基于威胁度评估的机器人神经动态避撞策略

针对动态环境下移动机器人的自主碰撞规避,构建了包含感知模块、威胁规避模块和目标牵引模块的神经避撞决策系统.通过深入分析采样周期内威胁与机器人的相对速度、激光雷达有效探测距离以及威胁预测方位等因素对避撞机动效率和安全性的影响,对机器人各机动速度区的危险等级进行划分并建立相应的威胁度定量评估模型,再将其引入局部决策器以修正各节点的输出,进而提出了一种基于机动策略威胁度评估的神经动态避撞方法.仿真实验表明,相比于传统的神经导航,所提方法不仅优化了规避路径,而且代价更小.     

基于蚁群算法的机器人路径规划

针对移动机器人规避障碍和寻找最优路径问题,提出了在复杂环境下移动机器人的一种路径规划方法.采用了栅格法建立了机器人工作平面的坐标系,整个系统由全局路径规划和局部避碰规划两部分组成.在全局路径规划中,用改进蚁群算法规划出初步全局优化路径;局部避碰规划是在跟踪全局优化路径的过程中,通过基于滚动窗口的环境探测和碰撞预测,对动态障碍物实施有效的局部避碰策略,从而使机器人能够安全顺利的到达目标点.仿真实验的结果表明了所述方法能在较短时间内找到最佳路径并规避障碍.     

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.     

基于红外传感皮肤的多关节机器人自主运动方法研究

本文研究了障碍环境下多关节机器人自主实时避碰运动理论、技术与方法. 研制的新型红外传感皮肤, 可以为多关节机器人提供所需要的周围环境信息. 针对非结构化环境下的多关节机器人实时避障问题, 提出了一种未知环境下的机器人模糊路径实时规划新方法. 实验结果表明: 基于研制的红外传感皮肤和模糊运动规划算法, 多关节机器人可以在未知或时变环境下自主工作.     

基于双层模糊逻辑的多机器人路径规划与避碰

针对无通信情况下的多机器人系统在未知动态环境下的路径规划问题,设计了基于双层模糊逻辑的多机器人路径规划与动态避碰系统。方向模糊控制器充分考虑了障碍物的距离信息和目标的角度信息,转化为机器人与障碍物的碰撞可能性,从而输出转向角度实现机器人的动态避障;速度模糊控制器将障碍物的距离信息作为输入,将速度因子作为输出,提高了多机器人路径规划与动态避碰系统的效率和鲁棒性。在Pioneer3-DX机器人实体上验证了该系统的可行性。     

挖掘机器人作业过程中局部自主避障控制

研究了挖掘机器人如何探测和处置力与几何障碍,阐述了挖掘机器人的避障方法.在事先规划机器人挖掘和运土路径时,不考虑意外出现的障碍物;而在挖掘过程中,模糊局部自主控制器将油缸压力、压力变化和位移信息作为模糊控制规则的输入量,产生处理力障碍的控制信号.在运土过程中,通过构造几何障碍物前的"虚拟阻力区"和采用阻抗控制,实现障碍的自主回避.实验表明所提出的方法是可行的.     

基于TAP参数的汽车避撞系统算法的优化与仿真

为帮助驾驶人更好地规避潜在危险,在分析Mazda和Honda汽车避撞系统算法的基础上,提出了一种基于可调避撞参数TAP的主动避撞系统算法,并考虑驾驶人因素,选择了算法的报警方法。简述Mazda、Honda的安全距离逻辑算法,在Mazda算法的基础上引入参数TAP,推导出优化的临界报警距离算法;以Honda算法推导出优化的临界制动距离算法。对该算法和Mazda、Honda算法进行了仿真对比分析,分析结果表明TAP优化算法使系统拥有保守的临界报警距离和非保守的临界制动距离,验证了TAP算法的可行性和优越性。     

UONI由利V980 PLUS扫地机器人自动集尘更省心

UONI由利V980 PLUS智能扫地机器人采用黑金配色,颜值比普通的纯白扫地机器人更高,更显高级感,最重要的是比白色耐脏. UONI由利V980 PLUS顶部带有激光雷达,这是由利定制的第八代激光雷达,每秒可以捕获23000个数据点,配合智能AI可以快速制作地图导航并且优化路径.UONI由利V980 PLUS并没有因为有激光雷达而省了防撞板,机器人全身共有25组传感器,进一步加大精度,侧面为磨砂材质,顶部为钢琴烤漆.     

