未知环境下基于椭圆约束的机器人路径规划

针对未知环境下机器人路径规划问题,提出一种基于椭圆约束的路径规划方法。借助椭圆约束规划路径,将路径规划问题转化为椭圆参数优化问题。通过建立椭圆约束优化模型,引入障碍物和目标位置的约束,考虑机器人运动步长及运动方向的影响,实现复杂未知环境下机器人路径规划。基于不同算法的仿真实验结果表明,该方法有效解决了未知环境下机器人路径规划问题,在大量障碍物存在的未知环境,也能快速有效地进行无碰撞路径规划。     

情感决策的智能家居虚拟人路径规划

智能家居环境中的虚拟人,目前在智能性和行为规划的研究中还存在许多不足,针对这2方面问题,提出了认知过滤层的概念,并建立了虚拟人行为模型.在此基础上,对模型中的认知行为部分进行了深入研究,并利用现有情感模型将情感智能与虚拟人行为规划相结合.由于路径规划是一种基本且重要的行为,针对智能家居环境中多环形障碍物的特点,对路径规划算法进行了改进.通过三维仿真对上述模型和算法加以实现.仿真结果表明,虚拟人的行为具有一定的智能性,情感的加入也使得虚拟人更加人性化.     

基于改进蚁群算法的电力信息网络设备智能巡检机器人路径规划方法

巡检机器人在行驶时经常会与障碍物相撞,为避免出现此类错误,基于改进蚁群算法设计电力信息网络设备智能巡检机器人的路径规划方法。建立蚁群信息素初始化结构,获取目标区域的运动矩阵,设置智能巡检机器人的运动学约束条件,基于改进蚁群算法构造机器人路径规划估价函数。通过对计算巡检机器人的巡检完成度,设计智能巡检机器人路径规划算法。实验结果显示,该路径规划方法可以完整准确地规划无障碍物的路径以及有障碍物的路径,同时对必经路线上的障碍物进行反馈。对比不同光线条件下的路径规划效果可知,光线越充足,路径规划算法的迭代次数越少,避障准确率越高。     

融合动态障碍物运动信息的路径规划算法

传统的路径规划算法只能在障碍物不发生位置变化的环境中计算最优路径。但是随着机器人在商场、医院、银行等动态环境下的普及,传统的路径规划算法容易与动态障碍物发生碰撞等危险。因此,关于随机动态障碍物条件下的机器人路径规划算法需要得到进一步改善。为了解决在动态环境下的机器人路径规划问题,提出了一种融合机器人与障碍物运动信息的改进动态窗口法来解决机器人在动态环境下的局部路径规划问题,并且与优化A*算法相结合来实现全局最优路径规划。主要内容体现为：在全局路径规划上,采用优化A*算法求解最优路径。在局部路径规划上,以动态障碍物的速度作为先验信息,通过对传统动态窗口法的评价函数进行扩展,实现机器人在动态环境下的自主智能避障。实验证明,该算法可以实现基于全局最优路径的实时动态避障,具体表现为可以在不干涉动态障碍物的条件下减少碰撞风险、做出智能避障且路径更加平滑、长度更短、行驶速度更快。     

复杂环境下移动机器人自动路径规划研究

良好的路径规划算法是保证移动机器人安全平稳地实现其导航功能的重要保证,也是机器人智能水平的体现。在常规障碍物环境中,常有静态和少量的动态障碍物,通常采用全局路径规划法求出全局最优路径;利用本地路径规划算法对障碍物进行实时规避。基于此,将主要针对移动机器人在复杂环境下的自动路径规划展开相关探讨研究。     

基于改进虚拟力场的机器人路径规划方法

未知环境下机器人路径规划是机器人控制领域的研究热点问题之一,针对传统方法存在的不足,提出一种基于改进虚拟力场的未知环境下机器人路径规划方法。在虚拟力场方法中,通过引入一种面积比参数,将机器人和障碍物的大小考虑进算法当中,从而可以使机器人的运动轨迹更加安全,到达目标的时间更短。最后通过仿真实验证明了所提算法的有效性。     

基于深度强化学习的网络攻击路径规划方法

攻击路径规划对实现自动化渗透测试具有重要意义,在现实环境中攻击者很难获取全面准确的网络及配置信息,面向未知渗透测试环境下的攻击路径规划,提出了基于深度强化学习的攻击路径规划方法。首先,对渗透测试问题的状态空间和动作空间进行形式化描述,引入信息收集动作增强对环境的感知能力。然后,智能体通过与环境的自主交互进行学习,寻找最大化长期收益的最优策略,从而指导攻击者进行路径规划。当前深度强化学习算法应用于攻击路径规划存在适应性不强和收敛困难等问题,限制了其处理复杂渗透测试环境的能力。智能体在训练初期通过盲目探索得到的动作序列在维度迅速增长时质量会急剧下降,有时很难完成目标,而且低质量的动作序列大量积累会导致算法不收敛甚至神经元死亡。针对此问题,本文提出的深度强化学习算法在DDQN算法的基础上增加了路径启发信息和深度优先渗透的动作选择策略。路径启发信息充分利用历史经验,在训练初期对智能体的学习过程加以引导,深度优先渗透的动作选择策略在一定程度上对动作空间进行了剪枝,加速智能体的学习过程。最后,通过与其他深度强化学习算法在相同实验条件下的对比,验证了本文算法收敛速度更快,运行时间缩短30%以上。     

