基于激光雷达的移动机器人避障规划仿真研究

对传统矢量场直方图算法进行改进,使其成为一种适用于将激光雷达作为探测仪的室外避障规划算法。将激光雷达数据作为依据,以自适应阈值为条件,通过对目标航向进行规划,获得机器人行进方向的实时避障算法。当机器人与目标点之间存在障碍物时,以最大阈值获得机器人的目标航向,而当机器人与目标点之间无障碍物时,以最小阈值确保机器人行进过程不会与障碍物发生碰撞。仿真结果表明,在复杂障碍物环境中,当机器人行进速度低于0.8 m/s时,可安全而平滑地通过障碍区,到达目标点;当机器人的行进速度高于0.8 m/s时,虽速度过快,机器人与平台之间会有轻微的剐蹭,但最终亦能到达目标点。     

水面无人艇模糊近域图避障方法研究

针对复杂海洋环境下水面无人艇(USV)的危险规避问题,介绍一种基于局部环境信息感知的避障算法——近域图(ND)法。结合 USV高速的特性及ND法在速度控制上的跳跃性,采用模糊理论平滑速度输出,对ND法进行改进。在速度控制中加入与周围障碍物距离相关的动态系数,从而减小USV自身惯性带来的危险规避动作误差,提高了其安全性。VxWorks系统下的仿真结果表明,改进的模糊ND法能够使USV在复杂的环境下准确、快速地躲避障碍物并到达目标点。     

人机协作下的机械臂轨迹生成与修正方法

针对日常生活中多障碍物环境下的服务机器人机械臂轨迹规划问题,提出了一种人机协作下的轨迹生成与修正方法.首先,基于动态动作基元(DMP)模型,设计了一个能生成与示教轨迹形状相似的路径的方法.该方法针对多自由度耦合产生的轨迹形状畸变问题,通过将3维目标点投影于示教轨迹平面,再利用罗德里格旋转公式生成3维路径,保证了生成轨迹在各个方向都具有较稳定的形状特征.其次,针对存在多种形状障碍物的复杂操作环境,提出了通过插入交互点对轨迹形状进行修正的方法.并采用双抛物线插值算法使修正后的轨迹平滑.最后,基于人机协作的思想,在ROS(robot operating system)环境下搭建一个交互界面.从而操作者能够直观地辅助机械臂完成无障碍物和有障碍物的情况下的末端轨迹生成和修正.实验结果验证了该方法的直观性和灵活性,该方法适用于具有多种障碍物的复杂日常环境.     

改进A*算法的移动机器人最短路径规划

针对复杂室内环境下移动机器人路径规划存在实时性差的问题,通过对Dijkstra算法、传统A^*算法以及一些改进的A^*算法的分析比较,提出了对A^*算法的进一步改进的思路。首先对当前节点及其父节点的估计路径代价进行指数衰减的方式加权,使得A^*算法在离目标点较远时能够很快地向目标点靠近,在距目标点较近时能够局部细致搜索保证目标点附近障碍物较多时目标可达;然后对生成的路径进行五次多项式平滑处理,使得路径进一步缩短且便于机器人控制。仿真结果表明,改进算法较传统A^*算法时间减少93.8%,路径长度缩短17.6%、无90°转折点,使得机器人可以连续不停顿地跟踪所规划路径到达目标。在不同的场景下,对所提算法进行验证,结果表明所提算法能够适应不同的环境且有很好的实时性。     

基于势场栅格法的移动机器人避障路径规划

针对传统人工势场法应用于移动机器人避障路径规划存在的缺陷,建立了改进的人工势场模型,通过在障碍物的斥力势场函数中增加最小安全距离,同时考虑机器人与目标点的相对距离,成功地解决了障碍物附近目标不可达(Good Nonreachable with Obstacles Nearby GNRON)的问题。此外,针对传统人工势场法的局部极小点和障碍物附近目标不可达同时存在的问题,提出了以改进人工势场法为主,栅格法为辅的方案来实施避障,使得机器人能够尽快地脱离局部极小并成功地绕过障碍物到达目标点。采用栅格法对改进人工势场法做辅助决策,弥补了改进人工势场法的不足,使机器人能够顺利到达势场的全局最小点,提高了避障路径规划的安全性和可达性。论文利用Matlab进行了算法仿真,结果证明了所提方法的正确性和有效性。     

