基于仿蟹刚柔耦合机构的搜救机器人设计

搜救机器人是重要的探测仪器平台。 针对现有搜救机器人的刚性结构环境适应性差的问题,本文提出一种基于仿蟹刚 柔耦合机构的搜救机器人设计方法。 本文首先进行了机器人的机构设计;其次根据螃蟹运动实验结果设计了机器人的横向运 动步态,并通过仿真验证了步态设计的可行性;再次设计了机器人的软硬件系统;最后对机器人在多种地形下的行走能力进行 了实验测试,并开展了暗光环境适应性、人员探测和避障能力等功能测试实验。 结果表明,该体积小巧、控制简单的机器人可以 实现基本的运动功能,横向运动中最大速度约为 3. 4 cm/ s,最小功耗约为 8. 6 W,转向运动的角度范围为±90°。 机器人具有良 好的地形和环境适应性,并可以完成环境感知和人员探测等搜救功能。     

基于强化学习的两轮模型车控制仿真分析

在不同环境中,各种强化学习算法的控制效果存在差异,针对特定环境下算法难以选择的问题,基于Gym与Gazebo搭建了一种强化学习算法仿真的小车平台,使用其对Q-Learning算法、Sarsa算法和DQN算法在两轮模型车的行走控制训练中进行测试验证,利用三种复杂度不同的地图,在训练次数相同的情况下测试算法的有效性与鲁棒性。实验结果与预期符合：Q-Learning算法在较简单的地图中可以使模型车获得较高的奖励;Sarsa算法的稳定性更佳,训练收敛速度更快、效果更优;DQN算法收敛性与鲁棒性最优。该平台提供了一种利用仿真环境模拟实物运动控制的有效方案。