基于改进D^*算法的室内移动机器人路径规划

对于D^*算法,由于其本身存在一定的缺陷,例如,规划阶段的庞大计算量,所得路径转角相对较大、具有多次转弯数,且若目标点更换后,原有规划不宜再用,应再次作出规划等。因此,对此算法进行改进。基于沃罗诺伊路线图法,将目标环境分解为多个局部环境,选取局部路径目标点时,以局部环境关键节点为主,对于无用节点,采取舍弃操作。使D^*算法的改进基于两点,即子节点选定方式、启发函数的改进,同时最大程度确保路径平滑。仿真结果表明,在转角度数、转弯次数上均有优化,规划时间缩短,路径质量提高,适当保持与障碍物的距离,机器人执行任务的安全性得到保障。在目标点变更后,利用沃罗诺伊路径路线图,机器人以更小的计算量抵达新的目标点。     

车型移动机器人的SPRM路径规划方法

研究车型移动机器人的路径规划问题,提出一种用局部规则路图结合随机路图,辅助建立全局复合路图的环境建模方法. 在此基础上进行路径规划,提高了在障碍物附近产生的局部路径的质量,减少了由于频繁地执行避碰校验所造成的时间消耗,并解决了可行空间丢失的问题. 仿真实验验证了这种方法在车形移动机器人路径规划应用中的有效性.     

基于智能路径规划算法的移动机器人系统设计

提出了移动机器人的一种全局路径规划与局部路径规划相结合的新型算法.在以TMS320LS2407A为核心处理器设计的移动机器人平台上,研究移动机器人智能路径规划的算法问题并予以实现.上位机规划机器人的最优路径,并通过与机器人无线通信,发送路径信息,实时接收机器人方位信息.上位机通过操作应用程序对机器人进行监控.机器人能够自主计算轨迹并准确跟踪路径,检测到障碍物后,智能地重新规划路径,避开障碍物到达目的地.实验结果表明:该方法能有效实现机器人的最佳行走路线规划.     

移动机器人路径规划算法分析

随着人工智能技术的兴起和发展,移动机器人也被运用到各行各业。路径规划作为机器人技术中的重要组成部分之一,是实现移动机器人自主导航的关键技术,一直备受研究者的密切关注。路径规划的核心问题是路径规划算法,随着移动机器人所处的环境越来越复杂,对路径规划算法也提出了更高要求。针对路径规划算法的实现原理,总结了目前主流路径规划算法的研究现状,并根据各规划算法的特点,将算法分为传统路径规划算法、基于采样路径规划算法、智能仿生算法以及基于强化学习的算法。文章也围绕以上算法进行分析梳理,分析其优缺点以及改进方法,并针对现有路径规划算法的研究现状,对未来路径规划算法的发展进行展望,为路径规划的发展提供了一定的思路。     

一种移动机器人的路径规划算法

本文提出一种移动机器人路径规划最短切线路径算法。依据此算法，机器人能顺利地避开障碍物到达目标位置，其原理简单，计算快捷，容易实现。仿真结果验证了它的有效性和实用性。     

移动机器人路径规划方法研究

针对室内动态非结构化环境下的移动机器人路径规划问题,提出了一种能够将全局路径规划方法和局部路径规划方法相结合、将基于反应的行为规划和基于慎思的行为规划相结合的路径规划方法．全局路径规划器采用A*算法生成到达目标点的子目标节点序列;局部路径规划器采用改进的人工势场方法对子目标节点序列中相邻两节点进行路径平滑和优化处理．在考虑了移动机器人运动学约束的前提下,该方法不但能够充分利用已知环境信息生成全局最优路径,而且还能及时处理所遇到的随机障碍信息．仿真研究与在室内复杂环境下的实际运行结果验证了该方法的有效性．     

基于移动机器人路径规划的鼠群算法

研究静态环境下机器人路径规划问题,并根据老鼠觅食行为提出一种鼠群算法.该算法引入环境因子和经验因子,每次搜索后对路径进行经验因子更新,通过迭代的方式寻找静态环境下机器人最佳路径.同时提出一种禁忌策略,有效地避免了路径死锁问题.理论分析和实验结果表明,该算法能使机器人在有较多障碍的环境下迅速找到一条优化路径,而且安全避碰,与同类算法相比具有一定的优越性.     

基于PRM的移动机器人路径规划算法

随着制造、物流、服务和危险环境领域需求的增加,对移动机器人执行多样任务的要求日益显著,推动了移动机器人技术的迅速发展。尤其是在未知环境中智能移动方面,高效路径规划成为研究焦点。为此,提出了一种基于概率路线图（PRM）的路径规划优化算法,旨在改进采样策略,提高采样效率,从而提升路径规划的效率和准确性。通过MATLAB平台进行仿真验证,证明了该方案的有效性。     

基于侦察蚁和觅食蚁协作的机器人路径规划算法

根据对真实蚂蚁的最新研究成果,提出了一种全新的机器入路径规划蚂蚁算法.该算法由两组侦察蚁采用最近邻侦察搜索策略相向搜索出一条较优路径,再由一组觅食蚁通过在该路径附近觅食实现对该路径的优化,从而得到一条优化的路径.计算机仿真实验结果表明,算法收敛速度提高显著,且在障碍物非常复杂的地理环境,也能迅速规划出最优或基本最优的路径,效果令人满意.     

移动机器人路径规划技术综述

智能移动机器人路径规划问题一直是机器人研究的核心内容之一.将移动机器人路径规划方法概括为:基于模版匹配路径规划技术、基于人工势场路径规划技术、基于地图构建路径规划技术和基于人工智能的路径规划技术.分别对这几种方法进行总结与评价,最后展望了移动机器人路径规划的未来研究方向.     

