一种基于手绘地图的动态环境视觉导航方法

提出了一种基于手绘地图和路径的移动机器人视觉导航方法.首先,根据较小偏差的原则提取运行路径中的关键引导点,以便将原始路径分成多段.然后,移动机器人在各段运行过程中,对预先绘制的于绘地图中对应的参考图像以及机器人摄像头实时采集到的图像信息进行匹配,这罩提出预测估计的方法估计当前视野中最可能存在的图像,以加速图像的匹配过程...     

基于深度强化学习的无地图移动机器人导航

针对传统导航方法对地图精度依赖和动态复杂场景适应差问题,提出一种基于课程学习的深度强化学习无地图自主导航算法.为了克服智能体稀疏奖励情况下学习困难的问题,借鉴课程学习思想,提出一种基于能力圈课程引导的深度强化学习训练方法.此外,为了更好地利用机器人当前的碰撞信息辅助机器人做动作决策,引入碰撞概率的概念,将机器人当前感知到的障碍物信息以一种高层语义的形式进行表示,并将其作为导航策略输入的一部分编码至机器人当前观测中,以简化观测到动作的映射,进一步降低学习的难度.实验结果表明,所提出的课程引导训练和碰撞概率可令导航策略收敛速度明显加快,习得的导航策略在空间更大的场景成功率到达90%以上,行驶耗时减少53.5%sim73.1%,可为非结构化未知环境下的无人化作业提供可靠导航.     

基于海马体位置细胞的认知地图构建与导航

针对移动机器人环境认知问题, 受老鼠海马体位置细胞在特定位置放电的启发, 构建动态增减位置细胞认知地图模型(Dynamic growing and pruning place cells-based cognitive map model, DGP-PCCMM), 使机器人在与环境交互的过程中自组织构建认知地图, 进行环境认知. 初始时刻, 认知地图由初始点处激活的位置细胞构成; 随着与环境的交互, 逐渐得到不同位置点处激活的位置细胞, 并建立其之间的连接关系, 实现认知地图的动态增长; 如果机器人在已访问区域发现新的障碍物, 利用动态缩减机制对认知地图进行更新. 此外, 提出一种位置细胞序列规划算法, 该算法以所构建的认知地图作为输入, 进行位置细胞序列规划, 实现机器人导航. 为验证模型的正确性和有效性, 对Tolman的经典老鼠绕道实验进行再现. 实验结果表明, 本文模型能使机器人在与环境交互的过程中动态构建并更新认知地图, 能初步完成对Tolman老鼠绕道实验的再现. 此外, 进行了与四叉树栅格地图、动态窗口法的对比实验和与其他认知地图模型的讨论分析. 结果表明了本文方法在所构建地图的简洁性、完整性和对动态障碍适应性方面的优势.     

一种基于人机交互的移动机器人反应式导航方法

针对未知环境中移动机器人的自主导航问题,提出了一种基于人机交互的反应式导航方法。在采用模糊逻辑实现机器人基本智能行为的基础上,利用基于优先级和有限状态机的混合行为协调方法建立"环境刺激-反应"机制,提高机器人的局部自主能力。提出将"人刺激-反应"机制引入机器人系统,提高机器人系统对环境的理解与决策能力。在不同环境模型中利用提出的方法对移向指定目标的机器人自主导航进行了仿真,仿真结果验证了该方法的有效性。     

一种基于多层代价地图的移动机器人导航方法

当前移动机器人导航方法大多数是改善局部路径规划的反应式导航而没有充分考虑全局环境中的行人,借助全局范围的行人感知,提出并实现一种基于多层代价地图的全局路径规划方法。首先基于行人感知进行个人空间和群组交互的社会代价建模,基于行人轨迹预测生成包含预测阶段社会代价的多层动态代价地图,提供预测阶段的社会约束信息。全局路径规划器在动态代价地图基础上定义代价函数进行最优状态的启发式搜索,引入“规划-预测-执行”时序周期进行动态规划。最后通过和传统路径规划器在行人运动、群组交互等仿真、实际场景下进行对比试验,该方法对应路径长度、执行时间更短,和人/群组保持的距离更符合社会性。     

基于认知发育的移动机器人自主导航

针对未知环境中移动机器人的导航问题,基于生物学的认知和发育机理构建自主导航的认知发育模型。通过自主插入神经元节点,设计结构可动态发育的神经网络,模拟生物的发育特性达到与应用需求相匹配的网络规模。通过热力学过程模拟动物的渐近学习特性,设计认知学习算法,并从理论上证明算法的收敛性。实验结果表明,该模型可使机器人模拟动物从环境中自动获取知识、积累经验,通过认知发育具备自主导航技能。     