机器人二维环境下仿人虚拟力场避障研究

动态环境下避障是机器人实现自主运动的关键。首先建立了适合虚拟力场算法的机器人工作环境数学描述。将人避障行走策略引入虚拟力场中,具体包括：设计了单元格障碍物可信度的邻域平滑累积值计算方法,模拟人对移动障碍物的躲避策略;建立可信度的不确定推理计算方法,处理信号和环境存在干扰问题;设计了基于目标点方位角的吸引力计算公式来解决目标点超出感知空间问题;设计了变权重加权排斥力计算方法,使机器人对前进方向的障碍更敏感;借鉴人绕开障碍物策略,采用临时旋转目标点方向得到的虚拟目标点来使机器人沿障碍物运动直到绕开。针对房间和街面环境,在MobotSim平台上进行仿真实验,给出了实验结果和分析。在合理设置参数下,机器人能避开障碍物到达目标点,且避障路径优于传统的虚拟力场方法。结果验证了该方法的有效性。     

基于三维环境模型的启发式路径规划算法

针对多自由度机器人手臂在未知环境中实时避障的问题,提出了一种基于环境信息的连杆机器人实时路径规划方法。采用笛卡尔空间内的障碍物检测信息建立了障碍物的空间模型,并依据该模型设计一种基于启发式规则的机器人路径规划算法。该算法不断猜测和修正路径,通过模糊推理得到下一位姿点,通过曲线拟合得到到达该位姿点的路径。在Matlab下利用机器人工具箱建立了PUMA560型机器人的运动学模型,并在运动空间设置障碍物,对该算法进行仿真分析,分析结果说明所提出的路径规划算法可以在较短时间内完成避障运动,具有较好的实时性,同时运动关节的角度变化曲线比较平滑,运动中冲击力较小,这些特点使其便于在实际工程中使用。     

多智能体同时到达多目标点的协同强化学习算法

针对动态未知环境下多智能体多目标协同问题,为实现在动态未知环境下多个智能体能够同时到达所有目标点,设计函数式奖励函数,对强化学习算法进行改进.智能体与环境交互,不断重复"探索-学习-决策"过程,在与环境的交互中积累经验并优化策略,在未预先分配目标点的情况下,智能体通过协同决策,能够避开环境中的静态障碍物和动态障碍物,同时到达所有目标点.仿真结果表明,该算法相比现有多智能体协同方法的学习速度平均提高约42.86％,同时智能体能够获得更多的奖励,可以做到自主决策自主分配目标,并且实现同时到达所有目标点的目标.     

穿越稠密障碍物的自适应动态窗口法

针对应用广泛的局部避障算法-----动态窗口法(DWA)穿越稠密障碍物时存在路径不合理、速度和安全性不能兼顾等问题,提出参数自适应的DWA算法,根据机器人与障碍物距离和障碍物的密集度自动调整目标函数中的权值,以自适应环境的动态变化,从而获得移动机器人的最佳运行速度和合理路径.该方法可明显改善机器人穿越稠密障碍物区域时的性能;同时,该方法还可避免机器人从密集障碍物区域外绕行以及轨迹不平滑现象.仿真实验表明:改进的DWA算法在复杂环境中通过逐步优化可使运行轨迹更加合理,能够同时兼顾路径平滑性和安全性;机器人在离稠密障碍物较远处保持高速,通过狭窄通道或者稠密障碍物区域时速度适当降低,安全性更高,实验中总迭代次数和运行时间可缩短20%以上.     

