足球机器人路径规划的改进型人工势场算法研究[1]
![足球机器人路径规划的改进型人工势场算法研究[1]](https://img.wendangku.net/img55/02k7acq10i2ao4qsbkhf-51.webp)
![足球机器人路径规划的改进型人工势场算法研究[1]](https://img.wendangku.net/img55/02k7acq10i2ao4qsbkhf-52.webp)
１引言
路径规划是机器人学中一个重要的研究内容，它的任务是在复杂的动态竞争或避障环境中，寻找一条从初始位置到目标位置的最优路径。目前机器人路径规划方法大致可分为两类［１］：全局规划方法和局部规划方法，在全局规划方法中，主要是基于构形空间的自由空间法：将机器人和障碍物映射到构形空间，得到障碍区域和自由区域，然后在自由区域里寻找最佳路径．自由空间法的优点是几何模型清晰，比较灵活，最大的缺点是自由空间的计算量非常大，随着空间维数的增长，其路径搜索策略要么失败，要么花费不可估量的时间代价。局部规划方法中，主要是人工势场法：对障碍物建立排斥势场，对目标点建立引力势场，在排斥力和吸引力的共同作用下，机器人绕开障碍物向目标点移动；人工势场法相对于自由空间法更适合于复杂的环境，该法结构简单且寻优速度快，在机器人路径规划中被广泛应用。
机器人足球比赛是一种动态对抗性活动，机器人需要根据当前的环境模型进行实时动态路径规划。因路径规划的主要目的是避开障碍物寻找到一条最佳路径到达目标点［２］，所以机器人沿着势函数下降的方向运动到达目标位置，在寻找势函数下降方向的过程中，假定障碍物是静止的，而机器人足球比赛是采用松散协作方式的竞争性球类运动，具有与其它动态环境不同的特点［３］，在机器人足球比赛中，对方球员是无时无刻不在运动的，有速度，也有加速度，用传统的人工势场法进行路径规划不能适应其动态、实时的要求，适应能力差，机器人与障碍物容易相碰。
在路径规划过程中，机器人搜索斥力势能减少的方向避开障碍物，搜索引力势能上升的方向向目标点靠近，当目标位置与障碍物的距离较近时，机器人受到引力的作用向目标点移动，同时也越接近障碍物，从而受到更大的斥力作用。如果在接近目标位置的过程中，斥力势能的斥力大于引力势能的引力，那么机器人将无法达到目标，陷入局部极小状态。
本文在分析足球机器人路径规划特点和人工势场基本方法的基础上，提出了动态人工势场的概念，并对势场数学方程容易产生的局部极小问题进行了判别和有效补偿，使路径规划
足球机器人路径规划的改进型人工势场算法研究
谢雅彭军吴敏
（中南大学信息科学与工程学院，长沙４１００７５）
Ｅ－ｍａｉｌ：ｃｓｕ＿ｘｉｅｙａ＠１２６．ｃｏｍ
摘要传统人工势场法不能适应复杂动态环境且容易产生局部极小，论文提出了一种改进型的人工势场算法，该算法考虑了机器人和障碍物的速度、加速度等动态特性，对传统人工势场进行了有效的调节，使其能更好地适应动态复杂环境，对局部极小问题进行判定，通过改变斥力场和引力场的影响力来解决局部极小问题，将该优化算法运用到足球机器人仿真比赛中，结果表明基于改进型人工势场优化算法能够在动态对抗性的环境中有效地实现最优路径规划，弥补了传统人工势场的不足。