一种基于海马认知机理的仿生机器人认知地图构建方法

海马结构空间细胞的放电活动被认为能够形成对环境内在地图的表达,即所谓的认知地图.先前的仿生环境认知地图构建方法（例如RatSLAM）以及传统的SLAM方法均缺乏足够的生理学依据,不能准确地体现出生物在导航中的生理学现象和认知功能实现过程.本文模仿海马结构空间细胞的认知机理提出了一种构建精确的环境认知地图的方法,其特点在于通过构建统一的空间细胞吸引子计算模型对自运动线索进行路径积分;网格细胞和位置细胞对环境的表达来源于条纹细胞的前向驱动作用;通过环境的颜色深度图像进行闭环检测,对空间细胞路径积分进行误差修正,最终生成精确的环境认知地图.该认知地图是一种拓扑度量地图,包含了环境特征点坐标、视觉线索以及特定位点的拓扑关系.本文通过仿真实验和机器人平台物理实验验证了方法的有效性,研究成果为仿海马认知机理的机器人导航方法研究奠定了基础.     

一种有效的时空连接算法*

对空间数据库中静态数据集与动态数据集的连接问题进行了研究,提出了一种时空连接算法。该算法使用广度优先顺序对R-tree和TPR-tree进行同步遍历,在连接计算时,使用一种收紧MBR的剪枝策略对TPR-tree的节点进行剪枝,直到两棵树的叶子节点,最后计算R-tree每个叶子节点的最近邻。通过实验表明,算法有效解决了为静态数据集中的所有对象在动态数据集中查找到某个未来时间的最近邻的问题。     

基于学习机制的移动机器人动态场景自适应导航方法

针对在单一学习机制中,移动机器人自主导航一般只适用于静态场景,适应性差的问题,提出一种动态场景自适应导航方法．该方法通过激光测距仪（LRF）获取周围环境的距离信息,在基于增量判别回归（IHDR）算法的单一学习机制导航的基础上,提出了最远距离优先机制的局部避障环节．该导航方法克服了传统导航方法对环境模型的过度依赖,并且本文提出的基于最远距离优先机制的局部避障算法,解决了基于单一学习机制的导航方法对动态场景适应能力不足的问题．本文将动态场景自适应导航方法应用到了MT-R机器人中,与基于单一学习机制的导航方法进行了对比实验,并且运用提出的局部避障算法,对实验中的激光数据进行了算法性能分析．实验结果证实了该方法的可行性,并显示了该方法在动态场景下的良好表现．     

基于情感与环境认知的移动机器人自主导航控制

将基于情感和认知的学习与决策模型引入到基于行为的移动机器人控制体系中, 设计了一种新的自主导航控制系统. 将动力学系统方法用于基本行为设计, 并利用ART2神经网络实现对连续的环境感知状态的分类, 将分类结果作为学习与决策算法中的环境认知状态. 通过在线情感和环境认知学习, 形成合理的行为协调机制. 仿真表明, 情感和环境认知能明显地改善学习和决策过程效率, 提高基于行为的移动机器人在未知环境中的自主导航能力     

基于声纳传感器的移动机器人地图创建方法研究*

提出了一种改进的基于声纳传感器信息进行栅格地图创建的方法。将Bayes法则用于移动机器人地图创建,对多个声纳传感器信息进行融合,解决信息间的冲突问题,并根据声纳模型将测量数据集成到局部地图中,改变栅格被障碍物占有的概率。经过坐标变换后,利用Bayes法则更新全局地图中的栅格信息,实现从局部地图到全局地图的更新。实验验证了该算法的可行性与有效性。     

移动导航系统数字地图路网数据的描述与组织

导航电子地图路网数据的描述,组织和管理是移动导航系统的设计中涉及的关键问题。从移动导航系统对路网数据的信息要求出发,针对以往路网数据模型的不足,探讨了一种名为HOT的层次化路网模型。详细论述了该模型的数据对象描述和层次结构定义,特别是针对网络拓扑结构的刻画给出了解决方案。通过在某市交通信息网格项目中的应用,表明该模型具有信息完备、结构清晰、简洁实用等优点。     

Application of Heuristic Asymmetric Mapping for mobile robot navigation using ultrasonic sensors

