基于滚动窗口的机器人自主构图路径规划

针对智能机器人如何以最优探测路线自主探测和构建室内环境地图的问题,提出一种基于滚动窗口的路径规划算法。将传统遍历构图的牛耕遍历方式改进为未知环境的探测策略,并结合滚动窗口实现对未知环境的滚动探测和构图路径规划,同时利用A~*算法规划滚动窗口中的局部路径和机器人进入死胡同的逃离路径。仿真结果表明,该算法可以有效减少构图节点,缩短构图路径,使机器人更快速、高效地自主构建环境地图。     

基于置信度上界的移动机器人信息路径规划方法

路径规划是移动机器人未知环境探索的关键问题,路径点的合理规划对提高环境探索的效率和环境场预测的准确性至关重要.基于强化学习范式,提出一种适用于静态环境场探索的移动机器人在线信息路径规划方法.针对基于模型训练算法计算成本高的问题,通过机器人与环境的交互作用,采用动作价值评估的方法来学习所获取的环境场历史信息,提高机器人实时规划能力.为了提高环境预测准确性,引入基于置信度上界的动作选择方法来平衡探索未知区域与利用已有信息,鼓励机器人向更多未知区域进行全场特征探索,同时避免因探索区域有限而陷入局部极值.仿真实验中,环境场分别采用高斯分布和Ackley函数模型.结果表明,所提算法能够实现机器人环境探索路径点的在线决策,准确有效地捕捉全场和局部环境特征.     

激光测距在移动机器人自主导航中的应用

移动机器人在运动范围内需要有足够的传感器信息可供利用来进行自主导航,在完全未知的环境中,由机器人依靠其自身携带的传感器所提供的信息建立环境模型是机器人进行自主定位和导航的前提之一。介绍了激光测距在移动机器人自主导航中的应用研究;通过二维测距传感器对其周围环境进行扫描,提出了自主导航中地图创建、定位如何用二维扫描获得三维数据流的算法描述,并实验验证该算法的运用使机器人获得一个很好的三维视觉结构图。     

基于免疫自适应遗传算法的机器人栅格地图融合

融合各机器人独自创建的环境地图,实现信息共享,是提高分布式多移动机器人系统环境探索效率的关键.研究了在没有公共参考坐标系及机器人相对位置信息未知情况下的栅格地图融合问题,提出了一种基十免疫自适应遗传算法的栅格地图融合方法,该算法把反映两个栅格地图重叠区域相异程度的优化函数作为抗原,每个可能的平移、旋转平面转换对应一个抗体.仿真结果表明了该算法可以较快的收敛速度和较强的全局搜索能力,搜索到两个栅格地图的最佳重叠区域,实现地图融合.     

基于大地形管理的水下机器人视景仿真系统

研究水下机器人视景系统优化设计,针对水下机器人的航行环境具有不可接近性和未知性的特点,为创建水下海洋生物和可观世界环境,利用虚拟的计算机仿真环境作为水下机器人初期调试的“平台”具有十分重要的意义.建立了基于大地形管理的水下机器人视景仿真系统.有关大地模型建立、场景效果等,利用函数变量方法自定义机器人运动引擎,采用粒子系统仿真了机器人尾流流场和低噪音的实现.依托软件平台MultiGen Creator和Vega,利用Vega与Visual C++混合编程实现LADBM模块的大地形管理,进行仿真验证.仿真结果表明,视景仿真系统逼真地再现了水下机器人在大范围区域探测目标及自主航行的过程,有效地解决了水下机器人长距离自主航行视景仿真中的大地形管理问题.     

无路标环境下遥操作机器人SLAM系统

为了提高遥操作机器人的实用性和高效性,设计与开发了一种基于无线网络的无路标未知环境下探索移动机器人系统,其包括移动机器人子系统和机器人远程状态监视子系统.根据机器人功能需求,提出一种多控制器协作及多传感器信息融合的移动机器人硬件结构.利用机器人实时定位和激光测距扫描的能力,提出了一种改进的VFH算法,进行机器人自主局部路径规划.机器人远程状态监视子系统通过无线网络设定机器人的目标点,实时监视机器人状态,并绘制机器人所探索的环境地图.实验表明,开发的探索移动机器人系统具备了在未知环境探索的能力.     

基于滚动窗口算法的机器人路径规划应用研究

研究了未知环境下,特别是动态环境下,移动机器人基于滚动窗口的路径规划避障策略。着重分析了如何利用探测的有限信息进行场景分析和场景预测的过程,阐述了如何在保证安全性的前提下机器人利用启发信息进行局部最优规划,结合窗口滚动和反馈机制实现机器人的全局规划。该算法以机器人为中心,具有很强的可操作性和实际应用价值。仿真结果证明了本算法的实时性和有效性。     

基于增量式RBF网络的Q学习算法

为提升机器人的行为智能水平,提出一种基于增量式径向基函数网络(IRBFN)的Q学习(IRBFN-QL)算法.其核心是通过结构的自适应增长与参数的在线学习,实现对Q值函数的学习与存储,从而使机器人可以在未知环境中自主增量式地学习行为策略.首先,采用近似线性独立(ALD)准则在线增加网络节点,使机器人的记忆容量伴随状态空间的拓展自适应增长.同时,节点的增加意味着网络拓扑内部连接的改变.采用核递归最小二乘(KRLS)算法更新网络拓扑连接关系及参数,使机器人不断扩展与优化自身的行为策略.此外,为避免过拟合问题,将L2正则项融合到KRLS算法中,得到L2约束下的核递归最小二乘算法(L2KRLS).实验结果表明,IRBFN-QL算法能够实现机器人与未知环境的自主交互,并逐步提高移动机器人在走廊环境中的导航行为能力.     

未知观测噪声时机器人同步定位与地图构建

对未知观测噪声的机器人同步定位与地图构建问题,提出基于神经网络PID自适应学习观测噪声的机器人同步定位与地图构建算法.已知系统噪声为高斯分布,噪声的方差未知,但其真值是在某个有限集合内.设计一个由神经网络PID控制器、观测噪声调整以及中值滤波构成的噪声在线辨识单元.通过自适应在线辨识观测噪声,并进行新息协方差平均值滤波,迭代修正观测噪声协方差,实现机器人同步定位精度的在线提高.实验表明,该算法可降低观测噪声先验信息不足的影响,减小定位误差.     

SLAM 问题中机器人定位误差分析与控制

移动机器人同步定位与建图问题 (Simultaneous localization and mapping, SLAM) 是机器人能否在未知环境中实现完全自主的关键问题之一. 其中, 机器人定位估计对于保持地图的一致性非常重要. 本文分析了 SLAM 问题中机器人定位误差的收敛特性. 分析表明随着机器人的运动,机器人定位误差总体上逐渐增大; 在完全未知环境中无法预测机器人定位误差的上限. 根据理论分析, 本文提出了一种控制机器人定位误差在单位距离上增长速度的算法. 该算法通过搜索获得满足定位误差限制的最佳的机器人运动速度, 从而控制机器人定位误差的增长.