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。     

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。     

基于动态运动基元的微小型四旋翼无人机路径规划

针对微小型四旋翼无人机的路径规划问题,引入运动学习框架,提出了一种基于动态运动基元的路径规划方法。该方法通过对给定运动样本的学习提取出运动基元,并将学习结果推广到新的飞行目标,从而泛化出相应的运动轨迹。有障碍物的情况下,在已有学习基础上通过设计耦合因子规划出避障路径,然后将规划的轨迹点集提供给微小型四旋翼无人机完成路径跟踪飞行任务。该路径规划方法的可行性通过微小型四旋翼无人机不同目标点的飞行任务仿真得到了验证。仿真实验还验证了该方法在三维空间进行有效避障的性能。     

移动机器人运动规划研究综述

机器人运动规划是移动机器人导航的核心技术之一。40多年来，运动规划技术发展迅速，涌现出了许多规划算法，但因为环境描述方式差异巨大，技术差别大，实验比较难度较大。在总结机器人发展史上具有典型意义的规划算法的基础上，提出了路径规划算法的评价标准和形式化描述方式，介绍了每种算法的原理或技术，从搜索策略和环境建模的角度将它们分为四大类，分别是基于自由空间几何构造的规划算法、前向图搜索算法、基于随机采样的运动规划算法以及智能化规划算法，并按照提出的标准比较它们的性能。     

动态二叉树表示环境的A*算法及其在足球机器人路径规划中的实现

提出采用二叉树表示二维空间的方法，对全局路径规划和局部路径规划进行综合考察，设计移动机器人在复杂环境下对动态障碍物进行避障的A算法，在足够机器人系统中进行仿真，将二叉树动态地表示球场的机器人与目标对角线的矩型环境，使搜索范围随搜索进程动态地减少，实现了路径规划的整体优化。     

面向大型机场草坪的割草机器人路径规划及轨迹跟踪控制研究

为了提高割草机器人的工作效率及环境适应能力,基于移动机器人平台设计了一种既受遥控操作又能自主运行的适用于大型机场草坪作业的割草机器人。首先,运用高精度差分GPS（global positioning system,全球定位系统）采集机场草坪边界和障碍物的位置信息,根据采集的信息将机场草坪分为最少数目的凸多边形工作区域;考虑到割草机器人无法原地无半径转弯,在传统迂回式路径规划算法的基础上提出一种往返直线型路径规划算法,并在凸多边形路径规划区内推导出遍历路径的显示方程表达式。其次,运用高精度差分GPS测得割草机器人实际轨迹并与规划轨迹对比,设计了一种区间判断型轨迹纠偏算法;以执行电机的PID（proportion integration differentiation,比例积分微分）控制和区间判断型轨迹纠偏算法构造割草机器人双闭环轨迹跟踪控制器,对按传统迂回式路径和往返直线型路径行进的割草机器人进行轨迹跟踪仿真分析。最后,以自制的割草机器人为例,按往返直线型路径运行方式进行样机实验。仿真结果发现：当割草机器人跟踪当前路径到达终点后会自动调头跟踪下一条路径,验证了轨迹跟踪算法的稳定性;传统迂回式路径运行方式下割草机器人的漏割率较高,达到46.42%,而往返直线型路径运行方式下其漏割率为7.15%,明显优于传统迂回式路径仿真结果。样机实验测得的漏割率为8.89%,与仿真实验结果一致,表明所设计的轨迹跟踪算法对大型机场草坪作业割草机器人是适用的。研究结果可为大型机场草坪割草机器人的开发提供理论指导。     

多移动机器人负载均衡任务规划算法

研究了多移动机器人探测多个目标位置的任务规划问题,提出了基于移动吸引子分组的任务规划算法.移动吸引子的数目等于机器人的数目,任务规划的目标是均衡各机器人的探测路径长度.该算法通过正交遗传算法确定移动吸引子的坐标,利用移动吸引子确定未探测任务的分组,将不同的任务组分配给不同的机器人.算法的计算时间复杂度低,适用于动态环境下多移动机器人系统的任务规划.对测试数据的实验证明了该规划算法能实现多个机器人的均衡规划,规划结果较四个代表性算法具有明显的优势.     