自反馈生物激励神经网络机器人路径规划

针对传统神经网络机器人路径规划中存在需要学习,对运动目标追踪速度较慢的问题,提出了一种带自反馈的生物激励神经网络机器人路径规划方法。该机器人路径规划算法的路径生成过程是由神经网络组成的动态变化的神经元活性值状态路线图来实现的。通过神经元活性值的传播,机器人被目标点全局吸引,同时障碍物使自己处在活性值最低点,起到推开机器人以避免碰撞的目的,为了增强算法对运动目标的追踪能力引入了新的权值函数求取方法。仿真结果表明该方法生成的路径是连续的、平滑的,比原方法产生的路径更优,并且算法能对快速变化的动态环境作出迅速反应。     

基于改进PPO算法的机器人局部路径规划

利用强化学习训练机器人局部路径规划模型存在算法收敛速度慢、易陷入死锁区域导致目标不可达等问题。对传统近端策略优化(PPO)算法进行改进,引入长短期记忆(LSTM)神经网络并设计虚拟目标点法,提出LSTM-PPO算法。将PPO神经网络结构中的全连接层替换为LSTM记忆单元,控制样本信息的记忆和遗忘程度,优先学习奖励值高的样本,从而更快地累积奖励优化模型。在此基础上,加入虚拟目标点,通过雷达传感器收集的环境信息判断机器人陷入死锁区域时弃用目标点给予机器人的引导,使机器人走出陷阱区域并趋向目标点,减少在死锁区域不必要的训练。分别在特殊障碍物场景和混合障碍物场景中对LSTM-PPO算法进行仿真验证,结果表明,与传统PPO算法和改进算法SDAS-PPO相比,该算法在两种场景训练中均能最快到达奖励峰值,可加快模型收敛速度,减少冗余路段,优化路径平滑度并缩短路径长度。     

基于改进DQN算法的机器人路径规划

传统深度Q网络(DQN)算法通过融合深度神经网络和强化学习方法,解决了Q-learning算法在应对复杂环境时出现的维数灾难问题,被广泛应用于移动机器人的路径规划,但传统DQN算法的网络收敛速度较慢,路径规划效果较差,难以在较少的训练回合内获取最优路径。为了解决上述问题,提出一种改进的ERDQN算法。通过记录重复状态出现的频率,利用该频率重新计算Q值,使得在网络训练的过程中一种状态重复出现的次数越多,下一次出现该状态的概率越低,从而提高机器人对环境的探索能力,在一定程度上降低了网络收敛于局部最优的风险,减少了网络收敛的训练回合。根据机器人移动方向和机器人与目标点的距离,重新设计奖励函数。机器人在靠近目标点时能够获得正奖励,远离目标点时能够获得负奖励,并通过当前机器人的移动方向和机器人与目标点的距离调整奖励的绝对值,从而使机器人能够在避开障碍物的前提下规划出更优路径。实验结果表明,与DQN算法相比,ERDQN算法的平均得分提高了18.9%,规划出的路径长度和回合数减少了约20.1%和500。上述结果证明了ERDQN算法能够有效提高网络收敛速度及路径规划性能。     

改进人工势场法在机器人路径规划中的应用

针对传统人工势场法中存在的一些局部极小点问题,提出了一种基于偏转角度的改进人工势场法。针对在传统的人工势场法中,障碍物在目标点附近使得机器人不能到达目标点问题,通过加入机器人与目标点之间距离参数的方法,使得移动机器人顺利到达指定目标点。对于机器人在行进过程中,产生局部极小点问题,即出现合力为零的时候,在机器人因受斥力和引力的作用下沿正常角度行驶时给其加入一个偏转角度,有效解决了路径规划失败的问题,规划出一条平滑无碰撞路径。通过仿真实验,可以验证算法改进的有效性。     

基于改进的CautiousBug算法的机器人局部路径规划

CautiousBug算法中机器人在沿障碍物边缘绕行时,基于螺线绕行规则不断地调整绕行方向以逃离局部极值点,但调整模式单一,缺乏灵活性。为使机器人更易快速逃离局部极值点,将目标点作为参考信息,在螺线绕行规则中添加了绕行方向调整条件,提出了改进的CautiousBug算法。每当机器人到达螺线绕行规则中的绕行方向调整点时,都要根据绕行方向调整条件来判定是调整绕行方向还是继续朝原方向递进绕行,最终使机器人向更靠近目标点的方向绕行。根据CautiousBug算法中机器人成功逃离局部极值点的条件,添加的绕行方向调整条件可使机器人更易快速逃离局部极值点。仿真结果验证了该算法的有效性。     

