移动机器人的智能导航研究

研究移动机器人优化导航问题,由于系统在动态未知、复杂环境下,研究自主移动机器人导航问题,首先将行为优先级控制与模糊逻辑控制相结合提出了四种基本的行为控制方案:目标查找、避障碍物、目标跟踪与解锁,并采用模糊控制器来实现.然后针对’U’型和’V’型障碍物运行解锁问题,提出了行走路径记忆方法,通过构建虚拟墙来进免机器人再次走...     

一种混合结构的移动机器人导航控制策略

研究了未知环境下移动机器人实时的导航控制问题.采用分布式系统将反射式行为、反应式行为与慎思规划相结合,设计了移动机器人导航控制策略.根据激光雷达传感器信息设计了基于栅格的实时避障算法和解锁策略.通过慎思规划解决了复杂环境下的局部势能陷阱问题.通过自行研制的移动机器人IMR01的实验验证了导航策略的有效性.     

基于接触时间的移动机器人安全导航

自主移动机器人在动态未知环境中导航存在安全隐患。为了提高导航安全性,提出一种基于接触时间的导航环境表示方法,即接触时间空间。将接触时间作为导航环境中危险评价指标,利用线速度和角速度计算机器人与障碍物之间任意两点接触时间,通过算法将导航过程中的构型空间映射为接触时间空间。将接触时间空间应用于经典行为动力学导航方法,与经典行为动力学导航方法和结合速度障碍物的行为动力学的导航方法仿真对比,结果表明接触时间空间可以提高自主移动机器人的导航安全性。     

未知环境下基于FSA的移动机器人导航策略

采用2D激光雷达作为主要传感器,设计了一种未知室内环境下的移动机器人导航策略;该策略首先把机器人室内环境下的导航行为分为3个状态集:墙壁导航、走廊导航和通路导航,然后利用有限状态自动机的原理把这几种状态集融合到一起,构成了一种移动机器人自主探索未知环境的导航策略;该策略的特点在于不依赖里程计的信息,并且也不需要任何的环境地图,实现起来快速准确,对于环境的变化具有较强的鲁棒性;将该策略应用到移动机器人MORCS-1上进行了测试,实验结果表明了算法具有良好的实时性与可靠性.     

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     

基于主动视觉和超声的机器人目标跟踪系统

运动目标跟踪技术是未知环境下移动机器人研究领域的一个重要研究方向。该文提出了一种基于主动视觉和超声信息的移动机器人运动目标跟踪设计方法,利用一台SONY EV-D31彩色摄像机、自主研制的摄像机控制模块、图像采集与处理单元等构建了主动视觉系统。移动机器人采用了基于行为的分布式控制体系结构,利用主动视觉锁定运动目标,通过超声系统感知外部环境信息,能在未知的、动态的、非结构化复杂环境中可靠地跟踪运动目标。实验表明机器人具有较高的鲁棒性,运动目标跟踪系统运行可靠。     

基于模糊控制器的机器人路径规划研究

针对复杂环境下移动机器人路径规划实际问题,提出了一种基于行为的移动机器人控制体系结构,设计了一种基于模糊控制器的移动机器人实时路径规划算法,为移动机器人在未知环境中的导航提出了一种新的思路.仿真结果表明,移动机器人能够克服环境中的不确定性,可靠地完成复杂任务,该算法有计算量小,效率高,鲁棒性好等优点.     

基于强化学习和模糊逻辑的移动机器人导航

自主导航是移动机器人的一项关键技术。该文采用强化学习结合模糊逻辑的方法实现了未知环境下自主式移动机机器人的导航控制。文中首先介绍了强化学习原理,然后设计了一种未知环境下机器人导航框架。该框架由避碰模块、寻找目标模块和行为选择模块组成。针对该框架,提出了一种基于强化学习和模糊逻辑的学习、规划算法：在对避碰和寻找目标行为进行独立学习后,利用超声波传感器得到的环境信息进行行为选择,使机器人在成功避碰的同时到达目标点。最后通过大量的仿真实验,证明了算法的有效性。     