一种新型包装码垛机器人路径规划方法

目的为了提高码垛机器人的工作效率,减小能量损耗,优化机器人末端抓手的工作轨迹。方法建立机器人路径规划的数学模型,在此基础上对传统的蚁群算法进行改进,将环境中局部的机器人路径信息引入蚁群信息素的初始化和路径选择概率中,提高蚁群算法的收敛速度,并防止算法早熟,避免算法陷入局部最优。结果仿真结果表明,改进后的蚁群算法收敛速度更快,能够在较短时间内规划出最佳路径。结论所提方法能够明显提高码垛机器人最佳路径搜索能力,对于提升机器人运行效率具有重要指导意义。     

基于五次多项式的码垛机器人轨迹规划

目的为了实现多轴码垛机器人速度和加速度变化曲线光滑、稳定,简化轨迹规划算法。方法介绍码垛机器人结构,并在码垛机器人结构基础上对码垛机器人运动进行分析,在关节空间下提出一种五次多项式插值的码垛机器人轨迹规划方法,利用五次函数对码垛机器人各个关节速度和加速度进行拟合插值。结果仿真结果表明,五次多项式轨迹规划方法拟合曲线更加光滑,同时保证速度和加速度无突变,保证了码垛机器人运动过程更加平稳。结论该轨迹规划方法能够保证码垛机器人按照预定的轨迹实现速度和加速度的平滑过渡,提升了码垛机器人运动精度。     

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%。     

未知环境下基于三次螺线Bug算法的移动机器人路径规划

研究了环境未知情况下的移动机器人实时路径规划问题,将Bug算法与基于滚动窗口的路径规划相结合,提出了一种改进的移动机器人路径规划方法。详细分析了三次螺线作为移动机器人跟踪路径所具有的各种优异的几何特性,定义路径光滑成本函数,利用三次螺线对滚动窗口内规划的路径光滑化,使得移动机器人易于跟踪所规划的路径,扩展了移动机器人的应用领域。最后对本文算法的收敛性和完备性予以证明。仿真实验验证了该方法的有效性。     

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,但是目前轮式移动机器人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.本文介绍了现有轮式移动机器人自主导航的架构及路径规划算法,分析了轮式移动机器人自主导航的性能指标,归纳国内外轮式移动机器人自主导航计量评价领域的研究现状.在此基础上,总结轮式...     

Novel Algorithm for Mobile Robot Path Planning in Constrained Environment

This paper presents a development of a novel path planning algorithm, called Generalized Laser simulator (GLS), for solving the mobile robot path planning problem in a two-dimensional map with the presence of constraints. This approach gives the possibility to find the path for a wheel mobile robot considering some constraints during the robot movement in both known and unknown environments. The feasible path is determined between the start and goal positions by generating wave of points in all direction towards the goal point with adhering to constraints. In simulation, the proposed method has been tested in several working environments with different degrees of complexity. The results demonstrated that the proposed method is able to generate efficiently an optimal collision-free path. Moreover, the performance of the proposed method was compared with the A-star and laser simulator (LS) algorithms in terms of path length, computational time and path smoothness. The results revealed that the proposed method has shortest path length, less computational time and the best smooth path. As an average, GLS is faster than A* and LS by 7.8 and 5.5 times, respectively and presents a path shorter than A* and LS by 1.2 and 1.5 times. In order to verify the performance of the developed method in dealing with constraints, an experimental study was carried out using a Wheeled Mobile Robot (WMR) platform in labs and roads. The experimental work investigates a complete autonomous WMR path planning in the lab and road environments using a live video streaming. Local maps were built using data from a live video streaming with real-time image processing to detect segments of the analogous-road in lab or real-road environments. The study shows that the proposed method is able to generate shortest path and best smooth trajectory from start to goal points in comparison with laser simulator.     

