多仓储机器人协同路径规划与作业避碰

针对多仓储移动机器人协同作业问题,提出了一种基于全局规划和局部调整的路径规划方法,以获得较短、无碰、避障的可行路径.在路径规划时根据当前节点到终点的距离和局部路径与起点至终点的欧氏路径的夹角设计新启发式函数,驱使机器人沿最短路行进;根据可选节点的数量提出避障规则,提高避障能力;依据路径长度对信息素进行比较更新,以精炼搜索空间、提高收敛性能,对蚁群算法加以改进寻找各自最优路径.在作业避碰时设计避碰规则有效解决仓储机器人间作业碰撞,找到最优或近优路径组合.实验结果表明了本方法的可行性、有效性.     

多机器人系统中的动态避碰规划

研究冲突区域中多机器人间的协调和避碰问题。采用集中-分布相结合的规划方法，根据系统的拓扑结构为每个机器人规划路径，在冲突区域内使用优先级策略对机器人的运动特征进行分布式规划。通过上下层智能的融合，提高整个系统的智能。     

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.     

水下机器人三维路径规划

本文提出了基于八叉树区域分别环境建模方法，在此基础上，利用A算法解决了静态环境的三维路径规划，并对规划出的路径进行了三维修正，使其满足机器人轨迹跟踪的要求，另外，以八叉树环境建模基础，对动态环境下的三维路径规划进行了研究。     

一个水下机器人路径规划系统的实现

我们用层次结构表示水下环境数据，以动态规划算法为核心，实现了一个水下机器人路径规划系统，本文介绍该系统的设计思路及路径规划的实现。     

基于主从机协同工作的模块化水下机器人

随着海洋事业的进步和发展,水下机器人设备在海洋工程领域发挥着日益重要的作用.本文介绍一种基于主从机协同工作的水下机器人,其特征在于"主从机协同工作"和"模块化"两个方面."主从机协同工作"即在船上抛出该水下机器人后,主机携带大量从机共同下潜一定深度,释放大量从机后,从机可环绕主机形成协同工作的集群阵列."模块化"即采用...     

动态补偿的水下机器人路径规划

本文研究水下机器人在障碍位置未知条件下,进行路径规划的方法,使自治水下机器人以最短的行程距离,避开障碍,达到预定目标.针对变化的、复杂的海洋情况,本文采用动态与静态相结合、规划与控制相结合的手段,应用人工势场理论,引入距离误差做动态反馈补偿,实现全局规划控制.本文提出的这种适于自治水下机器人导航的动态路径规划-控制方法,可以解决障碍环境参数已知、未知的路径规划问题.仿真结果表明该方法具有较强的稳定性和适应性.     

基于势场法的水下机器人全局路径规划研究

本文阐述了用势场法进行矩形状机器人全局规划的方法，首先针对凸形障碍物确定了势函数的形式，然后利用最小势谷算法，把机器人的工作空间用图来表示，利用搜索算法到了全局路径，最后在微机上对算法进行了仿真，给出了仿真结果。     

一种自治水下机器人垂直面避碰规划方法

为提高自治水下机器人在垂直面跨越坡型、台阶型障碍的能力,提出了一种基于模糊控制的垂直面避碰规划方法.该方法以避碰声纳的输出作为输入,垂直面的深度调节量作为输出,直接建立了从障碍感知到避碰行为的映射.半物理仿真实验表明,该方法有效提高了某型自治水下机器人垂直面操纵性能,具有反应迅速、稳定性好、便于工程实现的优点.     

基于模糊控制器的机器人路径规划研究

针对复杂环境下移动机器人路径规划实际问题,提出了一种基于行为的移动机器人控制体系结构,设计了一种基于模糊控制器的移动机器人实时路径规划算法,为移动机器人在未知环境中的导航提出了一种新的思路.仿真结果表明,移动机器人能够克服环境中的不确定性,可靠地完成复杂任务,该算法有计算量小,效率高,鲁棒性好等优点.     

基于智能体模型的路径规划与行为模拟仿真研究

智能体模型是当前在模拟仿真领域内能够实现的最为接近人类的方式。是实现复杂行为模拟仿真的重要方法,智能体能够通过逻辑驱动或自学习模式进行决策。多智能体系统在复杂战场环境的模拟仿真方面有着较大的优势,其分布式交互原理能够模拟不同兵种或者不同个体的行为与路径规划决策。文章针对当前智能体模型的研究现状以及路径规划领域的各种方法进行了简要介绍,并指出优点和不足,最后对其发展趋势进行了展望。     

基于协同多目标算法的多机器人路径规划

多机器人路径规划是群体机器人协同工作的前提,其特点是在防碰撞与避障的前提下追求多方面资源的最小消耗.针对这一特点,提出协同非支配排序遗传算法,解决具有多个优化目标的多机器人路径规划问题;运用改进的多目标优化算法,克服多目标优化取权值的不足,同时考虑机器人能源与时间两大资源,以多机器人的路径总长度、总平滑度、总耗时为规划目标.同时引入合作型协同算法框架,将难以求解的多变量问题分组求解.每个机器人的路径视为子种群,子种群通过带精英策略的非支配排序遗传算法,进化并筛选出子种群的部分进入协同进化,每次迭代更新外部的精英解集,最终生成一组非支配路径解.仿真结果表明,在栅格地图环境下,本文算法可有效实现多移动机器人的多优化目标路径规划.     