基于动态精简式混合地图的移动机器人自主探索

针对未知环境下移动机器人自主探索和地图创建问题,在机器人操作系统的框架下,提出一种基于动态精简式混合地图的移动机器人自主探索方法.首先,提出一种基于几何规则的候选目标点生成方法,用于快速提取当前的前沿目标点;然后,从信息收益和路径成本的角度,引入一种改进的效用函数来评价候选目标点;最后,利用缓存增量式的原理优化拓扑节点,进而构建精简式混合地图.实验结果表明,通过拓扑图构建策略的改进,所提出方法具有良好的导航性能.     

实时更新的全局一致三维栅格建图

在未知的三维环境中,移动机器人自主导航通常需要实时构建与环境全局一致的栅格地图,而现有大部分系统缺少地图更新策略,构建的栅格地图与实际环境不一致.文中将同步定位与建图模块获得的环境信息以点云形式提供给栅格建图模块处理,同时提出基于关键帧的高效数据结构和地图实时更新策略,实时构建可用于移动机器人自主导航的全局一致的地图.室内动态的实验数据测试表明,文中方法可以有效实时更新地图,生成与环境一致的三维栅格地图,支持其后续的自主导航操作.     

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。     

Navigation of Mobile Robots Using a Fuzzy Logic Controller

This paper describes a mobile robot navigation control system based on fuzzy logic. Fuzzy rules embedded in the controller of a mobile robot enable it to avoid obstacles in a cluttered environment that includes other mobile robots. So that the robots do not collide against one another, each robot also incorporates a set of collision prevention rules implemented as a Petri Net model within its controller. The navigation control system has been tested in simulation and on actual mobile robots. The paper presents the results of the tests to demonstrate that the system enables multiple robots to roam freely searching for and successfully finding targets in an unknown environment containing obstacles without hitting the obstacles or one another.     

A Fuzzy–Braitenberg Navigation Strategy for Differential Drive Mobile Robots

In this paper, a novel algorithm is developed to achieve efficient and smooth navigation for a differential drive mobile robot in unknown environments. The algorithm takes advantage of the essential characteristics of a differential drive robot and combines fuzzy logic with the ideas of Braitenberg vehicles. We have also proposed and tested a new technique for tuning a membership function referred to as NEAR, representing the closeness of the robot to an obstacle. The tuning scheme is obtained based on the distribution directives of the range sensors on the robot. The resulting navigation algorithm has been implemented on a real mobile robot and tested in various environments. Some problems in the implemented algorithm are identified and effective solutions are proposed. Experimental results are presented which demonstrate the effectiveness and improved performance of the resulting Fuzzy–Braitenberg navigation scheme.This research was supported in part by the National Sciences and Engineering Research Council (NSERC) of Canada under grants RGPIN1345 and RGPIN227612, and the Canada Foundation for Innovation under the New Opportunities Program.     

A 3-level autonomous mobile robot navigation system designed by using reasoning/search approaches

This paper describes how soft computing methodologies such as fuzzy logic, genetic algorithms and the Dempster–Shafer theory of evidence can be applied in a mobile robot navigation system. The navigation system that is considered has three navigation subsystems. The lower-level subsystem deals with the control of linear and angular volocities using a multivariable PI controller described with a full matrix. The position control of the mobile robot is at a medium level and is nonlinear. The nonlinear control design is implemented by a backstepping algorithm whose parameters are adjusted by a genetic algorithm. We propose a new extension of the controller mentioned, in order to rapidly decrease the control torques needed to achieve the desired position and orientation of the mobile robot. The high-level subsystem uses fuzzy logic and the Dempster–Shafer evidence theory to design a fusion of sensor data, map building, and path planning tasks. The fuzzy/evidence navigation based on the building of a local map, represented as an occupancy grid, with the time update is proven to be suitable for real-time applications. The path planning algorithm is based on a modified potential field method. In this algorithm, the fuzzy rules for selecting the relevant obstacles for robot motion are introduced. Also, suitable steps are taken to pull the robot out of the local minima. Particular attention is paid to detection of the robot’s trapped state and its avoidance. One of the main issues in this paper is to reduce the complexity of planning algorithms and minimize the cost of the search. The performance of the proposed system is investigated using a dynamic model of a mobile robot. Simulation results show a good quality of position tracking capabilities and obstacle avoidance behavior of the mobile robot.     