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.     

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...     

On-line Planning for Collision Avoidance on the Nominal Path

In this paper a solution to the obstacle avoidance problem for a mobile robot moving in the two-dimensional Cartesian plane is presented. The robot is modelled as a linear time-invariant dynamic system of finite size enclosed by a circle and the obstacles are modelled as circles travelling along rectilinear trajectories. This work deals with the avoidance problem when the obstacles move in known trajectories. The robot starts its journey on a nominal straight line path with a nominal velocity. When an obstacle is detected to be on a collision course with the robot, the robot must devise a plan to avoid the obstacle whilst minimising a cost index defined as the total sum squared of the magnitudes of the deviations of its velocity from the nominal velocity. The planning strategy adopted here is adjustment of the robot's velocity on the nominal path based on the time of collision between the robot and a moving obstacle, and determination of a desired final state such that its Euclidean distance from the nominal final state is minimal. Obstacle avoidance by deviation from the nominal path in deterministic and random environments is based on the work presented here and is investigated in another paper.     

实现机器人动态路径规划的仿真系统

针对机器人动态路径规划问题,提出了在动态环境中移动机器人的一种路径规划方法,适用于环境中同时存在已知和未知,静止和运动障碍物的复杂情况。采用栅格法建立机器人空间模型,整个系统由全局路径规划和局部避碰规划两部分组成。在全局路径规划中,用快速搜索随机树算法规划出初步全局优化路径,局部避碰规划是在全局优化路径的同时,通过基于滚动窗口的环境探测和碰撞规则,对动态障碍物实施有效的局部避碰策略,从而使机器人安全顺利地到达目的地。仿真实验结果说明该方法具有可行性。     

六轴工业机器人先验引导RRT*避障轨迹算法研究

针对六轴工业机器人装配避障路径运动问题,研究了机器人整体避障运动路径规划方法,提出一种RRT*改进算法;算法以RRT*算法为基础,在障碍物建模中引入包围盒算法,加入对机器人各轴与障碍物的碰撞检测;在路径规划中加入对随机点生成方向与树枝生长方向的先验引导机制,优化了算法路径长度与路径搜寻效率;通过Matlab进行了试验验证,结果表明与标准RRT*算法相比,先验引导RRT*算法缩短路径长度14%左右,且满足机器人末端路径与手臂各轴的避障需求。     

A path planning algorithm for industrial robots

Instead of using the tedious process of robot teaching, an off-line path planning algorithm has been developed for industrial robots to improve their accuracy and efficiency. Collision avoidance is the primary concept to achieve such goal. By use of the distance maps, the inspection of obstacle collision is completed and transformed to the configuration space in terms of the robot joint angles. On this configuration map, the relation between the obstacles and the robot arms is obvious. By checking the interference conditions, the collision points are indicated with marks and collected into the database. The path planning is obtained based on the assigned marked number of the passable region via wave expansion method. Depth-first search method is another approach to obtain minimum sequences to pass through. The proposed algorithm is experimented on a 6-DOF industrial robot. From the simulation results, not only the algorithm can achieve the goal of collision avoidance, but also save the manipulation steps.     

