机器人路径规划

摘要： 传统蚁群算法在生成信息素浓度时,由于算法生成的路径可能存在冗余成分,信息素浓度可能无法正确反应路径各节点的优劣,蚂蚁无法根据信息素浓度来迅速找出最优路径,导致算法寻优缓慢.基于传统蚁群算法思想,提出了一种新改进蚁群算法,即通过引入终距指数这一概念,取代信息素浓度的标记功能,蚂蚁可以依赖该指数进行决策选择优良节点.以20×20的栅格环境地图对改进蚁群算法进行案例仿真,实验结果表明,传统蚁群算法及其他改进蚁群算法分别需要43代及34代才能收敛到最优值,而利用改进蚁群算法仅需要进化3代即可收敛到最优解;为了进一步验证改进蚁群算法的优越性,在对更为复杂的30×30栅格模型仿真,利用传统蚁群算法与其他改进蚁群算法的收敛代数分别为52代与28代,而利用新改进蚁群算法的收敛代数仅为4代;另外,为了进一步验证改进算法的稳定性,对30×30环境模型进行连续运行30次仿真,所需平均收敛代数仅为4.97代.

摘要： 针对以往机器人路径规划未考虑地图全局优化,仅考虑路径长度或躲避障碍物,造成路径规划效果差的缺陷,提出了改进人工鱼群法的机器人路径规划方法。选取多面模型表示法建立机器人行驶路径的环境空间模型,将路径总长度最短以及路径安全度最高作为路径规划目标建立机器人路径规划总目标函数,利用改进人工鱼群法求解所建立总目标函数。改进人工鱼群法通过栅格法离散化所建立环境空间模型,自适应调整拥挤度因子以及视觉范围,令视觉范围在追尾操作以及聚群操作中维持不变,依据路径规划需求评价人工鱼个体环境,依据评价结果选取觅食、追尾以及聚群操作实现机器人路径规划。实验结果表明,该方法可满足机器人路径规划总长度最短以及路径安全度最高需求,路径规划时间低于400 ms。

摘要： 为了探索出更好解决机器人路径规划问题的方法,提出一种差异演化的寄生樽海鞘群算法.首先在领导者位置更新公式中加入对应的上一代领导者位置信息,加强全局搜索的充分性,同时引入自适应惯性权重,更好平衡领导者在不同进化阶段对于广度和深度搜索的不同需求,提高寻优精度.然后在算法结构中引入具有不同演化策略和寄生行为机制的寄生-宿主双种群及宿主群劣汰思想,增加种群的多样性,提高算法跳出局部极值的能力.理论分析证明了改进算法的时间复杂度与基本算法相同,6种对比算法在10个不同特征的标准测试函数上进行仿真对比测试,实验结果表明:该算法的寻优精度、收敛性能均有显著提高和改善.最后将改进算法与三次埃尔米特插值相结合,以路径上的节点组合为基础定义算法中个体位置的编码方式,以绕开障碍、最短路径为目标构造了适应度函数和约束条件,求解机器人路径规划问题.在不同复杂程度的障碍物场景和不同插值方法下进行的算例求解结果显示,该算法寻优结果的最佳值、平均值和方差整体上明显优于其他5种性能优越的代表性对比算法,也验证了融合埃尔米特插值方法对于求解机器人路径规划问题的优越性和有效性.

摘要： 针对头脑风暴优化算法在求解机器人路径规划问题时存在初始解成功率低、运算代价大且路径不平滑等问题进行了研究,从心理学角度出发,提出了一种新型头脑风暴优化算法及其离散化方案。引入羊群效应下的教与学思想增强个体学习的方向性,并通过基于自我选择效应的步长调节机制扩大后期局部搜索比例,提升算法效率;离散处理阶段采用贪婪移动搜索法取得较优初始解,重新定义运算过程以双向平滑路径。仿真结果表明,新型头脑风暴优化算法在离散化前后均有较优的表现,在不同障碍物环境中均能规划出较优的路径。数值实验验证了所提算法的有效性,该算法在路径规划领域的应用值得进一步探索。