关键词人工势场路径规划足球机器人
文章编号１００２－８３３１－（２００６）０９－０１７６－０４文献标识码Ａ中图分类号ＦＴ２４
ＳｔｕｄｙｏｎＥｖｏｌｕｔｉｏｎａｒｙＡｒｔｉｆｉｃｉａｌＰｏｔｅｎｔｉａｌＦｉｅｌｄＢａｓｅｄ
ＰａｔｈＰｌａｎｎｉｎｇｉｎＲｏｂｏｃｕｐ
ＸｉｅＹａＰｅｎｇＪｕｎＷｕＭｉｎ
（ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇｏｆＣｅｎｔｒａｌＳｏｕｔｈＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ４１００７５）Ａｂｓｔｒａｃｔ：ＴｒａｄｉｔｉｏｎａｌＡＰＦ（ＡｒｔｉｆｉｃｉａｌＰｏｔｅｎｔｉａｌＦｉｅｌｄ）ｃａｎｎｏｔａｄａｐｔｔｏｃｏｍｐｌｅｘａｎｄｄｙｎａｍｉｃｅｎｖｉｒｏｎｍｅｎｔｅｆｆｅｃｔｉｖｅｌｙａｎｄｂｒｉｎｇｓｌｏｃａｌｍｉｎｉｍｕｍｐｒｏｂｌｅｍｅａｓｉｌｙ，ａｎｅｖｏｌｕｔｉｏｎａｒｙＡｒｔｉｆｉｃｉａｌＰｏｔｅｎｔｉａｌＦｉｅｌｄａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄ，ｉｎｗｈｉｃｈｔｈｅｖｅｌｏｃｉｔｙａｎｄａｃｃｅｌｅｒａｔｉｏｎｏｆｏｂｓｔａｃｌｅｓａｎｄＲｏｂｏｔｓａｒｅｃｏｎｓｉｄｅｒｅｄａｎｄｔｈｅｔｒａｄｉｔｉｏｎａｌＡｒｔｉｆｉｃｉａｌＰｏｔｅｎｔｉａｌＦｉｅｌｄｉｓａｄｊｕｓｔｅｄ，ｗｈｉｃｈｃａｎａｄａｐｔｔｏｄｙｎａｍｉｃｅｎｖｉｒｏｎｍｅｎｔｅｆｆｅｃｔｉｖｅｌｙ，ｗｈｉｌｅｔｈｅｌｏｃａｌｍｉｎｉｍｕｍｐｒｏｂｌｅｍｉｓｄｅｔｅｒｍｉｎｅｄａｎｄｓｏｌｖｅｄｂｙｍｏｄｉｆｙｉｎｇｔｈｅａｆｆｅｃｔｆｏｒｃｅｏｆｒｅｐｕｌｓｉｖｅｐｏｔｅｎｔｉａｌａｎｄａｔｔｒａｃｔｉｖｅｐｏｔｅｎｔｉａｌ．ＴｈｉｓｅｖｏｌｕｔｉｏｎａｒｙａｌｇｏｒｉｔｈｍｉｓａｐｐｌｉｅｄｔｏｐａｔｈｐｌａｎｎｉｎｇｏｆＲｏｂｏＣｕｐ，ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｅｖｏｌｕｔｉｏｎａｒｙＡｒｔｉｆｉｃｉａｌＰｏｔｅｎｔｉａｌＦｉｅｌｄｃａｎｒｅａｌｉｚｅｏｐｔｉｍａｌｐａｔｈｐｌａｎｎｉｎｇｉｎｄｙｎａｍｉｃａｎｄｏｐｐｏｓｉｔｉｏｎａｌｅｎｖｉｒｏｎｍｅｎｔｅｆｆｅｃｔｉｖｅｌｙ，ｗｈｉｃｈｍａｋｅｓｕｐｔｈｅｄｉｓａｄｖａｎｔａｇｅｓｏｆｔｒａｄｉｔｉｏｎａｌＡｒｔｉｆｉｃｉａｌＰｏｔｅｎｔｉａｌＦｉｅｌｄ．
Ｋｅｙｗｏｒｄｓ：ａｒｔｉｆｉｃｉａｌｐｏｔｅｎｔｉａｌｆｉｅｌｄ，ｐａｔｈｐｌａｎｎｉｎｇ，Ｒｏｂｏｃｕｐ
基金项目：国家８６３高技术研究发展计划资助项目（编号：２００１ＡＡ４４２２２００）
作者简介：谢雅（１９８２－），女，硕士研究生，研究方向为计算机应用、多智能体协作与规划。彭军（１９６７－），女，副教授，研究方向为多智能体系统和通信与信息系统。吴敏（１９６３－），男，教授，博导，研究方向为先进控制和智能系统。
能跳出局部极小点，到达目标位置。
下一节将对传统人工势场路径规划方法进行描述，第三节介绍动态人工势场路径规划方法，第四节对局部极小问题进行判定和修正，最后是仿真试验和总结。
