未知环境下移动机器人路径规划方法

路径规划是研究自主移动机器人技术中的一个重要领域，一般地可分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划两种类型.对未知环境下移动机器人路径规划的方法和发展现状进行了总结，指出了各种方法的优点与不足.最后对移动机器人路径规划的发展趋势进行了分析.     

Robot path planning in globally unknown environments based on rolling windows

In this paper, robot path planning in globally unknown environments is studied. Using the rolling optimization concept in predictive control for reference, a new strategy of path planning for a mobile robot, based on rolling windows, is proposed. The method makes full use of the real-time local environmental information detected by the robot and the on-line path planning is carried on in a rolling style. Optimization and feedback are combined in a reasonable way. The convergence of the planning algorithm is also discussed.     

Robot path planning using genetic algorithms

0　ＩＮＴＲＯＤＵＣＴＩＯＮＰａｔｈｐｌａｎｎｉｎｇｏｆｒｏｂｏｔｍｅａｎｓｔｈａｔｒｏｂｏｔｆｉｎｄｓａｐａｔｈｔｈａｔｉｓａｓａｆｅｓｔａｎｄｔｈｅｍｏｓｔｅｆｆｉｃｉｅｎｔｐａｔｈｉｎｔｈｅｗｏｒｋｓｐａｃｅｏｆｒｏｂｏｔ.Ｃｏｍｍｏｎｌｙ,ｔｈｅｒｅａｒｅｍａｎｙｐａｔｈｓｉｎｗｈｉｃｈｔｈｅｒｏｂｏｔｃａｎｅｘｅｃｕｔｅａｐｐｏｉｎｔｅｄｗｏｒｋ ,ｂｕｔｉｎｆａｃｔ,ｔｈｅｒｏｂｏｔｍｕｓｔｆｉｎｄａｏｐｔｉｍｕｍｐａｔｈ[1 ] .Ｕｓｕａｌｌｙ ,ｔｈｅｒｏｂｏｔｍｕｓｔｓｅｌｅｃｔａｓｈｏｒ…     

Solution to reinforcement learning problems with artificial potential field

A novel method was designed to solve reinforcement learning problems with artificial potential field. Firstly a reinforcement learning problem was transferred to a path planning problem by using artificial potential field（APF）, which was a very appropriate method to model a reinforcement learning problem. Secondly, a new APF algorithm was proposed to overcome the local minimum problem in the potential field methods with a virtual water-flow concept. The performance of this new method was tested by a gridworld problem named as key and door maze. The experimental results show that within 45 trials, good and deterministic policies are found in almost all simulations. In comparison with WIERING＇s HQ-learning system which needs 20 000 trials for stable solution, the proposed new method can obtain optimal and stable policy far more quickly than HQ-learning. Therefore, the new method is simple and effective to give an optimal solution to the reinforcement learning problem.     

一种基于APGA的移动机器人路径规划算法

提出了基于自适应并行遗传算法的移动机器人路径规划算法,其基本思想是结合多种群并行进化及自适应调整控制参数,提高了搜索的范围和效率,缓解了传统遗传算法早熟收敛问题,从而克服了使用单种群遗传算法进行路径规划的不足．实验结果表明了该算法在移动机器人路径规划中的可行性和有效性．     

基于混沌遗传算法的移动机器人路径规划方法

结合遗传算法优化的反演性和混沌优化方法的遍历性,基于混沌遗传算法的移动机器人路径规划方法能够有效改善遗传算法的局部搜索能力和搜索精度,避免单纯使用遗传算法规划机器人路径时容易出现的早熟收敛现象．仿真试验表明,提出的路径规划方法在稀疏环境和密集环境下均能收敛到全局最优路径,具有更强的鲁棒性．     

实际环境中基于深度Q学习的无人车路径规划

实际交通环境规划最优路径的重要问题是无人车智能导航,而无人车全局路径规划研究主要在于模拟环境中算法求解速度的提升,考虑大部分仅路径距离最优或局限于当前道路的自身状况,本研究针对实际环境中的其他因素及其未来的变化和动态路网中无人车全局路径规划的复杂任务,基于预测后再规划的思想提出面向实际环境的无人车驾驶系统框架,并结合深...     

