基于情感认知的学习与决策算法在移动机器人行为协调中的应用

基于情感和认知的学习与决策模型是一个新的强化学习算法,该模型将来自情感的内在奖励和来自认知的外部奖励作为学习和决策的动机.将该模型引入到基于行为的机器人控制体系中,构造了一个新的移动机器人导航控制系统.通过基于在线的情感认知学习,形成合理的行为协调机制,从而使机器人实现自主导航任务.仿真实验结果表明:将情感系统引入到机器人系统中能提高学习速度,所提出的控制策略能有效地改善机器人在未知的环境中自主导航的能力.     

基于神经网络和模糊推理的移动机器人行为决策与控制

以足球机器人系统为实验平台 ,针对移动机器人智能决策中的实际问题 ,提出了一种基于径向基函数神经网络的机器人行为决策方法 ,通过神经元学习和训练以及自身的泛化能力 ,可以很好地利用多源信息进行机器人行为决策 ,以提高行为决策的有效性 .同时为了保证行为决策的实施效果 ,将模糊推理技术与传统的PID控制相结合 ,既保证了移动机器人系统运动控制的准确性和稳定性 ,又缩短了动态调整时间 ,取得了较好的控制效果 .     

自主移动机器人的模糊智能导航

移动机器人在运动过程中所获得的传感器信息是动态且不确定的。移动机器人的控制采用了基于行为的结构，它能够克服环境的不确定性，可靠地完成复杂任务，且效率高，鲁棒性好。为了实现机器人在未知、动态、复杂环境下具有一定智能的自我决策的能力，利用模糊控制器来完成移动机器人的各种自主行为，所有被激活的行为采用分划方法来融合，可以很好地处理不确定的情况。最后通过仿真验证了该方法对移动机器人导航的有效性和可行性。     

基于多传感器融合的机器人导航系统设计

随着传感器技术的进步,多传感器信息融合技术在移动机器人中的应用已经成为一个热门的研究领域,为移动机器人探索不确定和未知环境提供了一种技术途径,是机器人实现更高级智能行为的基础。目前,用于移动机器人避障和导航控制的多传感器信息融合方法主要有模糊逻辑和神经网络。在机器人避障和导航控制中,本文采用了基于模糊逻辑的多传感器信息融合算法。通过对多传感器的信息进行融合能较好地实现机器人在未知环境中的自主避障与导航,并对这种控制方法进行了MATLAB仿真。通过对MATLAB仿真结果的比较,证明了在机器人的避障和导航控制中,该信息融合算法是优于传统信息融合算法的。     

一种自主移动机器人智能导航控制系统设计

提出一种实用的自主移动机器人智能导航控制方案,以研制的模型样机HN-9为例,阐述了其具体实现技术.机器人采用扫描式超声波实现作业环境的探测,基于码盘和电子罗盘的组合导航子系统实现定位估计,利用模糊决策子系统产生反应式智能导航控制行为.仿真实验及模型样机的实际运行效果验证了该系统构成的可行性.这种模块化的低成本设计方案便于在移动机器人的嵌入式控制系统上实现,便于对已有移动机器人系统进行改造以实现自主导航功能,用以提高操作机动性与可靠性.     

基于行为优先与任务协调的多移动机器人遥操作

针对单个操作者对多个移动机器人遥操作的困难,提出了基于行为优先和任务协调的多机器人遥操作方法. 通过引入机器人局部自主的概念,运用行为优先决策与任务协调模块使操作者和机器人共享运动控制. 建立了多机器人系统遥操作体系结构,设计了多通道人机交互接口界面. 室外实验表明,提出的方法可以实现人和机器智能的合理分配. 运用该方法,单个操作者可完成对多个移动机器人的遥操作.     

基于行为竞争的智能机器人动态导航方法研究

利用非线性微分动力系统稳定性理论,构造了移动机器人的点吸引子奔向目标行为和点排斥子避障行为两种行为模式,并将奔向目标行为和避障行为相结合,利用遗传算法控制这两种行为的权值系数,使机器人能够根据所处环境的变化调整行为模式的权值,实现行为间的竞争,从而建立起基于动态方法的智能机器人行为动态导航模型.仿真结果表明,该导航方法规划的路径轨迹曲线过渡光滑,易于实现机器人运动控制,说明该导航方法可行且有效.     

