基于动态模糊人工势场法的移动机器人路径规划

传统人工势场法在路径规划中存在局部极小值问题,而且不能满足动态环境中移动机器人路径规划对实时性、安全性和可达性的要求.针对传统人工势场法存在的问题,通过引入速度矢量,改势场力函数,并与模糊控制方法相结合,实时调节斥力势场系数,克服人工势场法的缺陷.在MATLAB平台中验证了方法的有效性,实验结果表明,该方法优于人工势场法模型的路径规划.     

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.     

基于分层强化学习及人工势场的多Agent路径规划方法

针对路径规划算法收敛速度慢及效率低的问题,提出了一种基于分层强化学习及人工势场的多Agent路径规划算法。首先,将多Agent的运行环境虚拟为一个人工势能场,根据先验知识确定每点的势能值,它代表最优策略可获得的最大回报;其次,利用分层强化学习方法的无环境模型学习以及局部更新能力将策略更新过程限制在规模较小的局部空间或维度较低的高层空间上,提高学习算法的性能;最后,针对出租车问题在栅格环境中对所提算法进行了仿真实验。为了使算法贴近真实环境,增加算法的可移植性,在三维仿真环境中对该算法进行验证,实验结果表明该算法收敛速度快,收敛过程稳定。     

改进人工势场法的洗浴机器人擦洗路径规划

针对洗浴机器人末端执行器与人体直接接触擦洗的自主导航问题进行了研究,提出一种基于人体点云的改进人工势场法三维覆盖路径规划算法。首先,在传统人工势场法基础上增设障碍物引力势场,使机器人能够贴近障碍物表面向目标点移动,并且通过添加虚拟目标点的方法克服了凹陷区域产生的局部极小值问题。然后,将人体点云切段分割后投影至平面,结合改进的人工势场法完成对人体表面的覆盖路径规划。以人体模型点云为对象进行仿真实验及对比,结果表明提出算法可以快速有效地完成基于人体点云的三维覆盖擦洗路径规划。     

基于改进SAC算法的移动机器人路径规划

为解决SAC算法在移动机器人局部路径规划中训练时间长、收敛速度慢等问题,通过引入优先级经验回放（PER）技术,提出了PER-SAC算法。首先从等概率从经验池中随机抽取样本变为按优先级抽取,使网络优先训练误差较大的样本,从而提高了机器人训练过程的收敛速度和稳定性;其次优化时序差分（TD）误差的计算,以降低训练偏差;然后利用迁移学习,使机器人从简单环境到复杂环境逐步训练,从而提高训练速度;另外,设计了改进的奖励函数,增加机器人的内在奖励,从而解决了环境奖励稀疏的问题;最后在ROS平台上进行仿真测试。仿真结果表明,在不同的障碍物环境中,PER-SAC算法均比原始算法收敛速度更快、规划的路径长度更短,并且PER-SAC算法能够减少训练时间,在路径规划性能上明显优于原始算法。     

基于传统遗传算法的改进排爆机器人路径规划研究

针对传统遗传算法进化速度慢、容易陷入局部最优点等缺陷,提出了改进 后新的路径规划算法。在判断路径中,基于闵科夫斯基原理对障碍物进行扩展;在构造路径 中基于可视图原理进行改进,构造机器人的真正可行区域;在最短路径中对遗传算法中种群 的初始化,个体的编码方法等问题做了详细的研究,并在选择算子中引入相似度的概念,大 大扩大了初始种群的范围,避免进入局部最优点。最后通过仿真实验验证了此算法的可行性。     

Mobile robot path planning using artificial bee colony and evolutionary programming

In this paper, an evolutionary approach to solve the mobile robot path planning problem is proposed. The proposed approach combines the artificial bee colony algorithm as a local search procedure and the evolutionary programming algorithm to refine the feasible path found by a set of local procedures. The proposed method is compared to a classical probabilistic roadmap method (PRM) with respect to their planning performances on a set of benchmark problems and it exhibits a better performance. Criteria used to measure planning effectiveness include the path length, the smoothness of planned paths, the computation time and the success rate in planning. Experiments to demonstrate the statistical significance of the improvements achieved by the proposed method are also shown.     