２传统的人工势场路径规划方法
人工势场法的概念最初是由Ｋｈａｔｉｂ提出的，人工势场法将动态感知到的反馈结合到机器人的控制中，从而克服了扩充低级运动控制器的反应能力的局限［４］。人工势场法的基本思想是［５］：对于处在任何一个包含静止的或者动态移动障碍的环境中的目标导向的机器人，都可以定义并计算出一个人工势场。设ｘ为机器人当前所在位置向量，ｕ
ｐ
（ｘ）为目标位置对当前位
置的引力势能，Ｆ
ｐ（ｘ）为目标位置与当前位置之间的引力，ｕ
ｒ
（ｘ）
为周围障碍物对当前位置的斥力势能，Ｆ
ｒ
（ｘ）为周围障碍物与当前位置之间的斥力。
当前位置的人工势能ｕ（ｘ）为：
ｕ（ｘ）＝ｕ
ｐ（ｘ）＋ｕ
ｒ
（ｘ）（１）
当前受力Ｆ（ｘ）为：
Ｆ（ｘ）＝Ｆ
ｐ（ｘ）＋Ｆ
ｒ
（ｘ）（２）
引力势能ｕ
ｐ
（ｘ）为：
ｕｐ（ｘ）＝－１
２
ｋ
ｐ
ｘ－ｘ
ｇ
２
（３）
引力Ｆ
ｐ
（ｘ）为：
Ｆｐ（ｘ）＝
ｄｕ
ｐ
ｄｘ
＝－ｋ
ｐ
ｘ－ｘ
ｇ
（４）
（３）、（４）式中，ｋ
ｐ为引力场系数，Ｘ
ｇ
为机器人目标位置向量。
设ｍ＝｜ｘ－ｘ
ｏ｜斥力势能ｕ
ｒ
（ｘ）为：
ｕｒ（ｘ）＝
１
２
ｋ
ｒ
１
ｍ
－１
ｍ
０
!"２ｍ≤ｍ０
０ｍ＞ｍ
０
$
&
&
&&
%
&
&
&&
’
（５）
斥力Ｆ
ｒ
（ｘ）为：
Ｆｒ（ｘ）＝
－ｋ
ｒ
１
ｍ
－１
ｍ
０
!"１
（ｘ－ｘ
ｏ
）２
ｍ≤ｍ
０
０ｍ＞ｍ
０
$
&
&
&&
%
&
&
&&
’
（６）
（５）、（６）式中，ｋ
ｒ为斥力场系数，ｘ
ｏ
为障碍物的位置向量，
ｍ
０
为斥力的影响距离，当前位置与障碍物的距离大于这个阀
值ｍ
０
时，机器人将不再受到斥力的作用。
机器人的人工势能函数ｕ（ｘ）由两部分组成：引力势能ｕ
ｐ
（ｘ），斥力势能ｕ
ｒ（ｘ）。引力势能的引为Ｆ
ｐ
（ｘ）将机器人推向目
标位置，斥力势能的斥力Ｆ
ｒ
（ｘ）将机器人推向势能峡谷中，因此机器人能够避免障碍。机器人根据当前状态建立自己的人工势场函数，并在此控制下搜索斥力势能下降的方向进行避障，搜索引力势能上升的方向向目标点移动，通过对引力势能和斥力势能的不断调节，就可使机器人既可有效避障，又可到达目标位置，但是传统的人工势场法是基于静态控制的，在复杂的动态环境中，传统人工势场法适应能力差，机器人与障碍物容易相碰，为了使其适应复杂动态环境中的路径规划，需考虑机器人和障碍物的动态特性。３动态人工势场路径规划方法
为了使人工势场法能很好地适应复杂动态的机器人足球比赛环境，有效进行路径规划，需把障碍物和机器人的动态性引入到人工势场系统中，这样可针对障碍物的运动特性进行有效避障，设（ｖｏ，βｏ）为障碍物当前速度，（ａｏ，Φｏ）为当前加速度，（ｖｒ，βｒ）为机器人当前速度，（ａｒ，Φｒ）为当前加速度，其中，ｖｏ，ｖｒ为障碍物和机器人的当前速率，βｏ，βｒ为障碍物和机器人当前速度的方向，ａｏ，ａｒ为障碍物和机器人的当前加速率，Φｏ，Φｒ为障碍物和机器人当前加速度方向，将障碍物和机器人的速度、加速度引入到原斥力势能函数和斥力函数（５）、（６）中。
设：
ｔ
β
＝
ｃｏｓ（β
ｏ
－β
ｒ