机器人滚动路径规划的算法与仿真研究

借鉴预测控制滚动优化原理，研究了未知环境中移动机器人路径规划问题。文中提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人实时测得的局部环境信息，以滚动方式进行在线规划。大量仿真结果表明，滚动规划使机器人对动态环境具有很好的适应性，但由于缺乏全局环境信息，在有些复杂情况下不能保证规划的顾利实施，需要进一步增加环境约束和对已探知信息的记忆。     

Autonomous target tracking and following mobile robot

Tracking and following a moving target in real time is a very challenging task in autonomous mobile robot applications, due to the unstructured and unknown environment. In this article, a real time, autonomous, dynamic, whole-field target tracking system (360° coverage) is developed based on a pan/tilt/zoom CCD vision system. The vision system scans and locks the pose of the moving target and commands the tracking mobile robot to follow the target while avoiding obstacles. Bayes’ theorem-based foreground–background segmentation algorithm is applied for motion detection. The color-based particle filter algorithm is used to track the moving object. The system steers the tracking mobile robot toward the moving target based on the angular difference obtained from the tracking module. Fuzzy logic is applied and a sensor data fusion algorithm is developed to reduce the ultrasonic phantom effect of obstacle detection using eight ultrasonic sensors. Multiple behaviors are integrated through the proposed system. Experimental results show the proposed system can successfully track and follow a moving target and avoid obstacles in real time. The tracking accuracy is higher than 80%.     

基于线性时序逻辑的移动端快递派送路径规划

研究了快递派送的路径规划。针对目前快递派送任务点较多,快递员不熟悉派送区域的问题,提出了一种基于线性时序逻辑(LTL)的移动端多点快递派送路径规划方法。该方法利用移动端的百度地图应用包实现快递员的定位与导航任务,提出两层(顶层、底层)规划策略。顶层规划避开百度地图实际道路环境繁琐又庞大的建模,将快递派送问题转化为旅行推销员问题(TSP),仅将快递员派送任务地点建模为一个有限状态的加权切换系统,状态之间的切换权重基于百度地图的自驾导航距离,而非简单的直线距离,以达到底层规划结果符合实际环境,确保最后搜索的路径最优性,同时利用线性时序逻辑语言描述多点快递派送任务,从而将切换系统信息与派送任务信息相融合,构建一个任务可行网络拓扑,并在该网络拓扑上基于Dijkstra算法搜索出快递员离散的最优路径。底层规划完成离散路径的连续化,离散路径的任意相邻任务点间的路径规划基于百度地图实现,从而实现顶层规划的离散路径连续化,获得快递员可派单的实际派送路线。实验结果表明该方法能够解决多点派送任务与派送区域受约束的问题,并保证快递员派单路径的最优性。     

DQN-Based Proactive Trajectory Planning of UAVs in Multi-Access Edge Computing

The main aim of future mobile networks is to provide secure, reliable, intelligent, and seamless connectivity. It also enables mobile network operators to ensure their customer’s a better quality of service (QoS). Nowadays, Unmanned Aerial Vehicles (UAVs) are a significant part of the mobile network due to their continuously growing use in various applications. For better coverage, cost-effective, and seamless service connectivity and provisioning, UAVs have emerged as the best choice for telco operators. UAVs can be used as flying base stations, edge servers, and relay nodes in mobile networks. On the other side, Multi-access Edge Computing (MEC) technology also emerged in the 5G network to provide a better quality of experience (QoE) to users with different QoS requirements. However, UAVs in a mobile network for coverage enhancement and better QoS face several challenges such as trajectory designing, path planning, optimization, QoS assurance, mobility management, etc. The efficient and proactive path planning and optimization in a highly dynamic environment containing buildings and obstacles are challenging. So, an automated Artificial Intelligence (AI) enabled QoS-aware solution is needed for trajectory planning and optimization. Therefore, this work introduces a well-designed AI and MEC-enabled architecture for a UAVs-assisted future network. It has an efficient Deep Reinforcement Learning (DRL) algorithm for real-time and proactive trajectory planning and optimization. It also fulfills QoS-aware service provisioning. A greedy-policy approach is used to maximize the long-term reward for serving more users with QoS. Simulation results reveal the superiority of the proposed DRL mechanism for energy-efficient and QoS-aware trajectory planning over the existing models.