Application of cellular automata and type-2 fuzzy logic to dynamic vehicle path planning

Nowadays, most road navigation systems’ planning of optimal routes is conducted by the On Board Unit (OBU). If drivers want to obtain information about the real-time road conditions, a Traffic Message Channel (TMC) module is also needed. However, this module can only provide the current road conditions, as opposed to actually planning appropriate routes for users. In this work, the concept of cellular automata is used to collect real-time road conditions and derive the appropriate paths for users. Notably, type-2 fuzzy logic is adopted for path analysis for each cell established in the cellular automata algorithm. Besides establishing the optimal routes, our model is expected to be able to automatically meet the personal demands of all drivers, achieve load balancing between all road sections to avoid the problem of traffic jams, and allow drivers to enjoy better driving experiences. A series of simulations were conducted to compare the proposed approach with the well-known A* Search algorithm and the latest state-of-the-art path planning algorithm found in the literature. The experimental results demonstrate that the proposed approach is scalable in terms of the turnaround times for individual users. The practicality and feasibility of applying the proposed approach in the real-time environment is thus justified.     

基于路径预测的机器人足球路径规划

针对常用的机器人路径规划算法过于复杂并且在每个运动周期都计算路径的问题,提出了一种结合路径预测的路径最优算法.充分利用预测结果减少每周期的路径规划时间;用微量调整动态控制机器人左右轮速度,并充分利用折线路径的短距离优势,为避障机器人创建一条最短路径;以基于周期性预测在同个时间轴上的相交作为碰撞信号,来减少每个周期的重复性计算时间.实验结果表明,该方法能大大提高机器人路径规划的速度,降低不同周期上路径规划结果不一致导致的运动震荡.     

基于时间栅格法和免疫算法的机器人动态路径规划

提出了一种机器人动态路径规划方法。该方法首先采用时间栅格法采标识动态障碍物。建立机器人的环境信息,然后使用免疫算法实现在动态环境下机器人的全局和局部路径规划,达到避障和避碰的目的。文中定义了免疫算法的多因素适应度函数由碰撞系数、距离、转角和安全系数决定。实验表明所提方法可以提高路径规划的效率,满足机器人实时导航要求。     

移动机器人基于近似Voronoi图的3-D环境建模方法

提出一种三维复杂环境下移动机器人的环境建模与分析方法。通过平滑滤波得到环境地形高度变化的轮廓基本特征,以一阶微分方法分析满足移动机器人运行的平坦性,建立投影平面上的可行区域图。应用改进的近似Voronoi边界网络构造方法得到可行区域的网络化结构模型。该方法能够以较少的网络节点反映移动机器人运行环境中可行区域的网络化结构,从而降低路径规划的计算复杂度。该模型方法体现了三维环境的地形轮廓特征,因此能够有助于导航中的规划与定位问题的解决。     

基于多层注意力机制—柔性AC算法的机器人路径规划

针对行动者—评论家（AC）算法存在的经验学习样本维度高、策略梯度模型鲁棒性低等问题,依据多代理系统的信息协作优势,构建注意力机制网络并作为代理体,引入多层并行注意力机制网络模型对AC算法进行改进,提出一种基于多层并行注意力机制的柔性AC算法。将其用于解决动态未知环境下的机器人路径规划问题,可增强行动者的策略梯度鲁棒性并降低评论家的回归误差,实现机器人路径规划最优方案的快速收敛。实验结果表明,该算法有效克服机器人路径规划的局部最优,具有计算速度快、稳定收敛的优点。     

Mobile robot path planning with surrounding point set and path improvement

The objective of the path planning problem for a mobile robot is to generate a collision-free path from a starting position to a target position with respect to a certain fitness function, such as distance. Although, over the last few decades, path planning has been studied using a number of methodologies, the complicated and dynamic environment increases the complexity of the problem and makes it difficult to find an optimal path in reasonable time. Another issue is the existence of uncertainty in previous approaches. In this paper, we propose a new methodology to solve the path planning problem in two steps. First, the surrounding point set (SPS) is determined where the obstacles are circumscribed by these points. After the initial feasible path is generated based on the SPS, we apply a path improvement algorithm depending upon the former and latter points (PI_FLP), in which each point in the path is repositioned according to two points on either side. Through the SPS, we are able to identify the necessary points for solving path planning problems. PI_FLP can reduce the overall distance of the path, as well as achieve path smoothness. The SPS and PI_FLP algorithms were tested on several maps with obstacles and then compared with other path planning methods As a result, collision-free paths were efficiently and consistently generated, even for maps with narrow geometry and high complexity.     

B样条曲线融合蚁群算法的机器人路径规划

针对蚁群算法在静态环境下全局路径规划存在无法找到最短路径、收敛速度慢、路径搜索盲目性大、拐点多等问题,提出一种改进蚁群算法。以栅格地图为机器人运行环境,对初始信息素进行非均匀分布,使路径搜索更倾向于起点和目标点的连线附近;把当前节点、下一节点和目标点的信息加入启发式函数,同时引入动态调节因子,促使启发函数在迭代前期起主导作用,而后期则加强信息素引导;引入伪随机转移策略,以减少路径选择的盲目性,加快找到最短路径;动态调整挥发系数,使得前期挥发系数大,后期较小,从而避免算法陷入早熟;在最优解的基础上,引入B样条曲线平滑策略,以进一步优化最优解,使得到的路径更短且更加平滑。对改进算法的主要参数进行敏感性分析,并对该算法的各改进环节的可行性与有效性进行了实验,而且在20×20和50×50环境下与传统蚁群算法及其他改进蚁群算法进行仿真对比,实验结果验证了改进算法的可行性、有效性和优越性。