）
ｃｏｓ（β
ｏ
－β
ｒ
）
（７）
ｔ
#
＝
ｃｏｓ（$
ｏ
－$
ｒ
）
ｃｏｓ（$
ｏ
－$
ｒ
）
（８）
则速度势能ｕ
ｒｖ
（ｘ）为：
ｕ
ｒｖ
（ｘ）＝
１
２
×
ｖ
ｏ
ｖ
ｒ
×
１
ｍ
－１
ｍ
０
!"２ｍ≤ｍ０
０ｍ＞ｍ
０
$
&
&
&&
%
&
&
&&
’
（９）
速度受力Ｆ
ｒｖ
（ｘ）为：
Ｆ
ｒｖ
（ｘ）＝
－ｔ
β
×
ｖ
ｏ
ｖ
ｒ
×
１
ｍ
－１
ｍ
０
!"×１
（ｘ－ｘ
ｏ
）２
ｍ≤ｍ
０
０ｍ＞ｍ
０
$
&
&
&&
%
&
&
&&
’
（１０）
加速度势能ｕ
ｒａ
（ｘ）为：
ｕ
ｒａ
（ｘ）＝
１
２
×
ａ
ｏ
ａ
ｒ
×
１
ｍ
－１
ｍ
０
!"ｍ≤ｍ０
０ｍ＞ｍ
０
$
&
&
&
%
&
&
&
’
（１１）
加速度受力Ｆ
ｒａ
（ｘ）为：
Ｆ
ｒａ
（ｘ）＝
－ｔ
$
×
ａ
ｏ
ａ
ｒ
×
１
ｍ
－１
ｍ
０
!"×１
（ｘ－ｘ
ｏ
）２
ｍ≤ｍ
０
０ｍ＞ｍ
０
$
&
&
&&
%
&
&
&&
’
（１２）
（７）、（８）、（９）、（１０）、（１１）、（１２）式中，ｘ为机器人当前所在
位置向量，ｘ
ｏ
为障碍物的位置向量，当障碍物向目标点运动时，
Ｆ
ｒｖ
（ｘ），Ｆ
ｒａ
（ｘ）取负值，呈现负特性，障碍物远离目标点时，Ｆ
ｒｖ（ｘ），Ｆ
ｒａ
（ｘ）取正值，呈现正特性。
则改进型人工势能ｕ（ｘ）为：
ｕ（ｘ）＝ｕ
ｐ
（ｘ）＋ｕ
ｒ
（ｘ）＋ｕ
ｒｖ
（ｘ）＋ｕ
ｒａ
（ｘ）（１３）当前受力Ｆ（ｘ）为：
Ｆ（ｘ）＝Ｆ
ｐ
（ｘ）＋Ｆ
ｒ
（ｘ）＋Ｆ
ｒｖ
（ｘ）＋Ｆ
ｒａ
（ｘ）（１４）加入了机器人自身和障碍物的速度和加速度的动态人工势场法能够很好地在动态复杂的环境中进行路径规划，当障碍物和机器人处于静止时，传统的人工势能场与动态的人工势能
场相同，当障碍物和机器人都在运动时，速度势能ｕ
ｒｖ
（ｘ）和加
速度势能ｕ
ｒａ
（ｘ）对传统人工势场进行了有效的调节，当障碍物向目标点运动时，速度和加速度矢量与障碍物运动反方向的排
斥力抵消，Ｆ
ｒｖ
（ｘ）、Ｆ
ｒａ
（ｘ）取负值，呈现负特性，障碍物的斥力减弱，机器人更有利于向目标点靠近；障碍物远离目标点运动时，
速度和加速度矢量与障碍物运动方向的排斥力叠加，Ｆ
ｒｖ
（ｘ）、
Ｆｒａ（ｘ）取正值，呈现正特性，障碍物的斥力增强，机器人更难向
目标点靠近。考虑了动态特性的人工势场，通过引入速度受力和加速度受力对机器人所受障碍物的斥力进行有效修正，使机器人受力不仅与机器人和障碍物的位置有关，还与机器人和障碍物的速度、加速度有关，从而使其能既避开障碍物，又能向目标点靠近。
４局部极小问题判别和修正
人工势场法中的势场方程定义会产生势场的局部极小值，
引起机器人路径的震荡、摆动，使机器人陷入局部极小值中，到达不了目标点。
设某一时刻机器人Ａ的初始位置设为（ｘ，０）且ｘ＞２，目标位置设为（０，０），障碍物的位置为（２，０），机器人的速度（４，л），加速度（４，л），障碍物的速度（３，０），加速度（１，０），即障碍物远离目标点运动，令ｋｒ＝ｋｐ＝１，ｍ０＝４，则：
Ｆｐ（ｘ）＝ｘ（１５）
Ｆｒ（ｘ）＝
－２
１ｘ－２－１
４!"