复杂动态环境下基于侧滑力的局部路径规划

研究了复杂动态环境下具有局部感知能力的移动机器人路径规划问题.针对传统势场法避障在拥塞环境下存在局部振荡的问题,提出虚拟侧滑力的方法,障碍物对机器人产生侧滑排斥力,而非传统的反向排斥力,并由力来直接引导机器人运动.静态障碍物的侧滑力计算与障碍物距离、朝向及目标点朝向有关；动态障碍物的侧滑力计算应考虑其速度信息.为解决局部最小问题,对机器人已走路径进行跟踪监督,当机器人路径在一段时间内出现重复时,确认其已处于陷阱状态,继而采用沿墙走的策略来摆脱陷阱.仿真结果验证了算法在复杂动态环境下的实时性和有效性.     

Global path planning approach based on ant colony optimization algorithm

Ant colony optimization （ACO） algorithm was modified to optimize the global path. In order to simulate the real ant colonies, according to the foraging behavior of ant colonies and the characteristic of food, conceptions of neighboring area and smell area were presented. The former can ensure the diversity of paths and the latter ensures that each ant can reach the goal. Then the whole path was divided into three parts and ACO was used to search the second part path. When the three parts pathes were adjusted, the final path was found. The valid path and invalid path were defined to ensure the path valid. Finally, the strategies of the pheromone search were applied to search the optimum path. However, when only the pheromone was used to search the optimum path, ACO converges easily. In order to avoid this premature convergence, combining pheromone search and random search, a hybrid ant colony algorithm（HACO） was used to find the optimum path. The comparison between ACO and HACO shows that HACO can be used to find the shortest path.     

增强蚁群算法的机器人最优路径规划

为解决复杂环境中机器人最优路径规划问题,本文结合增强学习和人工势场法的原理,提出一种基于增强势场优化的机器人路径规划方法,引入增强学习思想对人工势场法进行自适应路径规划.再把该规划结果作为先验知识,对蚁群算法进行初始化,提高了蚁群算法的优化效率,同时克服了传统人工势场法的局部极小问题.仿真实验结果表明,该方法在复杂环境中,对机器人的路径规划效果令人满意.     

移动机器人路径规划方法的研究与展望

路径规划是移动机器人技术研究的重要分支之一.介绍并分析了路径规划的分类,重点阐述了全局路径规划及局部路径规划的方法并指出了它们的优点与不足.最后对移动机器人路径规划技术未来的研究方向进行了展望.     

随动系统中机器人行走路径的规划研究

把模糊控制算法引入到神经网络中,从而使得模糊控制器规则的在线精度和神经网络的学习速度均有较大的提高,使移动机器人具有较为迅速的反应能力。实验室仿真证明了模糊神经网络在移动机器人路径选择中的智能性。     

基于混沌控制的多目标不确定环境下移动机器人路径规划

针对多目标不确定环境下移动机器人路径规划算法复杂的问题,提出了一种新的规划算法———混沌控制算法.该算法利用混沌控制原理,根据检测到的目标位置信息,分别采用线性和非线性方法构造目标函数,然后通过牛顿定理,进行路径规划,求出规划节点.最后对算法进行了模拟仿真.仿真结果表明,构造的目标函数在每个目标点周围形成了收敛区域,机器人移向哪一个目标点,由它的初始状态所在的吸引域决定,不必再施加其它控制.这样减少了规划的计算量,提高了路径规划的速度和精度,为以后研究包含多障碍物的不确定环境下的路径规划奠定了基础.     