基于多行为的移动机器人路径规划

机器人由当前点向目标点运动的过程中,所处环境经常为动态变化且未知的,这使得传统的路径规划算法对于移动机器人避障过程很难建立精确的数学模型.为此,针对环境信息完全未知的情况,为移动机器人设计一种基于模糊控制思想的多行为局部路径规划方法.该方法通过对各种行为之间进行适时合理的切换,以保证机器人安全迅速地躲避静态和动态障碍物,并利用改进的人工势场法实现对变速目标点的追踪.对于模糊避障中常见的U型陷阱问题,提出一种边界追踪的陷阱逃脱策略,使得机器人成功解除死锁状态.另外,设计一个速度模糊控制器,实现了机器人的智能行驶.最后,基于Matlab平台的仿真结果验证了所提出算法的有效性和实时性,与A*势场法的对比结果更突出了该算法的可行性.     

基于拓扑栅格建模的AGV路径规划算法优化

为解决不规则布局的智能制造车间中自动导引车(automated guided vehicle,AGV)的路径规划问题,提出一种实现AGV路径规划的双层环境建模方法,在此基础上对其路径规划算法进行有效改进,改进算法附加考虑路径的平滑度,提出模拟退火的种群选择方法。通过仿真实验验证,改进后的算法规划出的路径更加平滑,有效避免了传统遗传算法易陷入局部最优的缺陷。仿真实验还验证了改进算法的有效性区间,当障碍物栅格占全环境比小于等于40%时,改进算法比传统遗传算法有效,在此范围内,障碍物占比越高,算法有效性越好。     

未知环境机器人路径规划环境建模

针对未知环境下机器人路径规划算法存在的运算耗时较高、响应慢等问题，提出一种适用于未知环境信息情况下的动态路径规划方法及规避策略。通常情况，一般机器人主要是设计出最短路径，但本文的机器人的路径要求解决避开障碍物快速到达幸存者位置并给予治疗的优化路径。本文首先提出对栅格法中如何确定栅格大小的方式优化方案；换取滚动窗口算法中的启发式算法，应用改进后的粒子群算法实现局部环境的路径规划；在适应度函数中加入安全因子和平滑因子。机器人在搜索环境中，通过正确的适应度函数，规划一条从起点到目标点的最优路径，采用改进后粒子群算法进行路径规划，机器人可以安全避开所有障碍物。     

完全未知环境下机器人探索路径策略与仿真

为了使工作在完全未知环境中的机器人能够灵活应对多种类型障碍,提出了一种完全未知环境中机器人探索路径的新思路,即充分利用机器人感知区域内的局部环境信息,在BUG路径规划算法基础上采用所提出的两层路径选择策略(TLPC)以实时决策机器人的行为.在两层路径选择策略的作用下,一方面使机器人在面对障碍时具有类人的路径选择功能,避免了机器人避障的盲目性;另一方面由于机器人具有逆转跟踪障碍边界方向的功能,在面对特殊障碍时能够以较短路径绕行,从而减小整体路径的冗余度.此算法体现了机器人在未知环境中的智能性和对较复杂环境的适应性.仿真实验证明算法可行性.     

完全未知环境下机器人路径规划的RPC算法

提出一种适合存在多种类型障碍的完全未知环境的机器人路径规划方法：RPC算法（全称为实时规划－选择算法）。即将BUG规划算法与所提出的两级路径选择策略相结合实时决策机器人的行为。其中两级路径选择策略模拟人类探索路径的思维模式实时决定机器人绕行障碍的方向,能够减小机器人避障中的盲目性和降低路径冗余度。此算法提高了机器人在未知环境中的智能性,增强了对较复杂环境的适应性。仿真实验表明了该算法的可行性。     

面向未知环境及动态障碍的人工势场路径规划算法

实际战场环境错综复杂,很多隐蔽、动态的障碍无法通过高空手段预先探测得知,因而对智能体执行任务的安全性产生威胁.针对未知且障碍形态多样的战场环境,以躲避动、静障碍,追踪目标为研究对象,提出一种面向未知环境及动态障碍的改进人工势场(Artificial Potential Field,APF)路径规划算法.在该算法中,智能...     

