial evaluation values and the degree of consideration for criteria, fuzzy integral is applied to each candidate gaze direction for global evaluation. For the effective dynamic obstacle avoidance, partial evaluation functions about self-localization error and surrounding obstacles are also used for generating virtual dynamic obstacle for the modified-univector field method which generates the path and velocity of robot toward the next waypoint. The proposed architecture is verified through the comparison with the conventional weighted sum-based approach with the simulations using a developed simulator for HanSaRam-IX (HSR-IX).     

基于人工神经网络实现智能机器人的避障轨迹控制

利用人工神经网络中的二级BP网，模拟智能机器人的两控制参数(左、右轮速）间的 函数关系，实现避障轨迹为圆弧或椭圆弧的轨迹控制，并且通过调整椭圆长、短轴大小，能 实现多个及多层障碍物的避障控制．该方法的突出特点是方法简单、算法容易实现，使机器 人完成多个及多层避障动作时，不滞后于动态环境里其它机器人（障碍物）位置的变化．在 仿真实验中，取得了理想的效果．     

改进DWA算法的移动机器人避障研究

针对传统动态窗口法（DWA）在稠密障碍物区域存在最优路径难以选取及生成路径不平滑等问题,提出了一种改进的DWA移动机器人避障算法。基于微分流形切向量选取与障碍物不相交的机器人预轨迹,引入障碍物数量因子与方向角变化因子来改进评价函数,提高机器人在障碍物密集区域运行的安全性,使用改进后的评价函数对选取的轨迹进行评价,进而确定最优轨迹对应的速度。通过多组仿真实验对比表明：改进的DWA算法在障碍物密集区域能规划出更合理、平滑的运行路径,在保证了机器人安全性的同时还具有更好的避障效果。     

Obstacle avoidance for redundant robots using configuration control

The article presents a new and simple solution to the obstacle avoidance problem for redundant robots. In the proposed approach, called configuration control, the redundancy is utilized to configure the robot so as to satisfy a set of kinematic inequality constraints representing obstacle avoidance, while the end-effector is tracking a desired trajectory. The robot control scheme is very simple, and uses on-line adaptation to eliminate the need for the complex dynamic model and parameter values of the robot. Several simulation results for a four-link planar robot are presented to illustrate the versatility of the approach. These include reaching around a stationary obstacle, simultaneous avoidance of two obstacles, robot reconfiguration to avoid a moving obstacle, and avoidance of rectangular obstacles. The simplicity and computational efficiency of the proposed scheme allows on-line implementation with a high sampling rate for real-time obstacle avoidance in a dynamically varying environment.     

融合动态障碍物运动信息的路径规划算法

传统的路径规划算法只能在障碍物不发生位置变化的环境中计算最优路径。但是随着机器人在商场、医院、银行等动态环境下的普及,传统的路径规划算法容易与动态障碍物发生碰撞等危险。因此,关于随机动态障碍物条件下的机器人路径规划算法需要得到进一步改善。为了解决在动态环境下的机器人路径规划问题,提出了一种融合机器人与障碍物运动信息的改进动态窗口法来解决机器人在动态环境下的局部路径规划问题,并且与优化A*算法相结合来实现全局最优路径规划。主要内容体现为：在全局路径规划上,采用优化A*算法求解最优路径。在局部路径规划上,以动态障碍物的速度作为先验信息,通过对传统动态窗口法的评价函数进行扩展,实现机器人在动态环境下的自主智能避障。实验证明,该算法可以实现基于全局最优路径的实时动态避障,具体表现为可以在不干涉动态障碍物的条件下减少碰撞风险、做出智能避障且路径更加平滑、长度更短、行驶速度更快。     

An obstacle avoidance algorithm for robot manipulators based on decision-making force

Obstacle avoidance is a significant skill not only for mobile robots but also for robot manipulators working in unstructured environments. Various algorithms have been proposed to solve off-line planning and on-line adaption problems. However, it is still not able to ensure safety and flexibility in complex scenarios. In this paper, a novel obstacle avoidance algorithm is proposed to improve the robustness and flexibility. The method contains three components: A closed-loop control system is used to filter the preplanned trajectory and ensure the smoothness and stability of the robot motion; the dynamic repulsion field is adopted to fulfill the robot with primitive obstacle avoidance capability; to mimic human’s complex obstacle avoidance behavior and instant decision-making mechanism, a parametrized decision-making force is introduced to optimize all the feasible motions. The algorithms were implemented in planar and spatial robot manipulators. The comparative results show the robot can not only track the task trajectory smoothly but also avoid obstacles in different configurations.