摘要： 为了减小栅格环境下机器人规划的路径长度,提高路径规划效率,提出了基于开阔视野蚁群算法的路径规划方法。建立了工作环境的栅格模型,将其转化为机器人可以识别的0-1矩阵模型。分析了传统的4方向搜索蚁群算法和8方向搜索蚁群算法,提出了开阔视野蚁群算法,在该算法中重新定义了视野范围、邻域栅格、可选栅格,并对栅格选择概率进行了适应性改进。与4方向和8方向蚁群算法比,开阔视野蚁群算法的转角分辨率得到了较大提高。在15×15和30×302种规模的栅格环境下,同时使用4方向蚁群、8方向蚁群和开阔视野蚁群算法进行10次路径规划,结果表明:开阔视野蚁群算法规划的路径长度远小于另外2种算法,且开阔视野蚁群算法的收敛速度最快,以上结论验证了开阔视野蚁群算法在栅格环境下路径规划的优越性。

摘要： 针对采用深度强化学习算法实现机器人路径规划任务中,训练前期随机性高导致奖励难获取问题,提出内在好奇心驱动的深度确定性策略梯度算法对连续型动作输出的端到端机器人路径规划进行研究。将环境获取的感知信息作为输入状态,输出机器人动作(线速度、角速度)的连续型控制量,在Gazebo仿真平台进行训练并验证。实验结果表明,基于内在好奇心驱动的深度确定性策略梯度路径规划算法可以较好地实现端到端的机器人路径规划,并且有利于解决训练前期奖励难获取问题,与离散型动作输出的深度Q学习网络模型进行了对比分析,结果表明所提出算法决策控制效果更优越。在真实环境中进行了验证,在静态障碍和动态障碍的场景下,所提出算法可成功到达目标点。

摘要： 针对三维未知环境中的机器人路径规划问题研究,提出一种基于改进人工蜂群算法的路径规划方法。首先,在传统人工蜂群算法中引入正态分布思想优化蜜源初始化分布,提高初始化的目的性,为后续搜索提供精度保证。其次,优化迭代过程中蜜源位置更新方式,构建蜜源中心领域范围内搜索新蜜源的数学模型。采用MATLAB软件曲面网格划分,构建三维未知环境模型。然后,通过MATLAB软件仿真,将改进人工蜂群算法与传统人工蜂群算法和蚁群算法相比较,发现改进人工蜂群算法程序运行时间更短、陷入局部最优次数更少,求解精度更高,并验证了本文提出方法的可行性。

摘要： 路径规划是自主移动机器人技术的核心理论问题之一,论文采用网格法建立路径规划问题的环境模型,提出了基于先验知识的优势方位角,建立了主优势网格和次优网格的改进网格模型,并采用基于子路径认知方法的信息素释放策略,提出了起始点与目标点互换的交替双向引导策略,实现了一种汇聚融合的信息素结构,实现了基于改进网格模型的双向汇聚斑迹信息素蚁群算法。实验表明,该方法在求解具有复杂障碍物分布的大规模地图规划问题时,具有空间复杂度小和效率高的优点,大大提升了构建初始解及收敛的速度,具有很好的求解性能。

摘要： 针对深度Q学习算法在机器人路径规划中的过估计问题,提出一种动态融合深度双Q算法(dynamic target doub-le deep Q network,DTDDQN).通过动态融合DDQN和平均DQN的先验知识进行网络参数训练,前期以较大权重的DDQN优化目标对估计网络进行网络训练和先验知识的积累,随着学习的深入,增大平均DQN的优化目标对网络训练的权重,使网络输出的Q值更加接近真实Q值,减少过估计对机器人在选择动作时的影响,达到所选策略最优.仿真对比结果表明,DTDDQN算法在路径规划中能更好解决过估计问题,在动作选择方面以及规划路径长度方面都有一定提升.

摘要： 为了减少机器人点对点工作路径长度,提出了个体动态细化分工花授粉算法的路径规划方法.以花授粉算法为基础,将花粉按照适应度划分为精英个体、优等个体、差等个体,并对个体进行动态细化分工.精英个体引领进化方向,优等个体使用改进搜索方式进行寻优,差等个体使用柯西变异逃出局部最优,由此提出了个体动态细化分工花授粉算法.使用个体动态细化分工花授粉算法搜索最优路径结点,依据最优路径结点和三次样条插值法规划出最优路径.在简单环境和复杂环境下进行仿真验证,个体动态细化分工花授粉算法规划的路径长度、收敛速度和寻优稳定性均优于传统花授粉算法和改进蝙蝠算法.

