移动机器人路径规划的模糊人工势场法研究

静态环境下的路径规划是移动机器人领域非常重要的研究课题。人工势场法由于算法简单、计算量小、运算速度快、实时性好等特点,在移动机器人路径规划中得到了广泛应用,但人工势场法也存在目标不可达和局部极小值问题。针对人工势场法存在的不足,将模糊控制思想引入到移动机器人的路径规划中来,对移动机器人的偏转角进行精确控制。仿真实验结果证明了所提方法的有效性。     

移动机器人动态避障的调节发育学习

在环境认知的动态避障过程中,除了预期不确定性事件,移动机器人还可能会遇到非预期不确定性事件.如何高效、灵活地应对非预期不确定性事件是移动机器人动态避障中面临的一个重要挑战.目前关于这方面的研究相对较少,且基于这些研究的移动机器人普遍缺乏自主学习能力,难以快速、灵活地应对突变的外部环境.鉴于此,首先,设计一个新的碰撞危险度指标,该指标不仅考虑障碍物的距离,同时也考虑障碍物速度对移动机器人运动的影响.模拟人脑中乙酰胆碱和去甲肾上腺素在应对环境不确定性时的反应机理,通过碰撞危险度指标引导移动机器人的注意力网络在关注预期刺激的背侧注意力网络和关注新刺激的腹侧注意网络之间切换,使得机器人灵活应对环境中的不确定性事件;然后,设计新的神经元学习率,以增强调节发育网络隐含层神经元的学习能力,提高机器人应对突变环境的快速响应能力;接着,修改突触权值更新规则,以提高移动机器人行为决策的准确性;最后,通过在两种不同场景下的仿真实验以及物理环境中的实验,验证所提出的应对环境中非预期不确定性事件的移动机器人调节发育学习方法的可行性.