基于人工势场与细胞自动机的移动机器人路径规划算法

提出了一种基于细胞自动机（Cellular Automata,CA）和人工势场的全向移动机器人路径规划算法,并通过一个4层的细胞自动机模型实现了该算法。通过构造扩张的障碍占位网格地图可在规划算法中将机器人简化为一个点,然后通过建立数值化的障碍人工势场图来考虑障碍物的局部影响,并使用CA模型得到距离传播图,最后通过搜索势场超曲面的最小值获得从起始点到目标点的最优无碰撞路径。仿真结果表明,提出的算法可以获得最优无碰撞路径,最优路径足够光滑且与障碍有较大的安全距离,便于全向移动机器人跟踪。     

基于粗糙集移动机器人微种群路径规划算法

针对机器人的路径规划,提出了一种将粗糙集和微种群遗传算法相结合的路径规划算法.该算法采用栅格法划分机器人的工作空间,十进制路径编码方式.在粗糙集生成初始路径的基础上,通过运用微种群遗传算法对这些初始路径进行优化后,得到了一条最优或近似最优路径.在Matlab环境进行的机器人路径规划仿真实验中,笔者用到的微种群遗传算法与一般遗传算法相比,具有优化效果明显,环境适应性强等优点,能够有效地提高机器人路径规划速度,结果表明作者提出的方法是正确和有效的.     

基于可拓遗传算法的机器人路径规划

在遗传算法基础上,用扩展物元来表示机器人的位置信息,使计算机能够较容易读懂这种语言,加快了计算速度;用关联函数作为遗传算法的适应度函数,使算法更容易找到最优化路径;采用可拓工程方法中的三种可拓变换形式,丰富了遗传算法的变异方式．实验证明,可拓遗传算法的机器人路径规划能有效提高的机器人路径规划的速度和准确性．     

两轮差速机器人运动学分析和控制研究

为了解决机器人路径规划模块在为非完整轮式移动机器人规划路径时,若要实现规划轨迹平滑且完全满足机器人的运动学约束,则需要精确的机器人工作环境的地图信息,从而大幅度地增加了路径规划算法的计算量的问题,首先利用较为粗略的环境地图信息规划路径,再将机器人转弯部分的路径进行函数插值,使整个路径规划满足机器人运动学约束且计算量增加较少.现有的机器人轨迹描述方程不能满足对机器人转弯轨迹进行精确插值的需要,因此提出分别利用曲线拟合法和泰勒插值法来构建非完整轮式移动机器人转弯轨迹的时域非微分描述方程.实验结果显示,所述机器人轨迹非微分时域描述方程可以用于对机器人路径规划的插值,降低了算法的计算量.

     

基于势场栅格法的机器人全局路径规划

综合势场法和栅格法的优点，提出了一个新的全局路径规划方法——势场栅格法、算法在避免局部最优点和降低计算量方面，有着良好的效果；并且可以自动确定栅格粒度．最后，文章分析了影响算法精度的因素，仿真试验表明此算法有良好的可行性和有效性．     

一种移动机器人的全局动态运动规划方法

将遗传算法用于移动机器人的动态避障运动规划,使机器人在满足速度及加速度约束的前提下,按规划的运动规律运动,在实现动态避障的同时,从起始点到目标点耗时最少．为利用遗传算法实时、稳定地进行动态运动规划,将复杂的二维编码问题简化为一维编码问题,把边界约束、速度和加速度约束、动态避障、耗时最少要求融合为一个简洁的适应度函数．仿真实验表明了该方法的有效性．     

一种动态不确定环境下的机器人路径规划算法

为了提高机器人在动态不确定环境下的实时性和适应能力,提出了一种机器人实时路径规划新方法.采用环境信息处理算法,通过搜索实时局部环境信息特征信息的方式对环境信息进行分析和处理.该方法能够捕捉动态障碍物并对动态障碍物的运动规律进行预测,将特征信息及时更新给运动动作规划算法部分.运动动作规划算法是通过引入启发式思想选择双安全子目标点,完成规划运动动作并实现优化路径.在不同环境下进行仿真实验,检验了算法的有效性,证明算法在动态不确定环境下具有良好的实时性和适应性。