基于stackelberg多步博弈的无人机协同搜索路径规划

考虑到现有无人机搜索问题研究中无人机、移动目标仅有一方具有远距离探测能力的设定，已经无法体现出战场环境下双方的博弈关系。针对这一不足，基于stackelberg均衡策略，结合多步预测的思想，提出了stackelberg多步博弈策略，实现了无人机、目标都具有远距离探测能力的博弈搜索。通过建立无人机、目标各自的路径收益函数，使双方能够根据不同时刻的博弈状态选择相对应的函数，实现无人机的动态路径规划。仿真结果表明所提出策略完全适用于该博弈模型，比贪婪策略具有更高的搜索效率，大大提高了目标捕获率。     

基于再励学习的多移动机器人协调避障路径规划方法

随着多移动机器人协调系统的应用向未知环境发展,一些依赖于环境模型的路径规划方法不再适用。而利用再励学习与环境直接交互,不需要先验知识和样本数据的特点,该文将再励学习应用于多机器人协调系统中,提出了基于再励学习的避障路径规划方法,并将再励函数设计为基于行为分解的无模型非均匀结构。计算机仿真实验结果表明该方法有效,并有较好的鲁棒性,新的再励函数结构使得学习速度得以提高。     

一种新型协作多机器人路径规划算法

研究了一种在动态环境下的新型协作多机器人路径规划算法。采用集中式与分布式相结合的多机器人系统体系结构,弥补了在分布式环境下的全局性较差和在集中式环境下的实时性较差等不足。在此基础上,通过融合免疫协同进化算法与人工势场法解决全局路径规划与局部路径规划问题,以有效提高机器人的全局协调能力及自适应水平。仿真实验证明了所提算法在动态环境下实现的可行性与有效性。     

基于混合感知信息的路径规划模型

针对动态未知环境下的自主虚拟人实时避障问题,提出一种基于混合感知信息的路径规划模型。该模型由全局规划器和局部规划器组成,全局规划器依据已知环境信息先行规划出优化的运动路线,局部规划器通过对人类的规划行为进行分析,建立用于局部动态规划的运动代价评估函数,实现虚拟人在动态未知场景中的智能规划行为。实验结果表明,该模型能保证实时性,模拟符合人类特征的规划 行为。     

基于CSCW的复杂产品协同工艺设计

专家系统在CAPP中的应用,使工艺设计系统变得日趋复杂。通过分析工艺设计过程中存在的问题,提出了一种基于CSCW的协同工艺设计与管理模式,使工艺设计由串行转为并行,有效提高了设计效率和系统柔性。     

基于免疫进化的移动机器人路径规划

针对现有基于进化算法在路径规划中的易陷入局部最优和缺乏指导性的缺点,该文探讨了一种基于免疫进化的路径规划方法;该方法针对机器人路径规划的实际应用,优化了变异算子,引入了免疫机制,使得较优个体能较早地生成,保证了算法的收敛速度,同时在算法过程中保持了种群的多样性,防止了早熟收敛,提高了全局搜索能力;仿真结果表明,该方法对复杂地图有良好的适应能力,能有效地保证路径的规划效率并改善路径规划的质量。     

Generative Adversarial Network Based Heuristics for Sampling-Based Path Planning

Sampling-based path planning is a popular methodology for robot path planning.With a uniform sampling strategy to explore the state space,a feasible path can be found without the complex geometric modeling of the configuration space.However,the quality of the initial solution is not guaranteed,and the convergence speed to the optimal solution is slow.In this paper,we present a novel image-based path planning algorithm to overcome these limitations.Specifically,a generative adversarial network(GAN)is designed to take the environment map(denoted as RGB image)as the input without other preprocessing works.The output is also an RGB image where the promising region(where a feasible path probably exists)is segmented.This promising region is utilized as a heuristic to achieve non-uniform sampling for the path planner.We conduct a number of simulation experiments to validate the effectiveness of the proposed method,and the results demonstrate that our method performs much better in terms of the quality of the initial solution and the convergence speed to the optimal solution.Furthermore,apart from the environments similar to the training set,our method also works well on the environments which are very different from the training set.     

足球机器人路径规划的PSO方法

研究足球机器人在已知静态环境下路径规划问题,在避障环境下寻求最优路径,提出了一种基于粒子群优化算法的足球机器人路径规划方法。为适应PSO算法的自身特点和提高算法搜索的效率,在传统栅格法的基础上引入实际坐标系法,对环境进行建模;为了更好地评价粒子（即解）的性能,在进行碰撞判定的基础之上,引入罚函数方法,克服了传统适应度函数难以更好地表达粒子性能的缺点。进行仿真的结果表明,该算法在足球机器人路径规划方面具有可行性、有效性和鲁棒性。