Optimization-Based Safety Analysis of Obstacle Avoidance Systems for Unmanned Aerial Vehicles

The integration of Unmanned Aerial Vehicles (UAVs) in airspace requires new methods to certify collision avoidance systems. This paper presents a safety clearance process for obstacle avoidance systems, where worst case analysis is performed using simulation based optimization in the presence of all possible parameter variations. The clearance criterion for the UAV obstacle avoidance system is defined as the minimum distance from the aircraft to the obstacle during the collision avoidance maneuver. Local and global optimization based verification processes are developed to automatically search the worst combinations of the parameters and the worst-case distance between the UAV and an obstacle under all possible variations and uncertainties. Based on a 6 Degree of Freedom (6DoF) kinematic and dynamic model of a UAV, the path planning and collision avoidance algorithms are developed in 3D space. The artificial potential field method is chosen as a path planning and obstacle avoidance candidate technique for verification study as it is a simple and widely used method. Different optimization algorithms are applied and compared in terms of the reliability and efficiency.     

Planning collision-free trajectories in time-varying environments: a two-level hierarchy

We propose a two-level hierarchy for planning collision-free trajectories in time varying environments. Global geometric algorithms for trajectory planning are used in conjunction with a local avoidance strategy. Simulations have been developed for a mobile robot in the plane among stationary and moving obstacles. Essentially, the robot has a global geometric planner that provides a coarse global trajectory (the path and velocity along it), which may be locally modified by the low-level local avoidance module if local sensors detect any obstacles in the vicinity of the robot. This hierarchy makes effective use of the complementary aspects of the global trajectory planning approaches and the local obstacle avoidance approaches.     

基于改进蚁群算法的移动机器人路径规划

针对移动机器人规避障碍和寻找最优路径问题,提出一种基于改进的蚁群算法的解决策略,并编制相应程序进行验证。仿真过程分为两个基本阶段：适应阶段和协同工作阶段。在前阶段,各局部解根据规则不断调整自身结构;后阶段各局部解通过信息交流,产生全局最优解。与传统的算法比较,它可以避免陷入过早收敛,能实现移动机器人在较短时间内找到最佳路径并规避障碍。     

基于障碍物运动预测的移动机器人路径规划

针对移动机器人局部动态避障路径规划问题开展优化研究。基于动态障碍物当前历史位置轨迹,提出动态障碍物运动趋势预测算法。在移动机器人的动态避障路径规划过程中,考虑障碍物当前的位置,评估动态障碍物的移动轨迹;提出改进的D*Lite路径规划算法,大幅提升机器人动态避障算法的效率与安全性。搭建仿真验证环境,给出典型的单动态障碍物、多动态障碍物场景,对比验证了避障路径规划算法的有效性。     

移动机器人路径规划算法的研究综述

路径规划是移动机器人的热门研究之一,是实现机器人自主导航的关键技术。针对移动机器人路径规划的算法进行研究,以了解不同条件下路径规划算法的发展与应用,系统性地总结了路径规划的研究现状和发展。针对移动机器人路径规划的特点,将其划分为智能搜索算法、基于人工智能算法、基于几何模型算法和用于局部避障算法。基于上述分类,介绍了近年来具有代表性的研究成果,重点分析各类规划算法的优缺点,对移动机器人路径规划的未来发展趋势进行展望,为移动机器人路径规划研究提供一定的思路。     

A genetic approach to motion planning of redundant mobile manipulator systems considering safety and configuration

This article presents a genetic algorithm approach to multi-criteria motion planning of mobile manipulator systems. For mobile robot path planning, traveling distance and path safety are considered. The workspace of a mobile robot is represented as a grid by cell decomposition, and a wave front expansion algorithm is used to build the numerical potential fields for both the goal and the obstacles. For multi-criteria position and configuration optimization of a mobile manipulator, least torque norm, manipulability, torque distribution and obstacle avoidance are considered. The emphasis of the study is placed on using genetic algorithms to search for global optimal solutions and solve the minimax problem for manipulator torque distribution. Various simulation results from two examples show that the proposed genetic algorithm approach performs better than the conventional methods.     

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.     

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。     

基于遗传算法和B 样条曲线的平滑避障路径规划

传统的避障路径规划中常常存在不连续点,提出一种新的平滑避障路径规划的方法—遗传算法和B样条曲线法。首先,先通过碰撞侦测,能够侦测出前进路径中的障碍物,然后通过遗传算法再结合B样条曲线规划出平滑的避障路径。该算法可以避免运动过程因打滑而造成与目标位置的误差,解决机器人在静态环境中全局、局部路径规划和规划路径中存在不连续点的问题。仿真和实验结果证明了算法的有效性。     

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。     

基于自适应混沌遗传算法的路径规划

如何保证在未知复杂环境下规划出的机器人路径全局最优或较优一直是这一领域的一个研究难题,将混沌理论和遗传算法相结合,提出了一种新颖的基于自适应混沌遗传算法的机器人路径规划算法。利用信息熵产生初始群体,增加初始群体的多样性,将混沌优化的遍历特性引入遗传算法,以防止和克服进化过程中的“早熟”现象。仿真实验表明,即使在复杂的未知环境下,利用该算法也可以规划出一条全局优化路径,且能安全避碰。     

Velocity potential approach to path planning for avoiding moving obstacles

This paper describes the theory and an experiment of a velocity potential approach to path planning and avoiding moving obstacles for an autonomous mobile robot by use of the Laplace potential. This new navigation function for path planning is feasible for guiding a mobile robot avoiding arbitrarily moving obstacles and reaching the goal in real time. The essential feature of the navigation function comes from the introduction of fluid flow dynamics into the path planning. The experiment is conducted to verify the effectiveness of the navigation function for obstacle avoidance in a real world. Two examples of the experiment are presented; first, the avoidance of a moving obstacle in parallel line-bounded space, and second, the avoidance of one moving obstacle and another standing obstacle. The robot can reach the goal after successfully avoiding the obstacles in these cases.     