在未知环境中基于模糊逻辑的移动机器人行为控制

本文介绍了一种在未知环境中基于模糊逻辑的移动机器人行为控制方法．传统的行为控制方法存在两个弱点：①行为不易描述；②多个行为之间的冲突和竞争难以协调．这篇文章的主要思想是将模糊逻辑控制与行为控制相结合致使这两个问题得到有效的解决．仿真实验结果表明：所提的方法通过多个行为如避障边沿行走和目标导向的融合，能够有效地对机器人在复杂和未知环境中导航．另外，该方法还适用于多传感器的融合与集成．     

移动机器人的可重构控制系统

针对未知环境下如何提高移动机器人导航控制系统的柔性和鲁棒性,分析了复杂控制系统（Complex Control System）的体系结构,以异构多Agent系统理论为基础,提出了一种可在多个层次上动态重构的控制系统设计方案,有效地增强了移动机器人的适应能力,为实现控制系统跟随任务和环境变化而动态配置提供了一条可行的途径。设计方案在移动机器人MORCS-I上得到了初步的技术验证,部分实验数据展示了重构控制的实际效果,所具有的通用性表明其亦适合应用于其他类型的复杂控制系统。     

A layered goal-oriented fuzzy motion planning strategy for mobile robot navigation.

Most conventional motion planning algorithms that are based on the model of the environment cannot perform well when dealing with the navigation problem for real-world mobile robots where the environment is unknown and can change dynamically. In this paper, a layered goal-oriented motion planning strategy using fuzzy logic is developed for a mobile robot navigating in an unknown environment. The information about the global goal and the long-range sensory data are used by the first layer of the planner to produce an intermediate goal, referred to as the way-point, that gives a favorable direction in terms of seeking the goal within the detected area. The second layer of the planner takes this way-point as a subgoal and, using short-range sensory data, guides the robot to reach the subgoal while avoiding collisions. The resulting path, connecting an initial point to a goal position, is similar to the path produced by the visibility graph motion planning method, but in this approach there is no assumption about the environment. Due to its simplicity and capability for real-time implementation, fuzzy logic has been used for the proposed motion planning strategy. The resulting navigation system is implemented on a real mobile robot, Koala, and tested in various environments. Experimental results are presented which demonstrate the effectiveness of the proposed fuzzy navigation system.     

一种改进的未知动态环境下机器人混合路径规划方法

动态未知环境下的机器人路径规划是机器人导航领域的重要课题之一,采用传统的方法求解并不理想。针对这个问题,提出一种改进的机器人混合路径规划方法。首先利用改进的文化基因算法规划出较优的全局路径,指引机器人沿着全局路径行走,然后根据传感器探测到的局部环境信息,利用Morphin算法进行局部路径实时规划,使机器人有效地躲避动态障碍物。仿真实验表明,该算法在未知动态路径规划中具有良好的效果。     

未知远程环境下移动机器人导航的并行进化模型

本文分析了未知远程环境下移动机器人导航过程中进化学习的效率和知识更新 问题，提出了并行进化模型来解决此问题，并设计和论证了高效的并行进化计算机．最后通 过实验和仿真证实基于并行进化模型移动机器人在未知环境中导航是可行的和有效的．     

移动机器人行为参数的PSO多目标优化

根据移动机器人的导航任务,提出基于粒子群优化(PSO)算法的行为参数多目标分层优化方法。将导航方向与导航速度相关的参数按优先级进行PSO算法分层选取,使机器人在路径近似最优的基础上实现导航时间最少。仿真结果表明,该方法可以提高导航效率,实现导航决策的逐步求精,从而改善机器人在未知环境下的自主导航性能。