基于自适应模糊神经网络的机器人路径规划方法

为了解决传统反应式导航中的复杂陷阱问题,优化导航控制,减少计算复杂度,提出了基于自适应模糊神经网络的机器人导航控制及改进型虚目标路径规划方法.首先根据移动机器人运动学模型,融合神经网络的自主学习功能与模糊控制的模糊推理能力,提出了基于自适应模糊神经网络的机器人导航控制器,将生成的Takagi-Sugeno型模糊推理系统作为机器人局部反应控制的参考模型.该自适应模糊神经网络控制器实时输出扰动角度,在线调整移动机器人的预瞄准方向,使移动机器人能够无碰撞趋向目标.然后,提出了一种改进型虚目标方法,优先选择机器人可能逃脱陷阱状态的路径,简化了设计难度,改变了虚目标切换方式,避免了大量复杂计算.实验结果表明,提出的方法可以帮助机器人在全局信息未知的复杂环境中导航,在趋近目标点的过程中能有效避障,无冗余路径产生,且轨迹平滑.     

景深约束下的深度强化学习机器人路径规划

为了提高未知环境下移动机器人的探索能力,基于深度强化学习训练提出一种基于最小深度信息有选择的训练模式,通过运动学方程约束,优化了状态空间的搜索与采集,提高了训练速率.在仿真未知环境中通过将RGB-D传感器的深度图像作为机器人的状态输入,学习模型将直接输出机器人的速度与角度并进行运动决策,验证了机器人路径规划控制策略.研究结果表明:在相同的训练时间下,所提出的训练模式对未知环境有更好的探索能力.     

动态环境中移动机器人多状态转换自主导航

针对已有的移动机器人自主导航方案在通过狭小区域及动态障碍物区域时,容易陷入局部极值,导致移动机器人无法通过的问题,提出一种多状态转换的自主导航方案.移动机器人根据当前传感器信息,在初始运动、全局规划、局部规划及终止运动四种状态之间转换,不仅能够应对动态环境,而且能改善移动机器人速度震荡的问题,在复杂环境中表现得更加具有鲁棒性.实验验证表明:在狭小环境及动态的超市环境中,多状态转换自主导航方案的表现优于ROS(机器人操作系统)开源的Navigation导航方案.     

基于激光雷达的移动机器人实时避障策略

以激光雷达为主要传感器, 对移动机器人设计一种实时避障算法. 该算法考虑到机器人的非完整约束, 利用基于圆弧轨迹的局部路径规划和控制使之能够以平滑的路径逼近目标位置. 采用增强学习的方法来优化机器人的避障行为, 利用激光雷达提供的报警信息形成刺激-反应式行为, 实现了动态环境下避障行为, 具有良好的实时反应能力. 该控制算法采用分布式软件设计方法, 各功能模块异步运行, 较好地实现了局部规划与全局导航目标的结合. 该策略针对移动机器人MORCS在未知环境下实现了实时、有效避障, 动作稳定流畅, 轨迹平滑, 具有良好的效果.     

基于元胞自动机的启发式算法的改进

将元胞自动机应用于机器人路径规划,对移动机器人及其周围环境建立元胞自动机模型。机器人环境空间完全已知时,利用启发式算法与元胞自动机模型结合的方法,通过反复遍历具有最低耗费值的一系列元胞生成最优路径。并利用多层次的交互式元胞自动机,在方向有约束和地形耗费不同的环境中实现机器人的路径规划。     

基于机器人操作系统的移动机器人激光导航系统

为了验证激光导航的先进性及机器人操作系统(robot operating system,ROS)的便捷性,进一步对机器人导航机理进行研究,提出了改进粒子滤波算法及改进A*路径规划,分别应用于地图构建和路径规划,并搭建了基于ROS平台的移动机器人导航试验平台,该平台具有低成本、高性能的特点。试验平台由上位机和移动机器人组成,上位机实现对机器人的控制,移动机器人配置有工控机和激光传感器,机器人通过激光传感器采集环境信息,为实现即时定位及地图构建功能提供数据支撑。研究并构建基于ROS的地图构建和自主导航功能包并通过实际环境进行试验验证。试验结果表明:构建功能包可用于机器人的激光导航中,该激光导航系统的可行且具有一定的稳定性与可靠性。     

