基于人工协调场的多移动机器人实时协调避碰规划

为克服传统人工势场在动态未知环境下机器人避碰规划中存在的缺陷,提出人工协调场法(ACF).将场函数与机器人的风险状态相结合,给出并讨论了人工协调场的基本设计.基于人工协调场,考虑机器人的运动约束,实现了多机器人之间以及机器人与环境间的实时协调避碰,提出了一个多移动机器人无死锁实时避碰规划算法.理论分析和仿真试验证明所提方法的有效性.     

基于改进人工势场法的足球机器人避碰控制

本文在分析足球机器人避碰的特点及传统人工势场法不足的基础上，提出了引入 障碍物的速度和加速度矢量的改进人工势场法，用于足球机器人的避碰控制．仿真实验表明 ，这种方法是可行的，并弥补了传统人工势场法的不足．     

一种基于效益的多机器人避碰协调策略

多移动机器人系统在完成同时定位和地图构建SLAM任务时,机器人之间常常存在相互碰撞的问题,而这种碰撞的避免又不同于一般的避障,因为避障问题中的障碍物一般是不动的。为了解决机器人之间的避碰问题,提出了一种基于效益的多机器人避碰协调策略。该策略以提高多机器人系统探索效率为主,确定机器人通过交叉路口的顺序。同时考虑了动态协调避碰的情况,给出了确定机器人通过交叉路口顺序的算法。通过机器人在交叉路口实现避碰协调算法的仿真示例,对该方法的避碰协调过程进行了说明,并对仿真结果进行了分析,同时对仿真中机器人和目标位置的空间关系给出了合理的假设。     

机器人避碰规划综述

避碰规划是机器人控制技术研究中的一个重要问题,目前的研究主要分为两大类：全局方法和局部方法,全局方法一般指C空间方法,局部方法一般批人工势场法。本文综述了近二十年有关这方面研究的一些较有影响的思想和方法（主要针对关节式机械臂避碰规划）。     

基于改进速度障碍法的多机器人避碰规划算法

针对多移动机器人运动协调中的动态安全避碰问题,在分析速度障碍法原理的基础上,设计用于机器人之间相互避让的互动速度法则,并通过制定机器人的碰撞时间、碰撞距离因子对构型障碍的大小进行实时调整,把运动障碍物、动力学约束下的多步可达窗口、目标点都映射到一种速度变化空间当中,使多机器人的动态避碰问题转化为一种最优化问题,并构造了新的优化评价函数;设计了基于改进速度障碍法的机器人动态避碰规划算法。仿真实验表明,该方法有效地克服了碰撞冲突,实现了多机器人之间的运动协调控制,提高了机器人追踪运动目标的快速性。     

未知环境下分布式多机器人避碰协作算法

针对多机器人协作问题,提出一种未知环境下分布式多机器人协作避碰算法。该算法基于分布式投标模型协调多机器人运动,改进过去算法的前提假设,综合考虑机器人的实际尺寸和传感误差,通过自适应设定投标时间,提高算法的效率,针对通信延时引起的信息不一致,采用按优先级顺序进行探测的方法。仿真实验验证了该算法的可行性。     

自治水下机器人避碰算法及其仿真研究

为了提高水下机器人(AUV)在复杂海洋环境下的自适应性,文章对传统的避碰方法进行了改进.对AUV的禁入区和潜在碰撞区进行了安全性分析.建立了前视声纳模型以及三维水下规划空间模型.提出了基于强化学习、BP神经网络及人工势场相结合的避碰算法.在AUV与环境的试错交互中,借助于来自成功和失败经验的奖励和惩罚值,不断改进水下机器人的自治能力.设计了AUV深度行为模糊协调器, 对潜深行为和距底高度行为进行协调融合.开发了AUV运动规划与仿真的半实物软件系统,仿真试验证明了算法的合理性与可行性.研究对于提高AUV的自主性和安全性具有重要的应用价值.     

基于初等运动的多机器人避碰及死锁预防

该文以一实际应用为背景提出了多移动机器人避碰及死锁预防算法,该算法将机器人的运行环境形式化地描述为初等运动集、冲突图、总任务集及机器人作业集,利用集合论、图论的有关方法及技术实现了多机器人间的避碰与死锁预防。当机器人的运行环境改变时,只需要对相应的集合描述文件进行修改,而不用对程序做任何屐改动。算法的另一个特点是利用避碰算法巧妙地完成了死锁预防。仿真和实际运行证明了该算法高效可靠。     

一种改进势场法在多移动机器人避碰规划中的应用

基于人工势场法原理建立了移动机器人避障模型,对人工势场法的“势场陷阱”问题进行了重点分析,对动态停止“势场陷阱”和徘徊抖动“势场陷阱”问题分别采用“随机扰动法”和“动态步长折半法”处理,并把它用到多移动机器人避碰规划中,仿真结果表明改进效果明显。     

多机器人系统中的动态避碰规划

研究冲突区域中多机器人间的协调和避碰问题。采用集中-分布相结合的规划方法，根据系统的拓扑结构为每个机器人规划路径，在冲突区域内使用优先级策略对机器人的运动特征进行分布式规划。通过上下层智能的融合，提高整个系统的智能。     