摘要： 本文借鉴预测控制滚动优化原理,研究了全局环境未知且存在动态障碍物情况下的机器人路径规划问题.文中提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人实时测得的局部环境信息,以滚动方式进行在线规划,对未知不确定环境具有良好的适应性.

摘要： 如何使计算机适应人一直是一个重要问题.我们首先回顾了现有的方法,其次将对人的适应纳入到总的适应性框架中,即,将人看作除自然环境、社会环境之外的第三种环境.第三,提出适应人的算法,并与对自然环境、社会环境的适应性算法相结合.最后,这个算法被应用到机器人路径规划领域中.

摘要： 本文借鉴预测控制滚动优化原理,研究了全局环境未知且存在动态障碍物情况下的机器人路径规划问题.文中提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人实时测得的局部环境信息,以滚动方式进行在线规划,对动态环境具有较好的适应性.

摘要： 本文借鉴预测控制滚动优化原理,研究了全局环境未知且存在动态障碍物情况下的机器人路径规划问题.文中提出的基于滚动窗口的移动机器人路径规划方法利用机器人实时测得的局部环境信息,以滚动方式进行在线规划,对动态环境具有良好的适应性.本文还对规划算法的安全性进行了分析.

摘要： 该文描述了一种机器人操作机的路径规划算法。

摘要： 本公开提出了一种机器人骨折复位路径规划方法、规划系统及机器人，包括如下步骤：分割建模获得远端骨模型和近端骨模型；对远端骨模型进行复制，获得远端骨复制模型；将远端骨复制模型与近端骨模型虚拟复位获得复位组合模型；构建具有定位点的复位轴及其复制轴；将复位轴的复制轴与远端骨复制模型进行绑定；将复位轴与近端骨模型进行绑定；以远端模型为基准，将复制轴与远端骨复制模型的组合体进行配准；根据复位轴及其复制轴上的定位点，获取两个断骨的复位轨迹。根据设置具有定位点的复位轴，将远端模型和近端模型之间的匹配转换为复位轴的匹配，能够得到更适合临床的复位轨迹，能够实现快速精准复位，避免复位过程中的碰撞，减少病患二次伤害。

摘要： 本申请适用于机器人技术领域，提供了一种移动机器人的路径规划方法，其特征在于，包括：获取第一局部路径参数集合，并将所述第一局部路径参数集合中的每组局部路径参数对应生成一组待选局部路径位置信息；获取当前的路径规划周期对应的全局路径中的路径线段和所述移动机器人当前的运动状态，并根据所述路径线段和所述移动机器人当前的运动状态从生成的各组待选局部路径位置信息中确定出一组目标局部路径位置信息；根据所述移动机器人当前的运动状态和所述目标局部路径位置信息，确定所述当前的路径规划周期对应的目标局部路径。通过上述方法，能够有效增强全局路径规划方法的鲁棒性。

摘要： 本发明提供了一种路径规划方法、路径规划系统、机器人及存储介质，包括如下步骤：设定最小膨胀距离d_min，最大膨胀距离d_max；接受需要规划的原始栅格地图，根据d_min和d_max生成新的地图类型distmap；在distmap里输入起点和终点，将起点列为当前点P’；判断当前点P’的临近网格是否可通行，并根据新启发式函数O(x)计算临近网格的cost值；将P’附近可通行的点加入openlist队列，并根据每个点的cost值建立最小堆；判断P’是否为终点，否则重复上述步骤，是则结束搜索。本发明降低栅格地图的搜索空间，解决大地图下规划速度过慢的问题，并在保证通行性的前提下自适应选择离障碍物远的、更容易通行和安全的路径。

摘要： 本发明公开了移动机器人全局路径规划与局部路径规划融合方法及设备，利用改进后的全局路径规划A*算法在栅格地图上规划全局路径；改进后的全局路径规划A*算法为在全局路径规划A*算法的成本评价函数中集成有节点角度信息和节点距离信息的算法；采用平滑策略对全局划路径进行平滑处理，得到平滑后的全局路径；利用融合算法从平滑后的全局路径上选取局部路径规划的目标，使得规划路径接近平滑后的全局路径，完成全局路径规划与局部路径规划融合；融合算法为改进后的全局路径规划A*算法与局部路径规划动态窗口法融合得到的算法。本发明能够解决现有路径规划方法中移动机器人规划路径效率低、拐点频繁和无法躲避未知障碍物的问题。