基于动力学系统方法的自主移动机器人行为设计

提出了动态障碍物环境下基于动力学系统方法的移动机器人行为设计.在行为动力学模型中考虑障碍物运动速度和运动方向,使得移动机器人具有根据移动障碍物的运动而调整自身线速度和角速度的能力,实现自主避障.用碰撞时间和碰撞角度描述的碰撞区域作为对移动机器人运动的约束,这样可消除无谓的避障运动.仿真结果表明所提出的设计方法能有效地改善动态环境下的移动机器人自主导航能力和工作效率.     

融合人运动模式分析的服务机器人和谐导航

提出一种学习人典型运动模式的方法,并利用该方法对环境中的人的行为做出预测,协调机器人以达到与人和谐共处的导航目的.算法首先通过非重叠多摄像头采集人在环境中不同地点间的运动轨迹;其次,应用两层模糊K均值算法分别对这些运动轨迹进行空间和时间序列上的分类,并利用TSC标准对每一次分类结果进行评估;然后建立每一聚类运动模式的概率方程,依此实现对摄像头网络观测下人运动行为的预测,进而调整机器人的导航策略以达到与人和谐共处的导航目的.实验展示了该算法能够快速地利用人的运动调整其导航行为.     

基于情景经验与稀疏点云的移动机器人导航

针对稀疏点云地图用于自主导航任务的信息不充分问题,融合情景经验实现环境认知,提出一种基于情景经验与稀疏点云的移动机器人导航系统,获取全局最优路径,提高机器人导航精度.构建点云地图来保存环境显著路标.受人类基于情景经验方式导航启发,模拟经验积累过程,构建封装了场景感知、位姿信息和事件转移集的情景经验地图,实现机器人对环境在拓扑关系上的理解.结合环境稀疏点云地图定位机器人,根据情景经验地图规划路径与控制机器人行为.实验结果表明:该导航系统能够根据不同的导航任务规划出全局最优路径,并且具有较高的导航精度.     

移动机器人递阶网络控制系统

移动机器人是指机器人能够自主运动,能对环境进行感知,并进行决策与路径规划及行为控制等功能的高智能化机器系统.在大多数室外环境中,要求机器完全自主地完成任务,目前还有一定困难[1].网络环境下的移动机器人除了具有传统机器人的一些特点外,还能与外界进行良好的信息交互,能     

基于Motor Schema的移动机器人反应式导航

针对移动机器人的导航问题,采用基于Motor Schema的结构,设计了三种基本行为：趋向目标行为,避障行为和随机扰动行为.通过调整机器人几种行为的控制参数,实现了不同条件下的机器人安全导航.仿真实验结果验证了所提方法的可行性与有效性.     

机器人路径规划的元胞自动机算法

采用Moore型邻居规则建立机器人路径规划的元胞自动机模型和演化规则,通过对移动机器人的路径进行演化,讨论了周围环境已知情况下的移动机器人元胞自动机路径规划问题。在演化规则中增加危险度检测,使得机器人能够避免碰撞和穿越障碍,仿真实验结果表明,利用元胞自动机可以实现复杂环境的机器人路径搜索,避免死锁和碰撞,达到快速的最优路径。     

基于Petri网的多机器人协作任务分配与导航研究

研究了基于Petri网理论的多移动机器人任务分配和导航策略问题.针对有限空间环境下的物科收集协作任务,提出了一种机器人路径选择方法,并建立了基本路口单元和工作空间的Petri网模型.通过任务分配模型实时规划物科仓库内的机器人,并对具有拐角特征的多机器人路径冲突给出了消解方法,建立了机器人冲突协调模型.通过分析任务冲突协调模型,避免了多机器人运动路径冲突.最后仿真实验验证了提出的多机器人任务规划方法的有效性.