基于二重势函数法的集群航路规划

人工势场法由于其在构型组织能力上的不足,影响了该方法在集群航路规划上的应用,为此提出基于二重势函数法的集群航路规划法,通过第一重势能场形成集群到目标的可行路径,通过第二重势能场形成构型,从而实现集群航路规划.此外,针对人工势场法存在无谓避碰、陷阱问题等不足,通过引入碰撞危险度来确定障碍物影响距离以及虚拟障碍物,提出改进...     

基于免疫遗传算法的移动机器人全局路径规划

提出了基于免疫遗传算法的静态环境下移动机器人全局路径规划方法。该方法首先建立机器人工作空间中环境信息的神经网络模型,并利用该模型建立机器人免碰撞路径与神经网络输出的关系,将免碰撞要求和路径最优要求融合成免疫遗传算法的一个简单适应度函数。将抗体选择概率表示成一个基于抗体矢量距和抗体浓度的融合函数,同时保证了抗体的多样性和成熟收敛。通过仿真,并与遗传算法相比,性能有很大提高,证明了该全局路径规划方法的正确性和有效性。     

基于变步长蚁群算法的移动机器人路径规划

针对传统蚁群算法以及双层蚁群算法在路径规划中存在搜索效率低、收敛性较慢以及成本较高的问题,本文提出了变步长蚁群算法。该算法扩大蚁群可移动位置的集合,通过对跳点的选择以达到变步长策略,有效缩短移动机器人路径长度;初始化信息素采用不均匀分布,加强起点至终点直线所涉及到栅格的信息素浓度平行地向外衰减;改进启发式信息矩阵,调整移动机器人当前位置到终点位置的启发函数计算方法。试验结果表明:变步长蚁群算法在路径长度及收敛速度两方面均优于双层蚁群算法及传统蚁群算法,验证了变步长蚁群算法的有效性和优越性,是解决移动机器人路径规划问题的有效算法。     

人工鱼群算法在机器人加工路径规划中的应用

针对机器人加工路径规划问题,提出了一种基于人工鱼群算法的机器人加工路径规划新方法。仿真实验表明,该算法实现简单,搜索效率高,在较短时间内能够求得最优解,可满足机器人加工的实时性要求。     

改进人工势场法的移动机器人路径规划研究

人工势场法是机器人局部路径规划常用的一种方法.分析了传统的人工势场法由于局部最小问题而导致规划失败的原因.提出了一种改进的势场函数,并对改进势场函数的规划方法进行分析,发现该方法并不能完全解决局部极小问题.通过在改进势场函数基础上采用添加附加控制力的方法,使机器人尽快跳出局部极小点.仿真结果表明,该方法是有效的.     

基于改进粒子群算法的移动机器人路径规划

为了提高复杂环境下移动机器人的精准导航作用,提出了移动机器人路径规划的改进粒子群优化(PSO)算法,即利用粒子个体极值的加权平均值,同时加入惯性权重.建立了移动机器人工作环境的栅格模型,利用Matlab软件进行移动机器人路径规划仿真分析.仿真结果表明:改进后的粒子群算法容易使粒子移动到最佳位置,加强了全局寻优能力,在复杂环境中搜索路径性能优于传统算法.     

基于内发动机机制的移动机器人自主路径规划方法

基于内发动机机制,为移动机器人建立一种新的路径规划方法.将已有内发动机机制中基于状态的好奇心函数扩展为基于动作的好奇心函数,并建立相应的动作选择机制,更符合生物可解释性.设计障碍物分布环境下的移动机器人状态能量函数,用于决定学习的方向.实验结果表明,所建立的方法能够有效地帮助机器人学习环境知识,实现不同初始状态下的避障导航任务.同时,能量函数的设计不依赖于具体环境,即使目标点发生改变,机器人也能通过重新学习到达目标,体现出方法的高度自主性和非任务性.     

