强化学习在RoboCup带球任务中的应用

本文提出了一种基于强化学习的足球机器人带球任务的解决方案,带球方从阶段的开始到结束均尽力去控制足球,对方的队员则尽力从控球方抢夺足球。在本论文中控球方采用SARSA控制算法,防守方采用传统的策略。将这两种策略应用于4V3机器人比赛环境中,实验结果显示,经过多次的学习,在机器人的带球时间上取得了理想的效果。     

基于环境预测的步进式运动协调策略

为了解决未知动态环境下的多机器人系统的路径规划问题,在改进的势场栅格法的基础上,提出了一种基于环境预测的步进式多机器人运动协调策略。针对机器人躲避移动障碍物的避障运动和机器人之间避碰运动的不同,分别提出了协调策略Ⅰ和协调策略Ⅱ。为了验证协调策略的有效性,将该方法用于多机器人系统的路径规划中,并利用Visual C++进行仿真。仿真结果表明,用该方法进行路径规划是可行的和有效的,并且算法简单、计算量小。     

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.     

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。     

用IGA优化的直流电机的仿人智能控制

讨论了当前足球机器人运动控制系统的控制算法对足球机器人运动性能的影响。在分析了足球机器人运动控制系统组成和电机数学模型的基础上,对足球机器人运动控制器采用多模态控制的仿人智能控制（Human-Simulated Intelligent Control,HSIC）算法,利用改进的遗传算法（Improved Genetic Algorithm,IGA）对仿人智能控制器参数进行优化。通过与目前普遍采用的常规PID控制器作对比实验,表明采用IGA参数整定后的HSIC控制器对电机具有更好的控制品质,并改善了足球机器人的运动性能。     

足球机器人路径规划仿真研究

研究了足球机器人路径优化选择问题,机器人运动与规划路径有误差,使实时性和准确性受到影响.针对传统的机器人路径规划算法过于复杂,同时没有充分考虑到足球机器人在比赛中实时性和对抗性等问题,导致实时性差以及射门准确率低.提出一种结合路径预测的路径最优算法,充分利用预测结果减少每周期的路径规划时间,并采用动态基准圆预测的射门策略,并对守门策略进行改进.进行仿真的结果表明,所提出算法在足球机器人比赛中具有可行性,射门准确率得到提高,击球时机器人达到较快速度,使得敌方更难防守,守门员在防守时充分地体现了智能性,证明算法优化了机器人路径,提高了实时性和准确性,为设计提供了依据.     

POMDP-APF：一种基于POMDP模型的APF无人机路径规划策略

针对无人机在路径规划过程中会遇到静态或者动态的障碍物,从而导致路径规划失败的问题,提出一种基于部分可观测马尔可夫决策过程（partially observable markov decision process,POMDP）模型的人工势场（artificial potential field,APF）无人机路径规划策略（POMDP-APF）。首先使用传感器获得的障碍物信息结合POMDP模型预测障碍物的未来位置,为无人机的路径规划做准备;其次,提出一种新的基于障碍物的正方体外接球的模型,保障无人机在路径规划过程中的安全性;最后,结合改进的APF算法实现无人机的路径规划。仿真结果表明,POMDP-APF策略在无人机实时路径规划中具有良好的可行性和有效性,使无人机能够有效避开障碍物,同时路径长度以及耗费时间更短。     

一种RoboCup足球机器人动态角色分配机制的实现

自主足球机器人动态角色分配是RoboCup足球机器人研究领域内的一个重要课题。为了弥补以往足球机器人角色分配的不足,文中主要研究一种RoboCup足球机器人动态角色分配机制的实现。总结了现有RoboCup中型足球机器人角色分配机制,通过对策略设计的层次划分,利用机器人之间通讯的数据,实时更新并同步各个机器人的状态,采用排名制、优先级抢占式等多种方法实现动态自主的角色分配。通过实验以及比赛中的实战检验,验证了该角色分配机制的有效性。     