Formation control for multi-robot systems with collision avoidance

In this paper, distributed formation is studied for a team of mobile robots including leaders and followers. Followers are able to sense the relative displacements to neighbouring followers and all of the leaders, and the leaders can be sensed by the followers. Based on such assumption of sensing, distributed formation control scheme is designed, under which both followers team and leaders team are fully independent. The followers and leaders have exchangeable roles within their own group. The leaders can have an arbitrary formation, and around the leaders, the followers need to reach a regular polygon formation with a suitable orientation. Distributed control laws and localised collision avoidance algorithms are designed for each follower, and they use only local displacements. Speed and acceleration sensors are avoided. As the leaders and the followers are independent and exchangeable, both robot teams are scalable and robust against member failures and system delays.     

基于遗传算法的多机器人系统最优轨迹规划

针对关节型多机器人系统在静态环境下的点到点的轨迹规划问题,提出了一种基于遗传算法的最优轨迹规划策略.采用遗传算法在综合考虑各机器人沿轨迹运动的安全性、运动代价以及运动学约束的基础上为单个机器人规划最优的运动轨迹,并通过协调各机器人沿预定轨迹运行的时间避免机器人之间碰撞的发生.针对含有3个二自由度平面关节型机器人的多机器人系统进行了仿真实验,实验结果验证了该方法的有效性.     

基于模糊改进人工势场法的机器人避障方法研究

在内部密封、狭窄、多障碍的船舱环境中,障碍物的分布具有随机性和不确定性,对于移动机器人的避障方法而言,传统人工势场法存在目标不可达、局部极小值等问题.设计了一种基于模糊逻辑的改进人工势场法,在避障算法的局部极小值附近,基于模糊逻辑给予移动机器人辅助控制力,帮助机器人逃离局部极小值点,避免机器人在避障过程中陷入局部极小值点的问题,并且优化路径.仿真实验表明:在多障碍复杂环境下,该算法能实现机器人实时、安全的避障.     

改进萤火虫算法求解多机器人路径规划

为解决多机器人在静态环境中的路径规划问题,以路径长度为优化目标模型,并针对此模型设计了多机器人萤火虫算法(MR-FA)。首先,考虑到路径安全性对环境中的障碍物采取扩张操作,设计初始化规则以提高生成初始种群的效率;其次,根据算法的连续性原理及特点,设计个体等长策略将维度不一致的个体转变为等维度个体以便于萤火虫的移动更新,并对移动更新后的不可行解采取路径修正策略;然后对规划出的每个机器人的移动路径进行碰撞检测,同时针对机器人不同的碰撞情况设计相应的避碰策略,即暂停—回退策略(PFS)、局部路径重规划策略(LPRS);最后,为验证MR-FA的有效性,在三组环境中进行仿真实验并与其他三种算法进行对比,综合得出MR-FA在解决多机器人路径规划时更有优势。     

一种基于离散时间一致性理论的多机器人分布式巡逻算法

在多机器人巡逻任务中,由于通信距离的限制,单个机器人很难获得全局信息。然而,现有的大多数多机器人分布式巡逻算法都要求每个机器人获得其巡逻区域的全局信息进行决策。因此,考虑到通信半径约束和局部信息约束,为了通过相邻机器人之间的交互完成巡逻任务,基于离散时间一致性理论提出了两种巡逻算法。算法1使用全局信息进行决策,算法2基于离散时间一致性理论实现局部信息对全局信息的预测进行决策。通过模拟器Stage对所提算法与对比算法在不同机器人数量、通信半径、地图环境下进行了对比。实验验证了所提出的基于局部信息的分布式多机器人巡逻算法具有与原算法类似的特性和性能,能够使机器人在没有全局信息的情况下判断全局状态,并基于邻居之间的协商完成巡逻任务。     

基于并列选择遗传算法的多机器人协作探测

多机器人系统在执行探测任务时,存在多个机器人同时选择相同探测区域而造成碰撞几率增加和探测效率降低的问题.在原有并列选择遗传算法的基础上,提出了一种改进的遗传算法.仿真和实验结果表明,将该算法应用于多机器人协作区域探测,可以减小机器人之间的碰撞几率,提高多机器人系统的探测效率.     

关于足球机器人避障控制的研究

介绍了足球机器人避障控制的特点,障碍物的数学描述和检测方法,把人工势场理论引入到足球机器 人避障控制中,并分析了人工势场法的优点和不足.     

Collision avoidance strategy optimization based on danger immune algorithm

Marine collision accidents cause a great loss of lives and property. As a possible solution, the danger immune algorithm is used to achieve ship collision avoidance strategy optimization, which is a multi-objective problem concerning safety and economy. Collision avoidance operations are encoded as the individuals of optimization algorithm. In the system, ship domain and ship arena, among others, are used for collision risk evaluation to assess the fitness of individuals. Through the optimization, the navigator will obtain the optimal collision avoidance strategy to achieve safe and efficient collision avoidance. The simulations indicate that the optimization algorithm is valid.