A geometrical path planning method for unmanned aerial vehicle in 2D/3D complex environment

This paper presents a geometrical path planning method, and it can help unmanned aerial vehicle to find a collision-free path in two-dimensional and three-dimensional (2D and 3D) complex environment quickly. First, a list of tree is designed to describe obstacles, and it is used to query the obstacles which block the line from starting point to finishing point (blocking obstacle). Specially, the list also stores the edge information of blocking obstacle. For the obstacles with short distance, a reasonable way to fly over is studied. Then, a shortest path planning method based on geometrical computation is proposed according to different shapes of obstacles. The obstacles are convex and divided into two cases of 2D and 3D. 2D environment includes rectangular obstacle, trapezoidal obstacle, triangular obstacle, circular obstacle and elliptic obstacle. In 3D, it includes cuboid, sphere and ellipsoid. To compare with other methods, the simulation is made in different environments. In 2D environment with circular obstacles, the method is similar to the artificial potential field. In 2D environment with rectangular obstacles, the performance of the proposed method is better than A-star. Compared with genetic algorithm, the proposed method gives a better result in 3D environment with cuboid obstacles. In 3D environment with hybrid obstacles, it is similar to interfered fluid dynamical system. Through comprehensive comparison and analysis, the conclusion is that the method has good adaptability and does not require grid modeling. It can find a shorter path in 2D/3D complex environment within a short time, so it has the ability of real-time path planning.     

一种新的变维粒子群路径规划算法

针对传统粒子群路径规划不能根据不同环境调节路径节点数、搜索效率低、甚至在一些地形下得不到可行解的不足,提出一种基于变维粒子群的路径规划算法.通过动态改变粒子的维度,控制路径节点数目并调整节点分布,加快了算法收敛速度.在需要沿障碍物迂回才能通过的复杂障碍物的情况下,采用一次位置记忆的避障算法得到无障碍路径.仿真结果表明,该算法可获得较优的路径且收敛速度较快.     

融合改进A*与DWA算法的机器人动态路径规划

传统A*算法是移动机器人全局路径规划的常用算法之一,但是算法搜索效率低、规划路径转折点多、面对复杂环境中随机出现的动态障碍物无法实现动态路径规划。针对这些问题,在考虑全局最优的基础上将改进A*与DWA算法融合,量化环境中的障碍物信息,根据此信息调节A*算法启发函数的权重,提高算法的效率和灵活性。基于Floyd算法思想设计路径节点优化算法,删除冗余节点,减少转折,提高路径平滑度。基于全局最优设计DWA算法的动态窗口评价函数,用于区分已知障碍物和未知动态、静态障碍物,提取改进A*算法规划路径的关键点作为DWA算法的临时目标点,在全局最优的基础上实现了改进A*与DWA算法融合。实验结果表明,在复杂环境中,融合算法规划路径既能保证全局最优,又能及时有效地躲避环境中出现的动静态障碍物,实现复杂环境中的动态路径规划。     

Mita Laboratory,Electric Engineering Section,Faculty of Engineering,The Chiba University

This paper describes a local path planning method for a mobile robot to search for a path in an unknown environment by using visual information. The mobile robot system has a hierarchical path planning system which searches for a path efficiently in an uncertain environment. The planning system consists of a global planner and a local planner. The global planner gives a global path in terms of a sequence of visual sub-goals. Then the local planner generates a local path between the sub-goals with the help of a visual sensor. The main focus of this paper is on local path planning, which provides real-time guidance to the system. A visual sensor can provide useful information about the environment. So, an algorithm is proposed to generate avoiding points by using visual information to bypass unknown obstacles in the local path planning. Local path planning in a simple environment is simulated by using three-dimensional graphics. A simple experiment is also done for the case where there are two obstacles. The validity of the proposed method is verified by these simulations and experimental results.     

异构多目标差分-动态窗口算法 及其在移动机器人中的应用

为了实现在多移动机器人和多窄通道的复杂动态环境中机器人的节能运动规划,提出异构多目标差分-动态窗口法(heterogeneous multi-objective differential evolution-dynamic window algorithm,HMODE-DWA).首先,建立行驶时间、执行器作用力和平滑度的3目标优化模型,设计具有碰撞约束的异构多目标差分进化算法来获得3个目标函数的最优解,进而在已知的静态环境中获得帕累托前沿,利用平均隶属度函数获得起点与终点间最优的全局路径;其次,定义基于环境缓冲区域的模糊动态窗口法使机器人完成动态复杂环境中避障,利用所提出的HMODE-DWA算法动态避障的同时实现节能规划.仿真和实验结果表明,所提出的混合路径规划控制策略能够有效降低移动机器人动态避障过程中的能耗.     

一种虚拟人漫游虚拟环境的路径规划算法

提出了虚拟人在3D障碍环境中进行漫游的路径规划算法，该算法以虚拟环境的表示为基础，首先，把虚拟环境离散化为3D单元格，用八叉树表示由此形成的环境图。然后，用启发式宽度优先搜索算法进行路径规划，产生从初始位置到目标位置的最优路径，引导虚拟人对环境进行漫游，算法的可行性和有效性经过了实验验证。     

未知环境下基于传感器的移动机器人路径规划新方法

提出了一种未知环境下机器人在线路径规划算法. 该算法在多数情况下比传统方法更具智能性和灵活性, 并且可以解决无边界环境中单方向无限延伸的障碍物的绕行问题．