基于ARM＋μc／osⅡ的教学机器人控制系统设计与实现

本文介绍了一种基于32位ARM处理器S3C44BOX和实时操作系统μc/os Ⅱ的移动机器人控制器的硬件构成以及软件的控制策略。重点介绍了以S3C44BOX为核心的控制系统、基于LM629的位置闭环单元。基于LMD18200的功率放大单元，和基于实时多任务操作系统μc/os Ⅱ的软件设计策略。并给出了机器人运动实验的结果．证明了系统的可行性。该系绞适合在非结构化动态环境中进行分布式多AGNET（智能体）、多机器人的协作与协调、移动机器人路径规划与避碰、足球机器人比赛等研究。     

RoboCup中阵型策略的实现

机器人足球仿真比赛是检验各种多智能体系统理论的标准平台,在这个极为复杂的多智能体环境中,多个智能体需要通过协作完成共同目标,而协作可通过共享阵型获得.阵型是多智能体协作行为所要求的,它使多个智能体以有序、智能的方式进行协作.为适应RoboCup实时动态环境下多智能体间的协作需求,文中以阵型为研究对象,提出基于不同阵型转换和基于单一阵型调整的阵型策略并将其应用到机器人足球仿真比赛中,仿真结果表明结合应用这两种阵型策略提高了仿真球队的协作攻防效果.     

未知环境下移动机器人实时路径规划

针对在未知环境下实现移动机器人实时的路径规划问题,提出了一种将快速扩展随机树（RRT）算法与视野域自适应的滚动窗口相结合的路径规划算法。该方法实时获取滚动窗口内的局部环境信息,根据环境的变化,滚动窗口视野域进行自适应调整,通过分析滚动窗口内传感器获取的信息,结合改进后的RRT算法筛选出可行的路径,控制移动机器人到达子目标点,在此过程中动态监测规划好的路径,确保路径合理,并重复上述过程,直至到达目标区域。实验对比分析表明,该方法能实时并有效实现未知环境下移动机器人的路径规划。     

基于混合策略的轮式机器入路径规划方法

快速扩展随机树方法（R RT）是解决具有非完整性约束的轮式机器人路径规划问题的一种有效途径。R RT能够在规划过程中引入机器人动力学约束,但是当环境中存在大量障碍物时,R RT算法的路径搜索效率将会降低。另一方面,R RT算法不具有最优性,限制了其在轮式机器人路径规划中的应用。针对经典R RT算法的不足,提出一种混合的路径规划策略,首先通过路径导引点扩展多树R RT结构,利用多树R RT的局部探索与合并特性快速寻找可通行的区域范围,利用启发式搜索算法在可通行区域内快速寻找动力学可行的机器人运动轨迹。仿真与实车实验表明,该方法能够快速有效地解决复杂障碍物环境下的机器人路径规划问题。     

改进布谷鸟搜索算法在多机器人任务分配及路径规划中的应用

针对多机器人任务分配及路径规划问题,提出一种改进布谷鸟搜索算法求解多机器人任务分配及路径规划方法。根据任务点的环境信息和在其中寻找最佳机器人位置建立数学模型,并使用改进布谷鸟搜索算法求解任务分配及路径规划。改进的策略中融合了遗传算子、2-opt、模拟退火算法的Metropolis准则和插入、交换、逆序方法。不同规模的仿真实验表明,该方法能有效实现多机器人任务分配及路径规划问题,并为多机器人的续航能量提供科学依据。     

云机器人系统研究综述

随着云计算、大数据和其他新兴技术的发展,云技术和多机器人系统的集成使得能够设计出具有改进能源效率、实时性高、成本低的多机器人系统。为了解决云增强系统中机器人的潜力,介绍了云机器人的起源、发展过程以及有关云机器人的研究项目。介绍了云机器人系统的整体架构,然后从开源源码、云计算、雾计算、网络切换管理、机器人即服务（RaaS）、大数据等方面分析了云机器人系统中各层的主要发展驱动力。详细阐述了当前云机器人系统中的关键技术,并给出了一些可能的解决方案。最后,对云机器人系统的未来发展进行了讨论。     