基于环境信息实时感知的图书存取机器人移动轨迹检测

为保证机器人在图书存取时,按照设定轨迹完成图书存取,研究基于环境信息实时感知的图书存取机器人移动轨迹检测方法。通过在机器人上搭载激光雷达设备,采集机器人移动环境三维点云数据;采用贝叶斯估计方法融合该数据后,基于图优化算法构建机器人移动地图;采用平滑接近图算法,检测机器人在地图中的移动方向角,结合机器人所有的方向角结果实现机器人移动轨迹检测。测试结果显示：该方法能可靠获取机器人移动环境的三维点云数据,清晰生成机器人移动地图,并呈现障碍物情况;机器人最大方向角度检测误差结果为1.23°;机器人的移动轨迹位置和指定位置结果吻合程度较高。     

改进的生物激励神经网络的机器人路径规划

介绍了基于生物激励神经网络的移动机器人路径规划。机器人的路径生成过程是由神经网络组成动态变化的神经元活性值状态路线图实现的。通过神经元活性值的传播,机器人被吸引到目标点,而同时障碍物使自己处在活性值最低点,起到推开机器人避碰的目的。仿真研究表明该方法生成的由起始点到目标点的路径是连续的、平滑的、避障的,不会陷入U形障碍物,与障碍物形状和所处位置无关,能对快速变化的环境做出迅速反应。但在当前位置邻近位置中具有最大活性值的位置不惟一的情况下,产生路径可能不理想,即到达目标点的避障路径是较长的,而不是最短或者是接近最短的。文中对该不足进行了分析,并提出了改进方法,使生成路径是最短的或是接近最短。对改进方法进行了仿真,实验结果证明该方法是有效的和可行的。     

基于传感器的非完整移动机器人运动规划

针对非完整移动机器人在未知室内环境中提出了一种路径规划方法, 通过利用传感器对周围环境的探测和实时处理传感器数据, 以及所设计的目标寻找函数, 可以有效地完成其运动规划. 该方法能够确保移动机器人在无障碍物区或障碍物对机器人不构成危险时加速前进, 在障碍物区能够慢速绕过, 从而使得移动机器人快速且安全地到达目标位置, 仿真的结果证明了该方法的有效性.     

改进的生物激励神经网络的机器人路径规划

介绍了基于生物激励神经网络的移动机器人路径规划。机器人的路径生成过程是由神经网络组成动态变化的冲经元活性值状态路线图实现的。通过神经元活性值的传播，机器人被吸引到目标点，而同时障碍物使自己处在活性值最低点，起到推开机器人避碰的目的。仿真研究表明该方法生成的由起始点到目标点的路径是连续的、平滑的．避障的，不会陷入U形障碍物，与障碍物形状和所处位置无关，能对快速变化的环境做出迅速反应。但在当前位置邻近位置中具有最大活性值的位置不惟一的情况下，产生路径可能不理想，即到达目标点的避障路径是较长的，而不是最短或者是接近最短的。文中对该不足进行了分析，并提出了改进方法，使生成路径是最短的或是接近最短。对改进方法进行了仿真，实验结果证明该方法是有效的和可行的。     

室内移动机器人自主避障研究

为了解决移动机器人在室内环境中的定位问题,设计航迹推测算法实时获取机器人的位姿信息。针对未知环境下的实时避障问题,提出基于多传感器信息融合的算法,用超声波、红外传感器对移动机器人周围的环境信息进行探测,进行数据融合,获得有效的距离信息。根据目标点信息和传感器测距信息,设计模糊控制器来实现实时避障行为。为了验证算法的可行性和有效性,在AS－R室内移动机器人平台上进行实物实验。实验结果表明：该方法能够引导机器人避开多个障碍物,到达目标点。     

基于行为的实时路径规划

针对室内移动机器人导航要求,开发了以二维激光雷达作为探测环境的传感器,基于4个反应式行为,设计了一种简单的实时路径规划算法.避障行为使机器人穿过狭小通道,或者在某些障碍物环境下绕出狭窄区域;接近行为使机器人顺着障碍物前进直到开阔地带;搜寻行为使机器人不断朝向目标运动;线性行为使机器人到达目标点.机器人表现出很强的路径寻找能力,并且不需要定位信息.仿真实验表明该算法速度快,实时性好,路径平滑无震荡,实现了有效避障.