融合改进A*与DWA算法的移动机器人路径规划

针对移动机器人在复杂环境下实现全局路径最优、未知环境下动态实时避障这一路径规划需求,对传统A*（A-star）算法进行改进,并融合动态窗口法（DWA）实现动态实时避障。首先分析栅格环境下的障碍物占比,将障碍物占比引入传统A*算法,优化启发函数h(n),从而改进评价函数f(n),提高其在不同环境下的搜索效率;其次针对复杂栅格环境下传统A*算法优化后的轨迹与障碍物顶点相交问题,优化子节点选择方式,同时删除路径中的冗余节点,提高路径的平滑度;最后融合动态窗口法,实现复杂环境下移动机器人的动态实时避障。通过MATLAB下的对比仿真实验表明,改进算法在轨迹长度、轨迹平滑度以及历经时间上得到优化,满足全局最优且能实现动态实时避障,具有更优秀的路径规划效果。     

实现机器人动态路径规划的仿真系统

针对机器人动态路径规划问题,提出了在动态环境中移动机器人的一种路径规划方法,适用于环境中同时存在已知和未知,静止和运动障碍物的复杂情况。采用栅格法建立机器人空间模型,整个系统由全局路径规划和局部避碰规划两部分组成。在全局路径规划中,用快速搜索随机树算法规划出初步全局优化路径,局部避碰规划是在全局优化路径的同时,通过基于滚动窗口的环境探测和碰撞规则,对动态障碍物实施有效的局部避碰策略,从而使机器人安全顺利地到达目的地。仿真实验结果说明该方法具有可行性。     

融合改进A*算法和Morphin算法的移动机器人动态路径规划

在动态未知环境下对机器人进行路径规划,传统A*算法可能出现碰撞或者路径规划失败问题。为了满足移动机器人全局路径规划最优和实时避障的需求,提出一种改进A*算法与Morphin搜索树算法相结合的动态路径规划方法。首先通过改进A*算法减少路径规划过程中关键节点的选取,在规划出一条全局较优路径的同时对路径平滑处理。然后基于移动机器人传感器采集的局部信息,利用Morphin搜索树算法对全局路径进行动态的局部规划,确保更好的全局路径的基础上,实时避开障碍物行驶到目标点。MATLAB仿真实验结果表明,提出的动态路径规划方法在时间和路径上得到提升,在优化全局路径规划的基础上修正局部路径,实现动态避障提高机器人达到目标点的效率。     

动态未知环境下一种新的机器人路径规划方法

针对机器人动态路径规划问题,提出了一种机器人在复杂动态环境中实时路径规划方法.该方法基于滚动窗口的路径规划和避障策略,通过设定可视点子目标、绕行障碍物和对动态障碍物的分析预测,实现机器人在复杂动态环境下的路径规划.针对障碍物分布情况,合理设计可视点法和绕行算法之间转换,有效地解决了局部路径规划的死循环与极小值问题.该方...     

一种移动机器人在三维动态环境下的路径规划方法

提出一种基于遗传算法的三维动态环境下的路径规划方法,通过对机器人的运动行为进行编码,将各种约束条件融入到遗传算法当中,规划出可实际应用的避障路径,仿真研究表明该方法是简单有效的.     

基于包容结构的移动机器人混合式控制结构

本文提出以包容式框架结构为基础，将计划作为一种行为，与应激式行为并行处理 的思想．与之对应的是将传感器检测区域分为避障区和规划区，如果在避障区有障碍物，则 由应激避障模块采取相应的避障行为；如果在规划区有障碍物，则由规划模块产生相应的输 出．由于规划模块最终输出子目标，因此使此结构的规划模块具有很好的扩展性．另外，在 处理应激避障行为和直接规划行为时，分别提出新的基于传感器的避障和规划方法，通过机 器人路径规划的仿真证明，这些方法是简洁、有效的．     

高精度激光测距下的机器人自主避障控制

在机器人自主避障过程中,由于传感器数据的误差会降低机器人感知和决策的准确性,从而影响机器人自主避障能力。为此,提出高精度激光测距下的机器人自主避障控制方法。通过设计机器人体系结构,建立机器人运动学模型,为机器人避障控制提供依据。采用高精度激光测距技术,构建机器人移动场地地形。通过自适应阈值方法,完成机器人的自主避障控制。实验结果表明,所提方法的机器人自主避障控制效果好,且障碍物位置测试值与实际位置值的误差保持在0.5m以内,具有较高的避障控制精确度。     

基于向量场的移动机器人动态路径规划

由于简洁、高效等优点,人工势场法已应用于自主移动机器人的在线实时路径规划,并受到广泛关注.目前,人工势场法在处理静态环境、动态匀速环境下的路径规划方面已有许多成果,但是,机器人在全变速环境下进行在线实时路径规划时,会出现路径冗余、避碰不及等现象.为此,将目标关于机器人的相对加速度因素引入引力势场函数中;在斥力势场函数的基础上融合避碰预测、减速避障策略;最终,机器人能够避免大量无谓避障,当与障碍物相对速度较大时能提前避障,且快速跟踪到目标.仿真结果验证了所提方法的有效性.