动态环境下基于改进人工势场的机器人实时路径规划仿真研究

提出了一种基于改进人工势场法进行动态环境的路径规划的方法。通过梯度逼近进行运动目标的搜索,解决了在实时路径规划中因环境的运动信息难以准确获取而造成的路径规划无法完成的问题。仿真结果验证了方法的有效性,能够较好的解决动态环境下特别是存在随机运动物体情况下移动机器人的路径规划问题。     

基于势场法的移动机器人路径规划仿真研究

针对势场法的障碍物附近目标不可达（GNRON）问题,采用改进斥力势场函数,把机器人和目标的相对距离考虑进去,从而确保目标点为整个势场的全局最小点,使得机器人能够顺利到达目标。针对局部极小引起的陷阱区域问题,提出了增加引导点的方法,使得机器人能够快速走出陷阱区域,向目标点移动。通过仿真实验,还实现了机器人在限定区域内漫游。改进后的势场法适用于复杂环境下的移动机器人路径规划。仿真结果证明了此方法的有效性。     

Mobile robot path planning for fine-grained and smooth path spcification

This article introduces and draws a comparison on B-splines and clothoids for generating fine-grained, smooth path specifications as applied to mobile robot path planning. At one level, a sequence of objective points that the robot must attain to avoid obstacles and to progress toward its goal are supplied by a coarse path planner. Using B-spline and clothoid curves, these objective points are converted into a path of finer detail, as requisite to a robot driving controller/tracker. Through experimental results with the Navlabll, a mobile robot vehicle at Carnegie Mellon University (CMU), we differentiate the advantages of this approach over conventional poly-line fit/round corner used to date. © 2995 John Wiley & Sons, Inc.     

基于群集智能算法的移动机器人路径规划研究

本文提出一种新的群集智能算法,在用Dijkstra算法基于链接图建模的地图中得到一个最优解的可行空间后,再用粒子群算法或蚂蚁算法优化得到全局的最优路径。因为群集智能算法是一种概率搜索算法,没有集中控制约束条件,不会因为个别个体的故障影响整个问题的求解,具有较强的鲁棒性,所以在机器人全局路径规划应用中具有较显著的优点。仿真结果表明了算法的有效性,是机器人路径规划的一个较好的方法。     

非结构化场景下基于改进JPS算法的移动机器人路径规划

针对移动机器人在大范围非结构化场景下的路径规划问题,在改进跳点搜索(JPS)算法的基础上结合A*搜索,提出一种基于分层栅格地图的Jump A*(JA*)路径规划算法.该算法对三维点云地图进行栅格化分层处理,将环境信息划分为结构层与非结构层,并建立搜索策略切换规则,依据图层信息使用不同的搜索策略,从而有效减少计算量.为了验证JA*算法的有效性,在图层比例不同的三维地图中进行仿真,仿真结果表明,JA*算法相比于传统的A*算法遍历节点更少,搜索效率更高;相比于双向A*算法,具有更高的鲁棒性.最后将JA*算法应用在公开数据集中,实验结果表明,JA*算法能有效解决移动机器人在大范围非结构化场景下的路径规划问题.     

基于障碍预估与概率方向权值的移动机器人动态路径规划

主要研究了移动机器人在未知动态环境中的路径规划问题.提出一种将障碍预估与概率方向权值相结合的动态路径规划新方法.该方法将卡尔曼滤波引入到规划算法中,使得对障碍物运动状态的实时有效预估成为可能.同时,为实现移动机器人的实时路径规划,提出一种新的概率方向权值方法,基于周期规划将障碍物与目标信息进行融合,能够有效处理室内环境下对于障碍物的速度和运动轨迹均未知的动态路径规划问题.仿真结果以及基于SmartROB2移动机器人平台所进行的实验结果验证了该方法的有效性和实用性.