未知环境中移动机器人导航控制研究的若干问题

未知环境中移动机器人导航控制理论和方法是机器人学和智能控制的一个重要研究领域，综述了该领域研究的主要内容及其发展动态，分析了与导航控制有关的机器学习方法的研究现状，指出存在的不足和有待进一步研究的问题，并提出了一些解决思路。     

部分未知环境中移动机器人动态路径规划方法

针对部分未知环境,提出一种基于粒子滤波的动态路径规划方法.将全局最优路径视为受机器人运动及环境影响的变化量,采用粒子滤波算法,利用机器人运动信息预测路径,并利用实时环境信息更新路径,通过在线跟踪全局最优路径获得不断更新的全局优化路径.将传统全局路径规划先规划后执行的模式改为边规划边执行的模式,既减少了等待时间,又为机器人的移动误差及部分未知环境提供了较强的适应能力.仿真及实验验证,该方法的有效性.     

移动机器人视觉惯性SLAM研究进展

在研究领域,基于滤波和基于优化是两种实现视觉惯性SLAM(同时定位与地图创建)的主导方法.本文基于这两种方法介绍视觉惯性SLAM,说明了视觉惯性SLAM的最新研究进展和关键问题,对比了几种代表性的视觉惯性SLAM框架,并对未来进行了展望.     

未知动态环境中基于分层强化学习的移动机器人路径规划

提出了一种基于分层强化学习的移动机器人路径规划算法．该算法利用强化学习方法的无环境模型学习能力以及分层强化学习方法的局部策略更新能力,克服了路径规划方法对全局环境的静态信息或动态障碍物的运动信息的依赖性．仿真实验结果表明了算法的可行性,尽管在规划速度上没有明显的优势,但其应对未知动态环境的学习能力是现有其它方法无法比拟的．     

基于模糊控制器的未知环境下移动机器人导航

研究机器人导航控制优化难题时,为实现未知环境中移动机器人自主导航并解决反应式导航策略中存在的局部陷阱问题,提出一种局部路径规划与目标切换相结合的导航方法.首先分析了移动机器人动力学模型,应用模糊推理构建反应式模糊控制器实现局部路径规划,并提出一种改进的目标切换方式,以机器人与目标相对方向的变化作为陷阱区域判断条件,当检测到陷阱情况时,引入合理的虚拟子目标,面向运动,直到脱离陷阱状态并恢复实际目标.方法可有效驱动机器人在复杂未知环境下以合理的路径脱离陷阱区域到达目标.仿真结果验证了方法的可行性和有效性,为应用于实际系统提供了可靠依据.     

未知远程环境下移动机器人导航的并行进化模型

本文分析了未知远程环境下移动机器人导航过程中进化学习的效率和知识更新 问题，提出了并行进化模型来解决此问题，并设计和论证了高效的并行进化计算机．最后通 过实验和仿真证实基于并行进化模型移动机器人在未知环境中导航是可行的和有效的．     

未知环境下移动机器人安全路径规划的一种神经网络方法

针对未知环境下移动机器人的安全路径规划,采用了一种局部连接Hopfield神经网络(Hopfield Neural Networks,HNN)规划器;分析了HNN稳定性,并给出了存在可行路径的条件.如果存在可行路径,该方法不存在非期望的局部吸引点,并在连接权设计中兼顾"过近"和"过远"来形成安全路径.为在单处理器上有效地在线路径规划,采用多顺序的Gauss-Seidel迭代方法来加速HNN势场的传播.结果表明该方法具有较高的实时性和环境适应性.     

未知环境下的移动机器人环境建模研究

环境建模技术是移动机器人自主导航研究中的一个关键问题。为了实现机器人在未知环境下的自主导航,本文在分析当前普遍采用的一些环境建模方法及其缺点的基础上,提出一种基于多传感器信息融合的环境建模方法。实验结果表明该方法有效地克服了传感器的累计误差,有效地提高了环境建模的准确性。此方法的可行性和有效性通过Pioneer3-DX移动机器人得到了实验验证。     

未知环境下的移动机器人环境建模研究

环境建模技术是移动机器人自主导航研究中的一个关键问题。本文给出一种基于多传感器信息融合的环境建模方法。实验结果表明该方法有效地克服了传感器的累计误差,有效地提高了环境建模的准确性。此方法的可行性和有效性通过Pioneer3-DX移动机器人得到了实验验证。     