摘要： 本公开提出了一种机器人骨折复位路径规划方法、规划系统及机器人，包括如下步骤：分割建模获得远端骨模型和近端骨模型；对远端骨模型进行复制，获得远端骨复制模型；将远端骨复制模型与近端骨模型虚拟复位获得复位组合模型；构建具有定位点的复位轴及其复制轴；将复位轴的复制轴与远端骨复制模型进行绑定；将复位轴与近端骨模型进行绑定；以远端模型为基准，将复制轴与远端骨复制模型的组合体进行配准；根据复位轴及其复制轴上的定位点，获取两个断骨的复位轨迹。根据设置具有定位点的复位轴，将远端模型和近端模型之间的匹配转换为复位轴的匹配，能够得到更适合临床的复位轨迹，能够实现快速精准复位，避免复位过程中的碰撞，减少病患二次伤害。

摘要： 本发明提供了一种路径规划方法、路径规划系统、机器人及存储介质，包括如下步骤：设定最小膨胀距离d_min，最大膨胀距离d_max；接受需要规划的原始栅格地图，根据d_min和d_max生成新的地图类型distmap；在distmap里输入起点和终点，将起点列为当前点P’；判断当前点P’的临近网格是否可通行，并根据新启发式函数O(x)计算临近网格的cost值；将P’附近可通行的点加入openlist队列，并根据每个点的cost值建立最小堆；判断P’是否为终点，否则重复上述步骤，是则结束搜索。本发明降低栅格地图的搜索空间，解决大地图下规划速度过慢的问题，并在保证通行性的前提下自适应选择离障碍物远的、更容易通行和安全的路径。

摘要： 本发明实施例提供机器人路径规划方法及规划路线的机器人。所述方法包括：根据机器人的位姿和里程计的控制信息获取所述机器人的初始位姿；根据所述初始位姿及传感器观测到的数据创建先验地图；根据自适应调整的快速扩展树算法在所述先验地图计算出控制所述机器人行走的全局路径；获取机器人的传感器的实时探测数据，判断在机器人的行走过程中，传感器是否探测到所述全局路径中的障碍物；当传感器探测到所述全局路径中的障碍物时，建立动态窗口模型规划该机器人的局部避障路线，以控制机器人根据该局部避障路线避开障碍物。

摘要： 本申请公开了一种机器人路径规划方法及机器人路径规划装置，涉及机器人路径规划技术领域。所述机器人路径规划方法包括对各条路径上的信息素浓度进行初始化设置；基于多态蚁群算法以及当前各条路径上的信息素浓度计算搜索蚁从出发节点移动到目标节点的最短路径；基于混沌优化算法更新各条路径上的信息素浓度，之后返回执行计算搜索蚁从出发节点移动到目标节点的最短路径的步骤，直至满足预设的迭代停止条件；当满足所述迭代停止条件时，输出最后一次计算得到的最短路径。本申请将混沌优化算法引入多态蚁群算法中，利用混沌优化算法的遍历性对多态蚁群算法的信息素浓度进行全局更新，避免了陷入局部最优，提高了收敛速度。

摘要： 本申请公开了一种多机器人路径规划方法、多机器人系统及机器人，属于机器人路径规划领域。所述多机器人路径规划方法应用于包括主控单元和多个机器人的多机器人系统，包括：主控单元获取多个机器人中的任一机器人的当前位置和目标位置，确定全局静态地图中存在的至少一段窄道的可通行方向，并根据全局静态地图和至少一段窄道的可通行方向得到当前位置到目标位置的目标路径。其中，窄道是指不允许两个或两个以上的机器人并排通行的道路。如此，目标路径中的任一段窄道中只存在同向行进的机器人，避免两个或两个以上的机器人在同一段窄道中相向而行造成拥堵，从而减少机器人到达目标位置花费的时长，提高机器人的工作效率。

摘要： 本发明实施例提供机器人路径规划方法及规划路线的机器人。所述方法包括：根据机器人的位姿和里程计的控制信息获取所述机器人的初始位姿；根据所述初始位姿及传感器观测到的数据创建先验地图；根据自适应调整的快速扩展树算法在所述先验地图计算出控制所述机器人行走的全局路径；获取机器人的传感器的实时探测数据，判断在机器人的行走过程中，传感器是否探测到所述全局路径中的障碍物；当传感器探测到所述全局路径中的障碍物时，建立动态窗口模型规划该机器人的局部避障路线，以控制机器人根据该局部避障路线避开障碍物。