复杂环境下改进APF的机器人路径规划

针对移动机器人在有大型障碍物和运动空间相对狭窄的复杂环境中,人工势场法（APF）容易出现反复震荡、路径规划时间较长以及大型障碍物附近避障困难的问题,提出了在结合边缘探测法的APF路径规划基础上,加入自适应动态步长调整算法来克服APF的上述缺陷,实现移动机器人在复杂环境下的平滑路径规划,在确保路径近似最优的同时提高APF算法的收敛速度和路经规划的避障性能。实验结果证明了上述方法的有效性。     

基于改进型遗传算法的足球机器人路径研究

目前针对足球机器人路径规划,主要采用栅格法和链接图法,但栅格法无法达到精确的规划路径,而连接图法主要针对具有复杂多边形的障碍物,这两种方法不能满足足球机器人实时性的要求.为此采用简化编码方式和格雷码,建立了以路径最短、避障为优化目标的遗传算法适应度函数,采用轮盘赌选择,单点交叉,基本位变异等方法,完成了遗传操作.仿真结果表明:在建立的约束关系下,改进型遗传算法在路径最短方面比人工势场法有所改进,表现出较好的优化效果.     

改进人工势场法的移动机器人避障轨迹研究

针对传统人工势场法在多障碍物复杂环境的全局路径规划中出现的目标不可达、易陷入陷阱区域以及局部极小点问题,提出一种简化障碍物预测碰撞人工势场法（simplified obstacles and predict collision of artificial potential field method,SOPC-APF）,算法引入预测碰撞思想,在机器人未进入陷阱区域或者极小点问题前做出决策;对于多障碍物的斥力与目标点的引力产生的合力使机器人陷入震荡,提出简化障碍物,即简化为影响范围内目标点一侧的受限障碍物;针对目标不可达问题,在碰撞预测基础上,设定虚拟目标点,经改进的斥力函数引导机器人快速生成一条平滑、平稳、无碰撞的路径。通过与传统算法、改进APF算法以及改进蚁群算法的仿真对比实验表明,SOPC-APF有效解决了人工势场法不适用于多障碍物复杂环境的问题,以及传统算法容易陷入陷阱区域和局部极小点问题。     

基于粒子群三次样条优化的局部路径规划方法

为解决机器人在静态未知环境下如何利用局部环境信息规划出连续平滑的路径问题,提出一种基于粒子群三次样条优化与滚动窗口结合的局部路径规划方法。借助三次样条描述路径,根据机器人实时探测到的局部环境信息,在滚动窗口中运用粒子群算法解决样条参数的优化问题,使各部分路径光滑且一阶连续,从而实现最优局部路径规划。仿真结果表明：所提算法可以在静态环境下快速有效地实现机器人的无碰撞局部路径规划,且所规划路径平滑,便于运动控制。     

基于模糊势场法的移动机器人局部路径规划

针对采用传统人工势场法进行移动机器人局部路径规划时存在的局部极小点和规划路径过长等问题,提出了一种基于虚拟目标点和有限状态机的模糊势场法。构造基于人工势场的虚拟目标点法来解决局部极小点问题,在合适的位置设置虚拟目标点使机器人逃离局部极小点区域。将虚拟目标点法与模糊控制相结合,对障碍物环境进行预测,及时避障,解决机器人在复杂环境中采用虚拟目标点法规划路径时存在的路径过长问题。设计一个有限状态机来判断障碍物环境,执行算法转换策略,使改进算法适用于多种复杂环境。所设计算法在MATLAB平台上进行了仿真验证。结果表明,该算法能够使机器人逃出局部极小点、缩短规划路径。算法不仅适用于简单、离散环境,在传统算法运行困难的、复杂的环境中,例如墙型、U型和多U型障碍物环境,也能规划出可行的优化路径。     

改进人工势场法在机器人路径规划中的应用

为解决传统人工势场法用于机器人路径规划时会出现规划失败的问题,分析了由于局部极小点问题而导致规划失败的原因。在已改进人工势场函数的基础上,提出了通过增加虚拟目标点和原目标点共同对机器人产生引力的方法来解决传统人工势场法中出现的局部极小点问题。在Mobotsim中对算法的仿真结果表明了该方法的可行性和有效性。