ROS的服务类移动机器人SLAM导航的研究

近年来,随着人工智能的迸发,计算机的各项技术的突破,硬件技术的发展。机器人行业也取得了新的进展。服务类移动机器人的研发也不限于实验室,慢慢走出实验室而开始商用。对于服务类移动机器人来说,SLAM(同时定位于地图构建)是关键技术,也是目前研究的主要方向和热门。本文主要针对室内移动机器人的探究,使用ROS平台和Gazebo试验和仿真SLAM。一开始介绍本文的研究背景和近年来国内外的服务类移动机器人的现状。其次介绍了本文所用到的移动平台,和介绍ROS机器人操作系统。之后介绍SLAM的概率学模型,在概率学模型上添加地图。最后开始试验对SLAM的测试,在未知环境下实现了地图构建和导航。     

未知环境中小型机器人路径规划策略的研究

针对微小型机器人在进行路径规划时存在系统硬件资源有限,数据处理能力盖及系统感知能力有限,只能获取局部信息,且信息不完备的问题,分析了人在未知环境中路径规划策略,提出了一种微小型机器人的路径规划策略。实验结果表明,该策略可以满足微小型机器人在复杂未知环境中路径规划的要求,为微小型自主机器人的设计提供了新的方法。     

移动机器人改进激光SLAM算法研究

针对传统RBPF(Rao-Blackwellised particle filter)算法存在定位精度低、粒子退化、粒子多样性丧失的问题,提出了一种基于激光雷达的改进SLAM(simultaneous localization and mapping)算法.首先基于主成分分析法对相邻帧的点云进行粗配准,再采用改进点到线...     

未知环境下的移动机器人定位及实时避障

针对未知环境下移动机器人实时动态避障及定位问题，考虑里程计定位的无界累加误差和动态障碍物环境下实时障碍躲避需要，提出了一种可行的避障定位的策略。该策略融合了机器人内部传感器、里程计、电子罗盘和激光测距仪的同步和异步信息，合理地解决了常规定位过程中的方向迷失问题，对于静态和动态障碍物都能很好地实时躲避，具有很强的抗干扰性和较高的定位精度。实验证明了该方法的有效性和实用性.     

移动机器人SLAM关键问题和解决方法综述

从同时定位与地图构建（Simultaneous Localization And Mapping,SLAM）的研究进程出发,通过回顾SLAM近三十年来的研究方法,对移动机器人SLAM的研究进行系统的总结,并指出其存在的三个关键问题.针对这三个问题,介绍了基于概率估计和基于视觉的SLAM方法,对基于概率估计的SLAM实现方法进行对比总结,并对视觉传感器的不同特性对基于视觉的SLAM方法研究进展进行阐述,随后对比分析不同方法的优缺点,讨论了视觉SLAM存在的问题.最后展望SLAM未来的发展方向.     

未知环境中多移动机器人协作围捕的研究

为了实现多移动机器人在未知环境中的围捕,本文将任务建模为排队、随机搜索、包围、捕捉和预测五种状态.提出了排队、搜索、包抄、捕捉、预测和方向优化策略,结合状态转换条件保证了任务的顺利实现.同时,赋予被捕捉对象(下用Invader表示)一种安全运动策略,增加了围捕的难度.仿真结果表明了所提方法的可行性.     

Fuzzy Motion Planning of Mobile Robots in Unknown Environments

A fuzzy algorithm is proposed to navigate a mobile robot from a given initial configuration to a desired final configuration in an unknown environment filled with obstacles. The mobile robot is equipped with an electronic compass and two optical encoders for dead-reckoning, and two ultrasonic modules for self-localization and environment recognition. From the readings of sensors at every sampling instant, the proposed fuzzy algorithm will determine the priorities of thirteen possible heading directions. Then the robot is driven to an intermediate configuration along the heading direction that has the highest priority. The navigation procedure will be iterated until a collision-free path between the initial and the final configurations is found. To show the feasibility of the proposed method, in addition to computer simulation, experimental results will be also given.     

A Fuzzy–Braitenberg Navigation Strategy for Differential Drive Mobile Robots

In this paper, a novel algorithm is developed to achieve efficient and smooth navigation for a differential drive mobile robot in unknown environments. The algorithm takes advantage of the essential characteristics of a differential drive robot and combines fuzzy logic with the ideas of Braitenberg vehicles. We have also proposed and tested a new technique for tuning a membership function referred to as NEAR, representing the closeness of the robot to an obstacle. The tuning scheme is obtained based on the distribution directives of the range sensors on the robot. The resulting navigation algorithm has been implemented on a real mobile robot and tested in various environments. Some problems in the implemented algorithm are identified and effective solutions are proposed. Experimental results are presented which demonstrate the effectiveness and improved performance of the resulting Fuzzy–Braitenberg navigation scheme.This research was supported in part by the National Sciences and Engineering Research Council (NSERC) of Canada under grants RGPIN1345 and RGPIN227612, and the Canada Foundation for Innovation under the New Opportunities Program.