In this paper, an experimental study of a navigation system that allows a mobile robot to travel in an environment about which it has no prior knowledge is described. Data from multiple ultrasonic range sensors are fused into a representation called Heuristic Asymmetric Mapping to deal with the problem of uncertainties in the raw sensory data caused mainly by the transducer's beam-opening angle and specular reflections. It features a fast data-refresh rate to handle a dynamic environment. Potential-field method is used for on-line path planning based on the constructed gridtype sonar map. The mobile robot can therefore learn to find a safe path according to its self-built sonar map. To solve the problem of local minima in conventional potential field method, a new type of potential function is formulated. This new method is simple and fast in execution using the concept from distance-transform path-finding algorithms. The developed navigation system has been tested on our experimental mobile robot to demonstrate its possible application in practical situations. Several interesting simulation and experimental results are presented.This work was supported partly by the National Science Council of Taiwan, ROC under the grant NSC-82-0422-E-009-321.     

强化学习在移动机器人自主导航中的应用

概述了移动机器人常用的自主导航算法及其优缺点,在此基础上提出了强化学习方法。描述了强化学习算法的原理,并实现了用神经网络解决泛化问题。设计了基于障碍物探测传感器信息的机器人自主导航强化学习方法,给出了学习算法中各要素的数学模型。经仿真验证,算法正确有效,具有良好的收敛性和泛化能力。     

基于VxWorks的导航电子地图设计

结合嵌入式系统的特点,提出了基于VxWorks的嵌入式导航电子地图的基本程序框架。对周期信号的管理提出了用软时钟中断响应和周期信号调度表的解决方法;提出了以作业管理任务统一对地图操作类中断事件进行调度的方法;建立了相应的嵌入式电子地图数据结构和数据转换机制,提取并转化shape文件的几何数据以实现地图的绘制。通过一个具体案例说明了该电子地图方案的可行性和实用性。     

一种移动机器人的禁忌搜索自主导航算法

纯粹的反应式导航算法在复杂未知环境下易陷入局部极小,为此提出一种基于局部子目标和禁忌搜索的自主导航算法．以当前可视区域内障碍物的关键角点为搜索邻域,利用禁忌搜索算法执行优化操作生成当前子目标,进而采用反应式导航算法对其进行跟踪,最终通过子目标的动态切换引导机器人驶达目标位置．算法可有效克服局部极小,显著提高机器人在复杂环境下的自主性．理论分析和仿真实验验证了算法的可行性和有效性．     

基于模糊认知图的情感Agent模型研究

人工情感是人工心理的一个主要研究内容。从研究人工情感出发,提出一种基于模糊认知图的情感Agent建模的方法。模糊认知图模型通过在传统认知图模型中引入模糊测度来量化概念间因果关系的影响程度。Agent的知识由内部组元的状态以及组元之间的关系权值进行描述,用简单数值运算代替了复杂的符号逻辑来实现Agent的智能推理和决策。通过实验表明,该模型设计简单、易于扩展、适用性好。     

基于全景视觉的移动机器人地图创建与定位

提出一种高效的基于全景视觉的室内移动机器人地图构建和定位方法. 该方法充分利用全景视觉系统视野广阔、获取环境信息完整的特点, 根据全景图像生成环境描述子; 利用上述环境描述子描述环境, 创建拓扑地图, 将地图表示为环境描述子的集合. 在此基础上, 提出一种基于贝叶斯理论的定位方法, 根据当前全景摄像头的观测值, 利用已生成的地图完成状态跟踪, 全局定位和“绑架”定位. 最后通过实验验证了该方法的有效性, 并给出了计算成本分析.     

Sonar-based mobile robot navigation through supervised learning on a neural net

For mobile robot navigation in an unknown and changing environment, a reactive approach is both simple to implement and fast in response. A neural net can be trained to exhibit such a behaviour. The advantage is that, it relates the desired motion directly to the sensor inputs, obviating the need of modeling and planning. In this work, a feedforward neural net is trained to output reactive motion in response to ultrasonic range inputs, with data generated artificially on the computer screen. We develop input and output representations appropriate to this problem.A purely reactive robot, being totally insensitive to context, often gets trapped in oscillations in front of a wide object. To overcome this problem, we introduce a notion of memory into the net by including context units at the input layer. We describe the mode of training for such a net and present simulated runs of a point robot under the guidance of the trained net in various situations. We also train a neural net for the navigation of a mobile robot with a finite turning radius. The results of the numerous test runs of the mobile robot under the control of the trained neural net in simulation as well as in experiments carried out in the laboratory, are reported in this paper.     

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。