基于区块链的侦查机器人实时避障与航线控制

为弥补侦查机器人行进灵活性不足的缺陷,降低无故运动碰撞事件的发生几率,提出基于区块链的侦查机器人实时避障与航线控制算法;利用超声信号处理电路,提取可供直接应用的侦查运动节点,联合已完成配置的MoveIt避障程序,实现对侦查机器人的实时避障运动规划;在此基础上,设置LQR控制器,在控制机器人侦查航速的同时,建立必要运动操纵方程,完成对侦查机器人的运动航线控制,提升与运动设备元件相关的行进灵活性;完善P2P网络平台,以待交互的运动数据作为处理支持条件,将所有侦查信息封装至同一区块组织中,完成基于区块链的避障控制原理研究,实现侦查机器人实时避障与航线控制算法的搭建;对比实验结果表明,应用基于区块链的控制算法后,C-Space参数极值超过8.0,RRT灵敏度也提升至75%,实现了对侦查机器人的灵活性行进控制,有效抑制了无故运动碰撞事件的出现。     

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。     

基于向量场的移动机器人动态路径规划

由于简洁、高效等优点,人工势场法已应用于自主移动机器人的在线实时路径规划,并受到广泛关注.目前,人工势场法在处理静态环境、动态匀速环境下的路径规划方面已有许多成果,但是,机器人在全变速环境下进行在线实时路径规划时,会出现路径冗余、避碰不及等现象.为此,将目标关于机器人的相对加速度因素引入引力势场函数中;在斥力势场函数的基础上融合避碰预测、减速避障策略;最终,机器人能够避免大量无谓避障,当与障碍物相对速度较大时能提前避障,且快速跟踪到目标.仿真结果验证了所提方法的有效性.     

非结构化环境下的单目视觉可通行区域检测

目前三维避障主要采用三维激光雷达或者基于深度学习的障碍物识别,但前者价格昂贵,后者训练成本高且不稳定。为了稳定、鲁棒地实现低成本三维空间避障方案,提出了一种基于单目相机的可通行区域检测方法。该方法利用特征点标识障碍物,通过对相机高度和旋转平面加以约束,解决单目SLAM中的尺度不一致问题,并设计了障碍物距离求解器和代价求解器对小车前方区域特征点进行处理,计算出视觉代价地图,划分可通行区域。该方法优势在于仅需要低成本的单目相机便可完成可通行区域检测任务,可方便地移植到轻量级的移动设备,计算得到的视觉代价地图亦有利于小车后续的路径规划任务。在KITTI数据集上进行的实验表明,该方法的平均运算速度能达到20?frame/s,能满足小车实时避障的要求,对于单目SLAM的尺度恢复误差为2.5%~4.9%。     

Trajectory Planning with Collision Avoidance for Redundant Robots Using Jacobian and Artificial Potential Field-based Real-time Inverse Kinematics

This study proposes an algorithm for combining the Jacobian-based numerical approach with a modified potential field to solve real-time inverse kinematics and path planning problems for redundant robots in unknown environments. With an increase in the degree of freedom (DOF) of the manipulator, however, the problems in realtime inverse kinematics become more difficult to solve. Although the analytical and geometrical inverse kinematics approach can obtain the exact solution, it is considerably difficult to solve as the DOF increases, and it necessitates recalculations whenever the robot arm DOF or Denavit-Hartenberg (D-H) parameters change. In contrast, the numerical method, particularly the Jacobian-based numerical method, can easily solve inverse kinematics irrespective of the aforementioned changes including those in the robot shape. The latter method, however, is not employed in path planning for collision avoidance, and it presents real-time calculation problems. This study accordingly proposes the Jacobian-based numerical approach with a modified potential field method that can realize real-time calculations of inverse kinematics and path planning with collision avoidance irrespective of whether the case is redundant or non-redundant. To achieve this goal, the use of a judgment matrix is proposed for obstacle condition identification based on the obstacle boundary definition; an approach for avoiding the local minimum is also proposed. After the obstacle avoidance path is generated, a trajectory plan that follows the path and avoids the obstacle is designed. Finally, the proposed method is evaluated by implementing a motion planning simulation of a 7-DOF manipulator, and an experiment is performed on a 7-DOF real robot.