×１
（ｘ－２）２
ｘ－２≤４０
ｘ－２＞$
&&&%&&&’
４（１６）
Ｆ（ｘ）＝
ｘ－２
１ｘ－２－１
４!"
×１（ｘ－２）
２
ｘ－２≤４ｘ
ｘ－２＞$&&&%&&&’
４
（１７）
如图１所示，当ｘ＝２．８时，机器人受力函数Ｆ（ｘ）＝０，在这个位置，机器人还未能到达目标点，但此时所受斥力和引力达到平衡，机器人不会再向目标点移动，即陷入局部极小状态。
为了解决这个局部极小问题，可以在当机器人的受力函数
Ｆ（ｘ）＝０，即陷入局部极小搜索时，引入影响力因子，减弱斥力势
能的影响力，增强引力势能的影响力，即：
Ｆ（ｘ）＝!ｐＦｐ（ｘ）＋!ｒＦｒ（ｘ）
（１８）
其中，Ｆｒ（ｘ）为考虑了动态特性后所受斥力之和，!ｐ为引力势能影响力因子，!ｒ为斥力势能影响力因子，且!ｐ＋!ｒ＝１，通过改变!ｐ、!ｒ来改变斥力势能场和引力势能场对人工势场的影响，即在陷入局部极小状态时，增加引力势能场的影响，减少斥力势能的影响，让机器人跳出局部极小，往引力势能减少的方向搜索路径，这样机器人就不会始终陷入到局部极小状态中，
从而继续向目标点前进，则整个规划算法如图２所示。
运用此改进型人工势场路径规划算法对机器人受力函数进行调节，当陷入局部极小状态时，增加引力势能的影响力，减少斥力势能的影响力，令!ｐ＝４５，!ｒ＝１５
，则得到的新的受力函
数Ｆ（ｘ）为：
Ｆ（ｘ）＝４５Ｆｐ（ｘ）＋１５
Ｆｒ（ｘ）
（１９）
即：
Ｆ（ｘ）＝
４５ｘ－２５
１ｘ－２－１
４!"
×１（ｘ－２）
２
ｘ－２≤４
４５
ｘｘ－２＞$&&&&%&&&&’
４
（２０）
改进后的受力函数曲线如图３所示。在目标位置ｘ＝０，即机器人的目标位置处，受力函数具有最小值，因此机器人可以到达目标点。可见通过调节斥力势能和引力势能的影响力，可使机器人跳出局部极小状态，到达目标点。
５仿真试验
基于动态人工势场的路径规划可用在机器人足球仿真比
（上接１４０页）
ＡＴＭ网络的信元重新组装成成连续的ＴＤＭ帧，实际上，就是ＡＴＭ系统提供了电路传输仿真服务（ＣＥＳ，ｃｉｒｃｕｉｔｅｍｕｌａｔｉｏｎｓｅｒｖｉｃｅ），使ＰＤＨ的数据能在ＡＴＭ网络上传输，这样网络升级中原有的ＰＤＨ设备得以保留，减少运营投资。
６小结
本文在Ｉｎｆｉｎｅｏｎ的评估板基础上设计了符合ＡＴＭ规范的２５．６Ｍｂｉｔｓ／ｓ信元传输的物理层适配板，利用嵌入式的“大芯片”概念，简化了系统设计的复杂性，通过与ＰＣ的通信实现工作控制和状态监控；对整个系统的配置和回环测试的结果表明，基于ＡＴＭ的ＰＤＨ传输能提供电路交换仿真服务（ＣＥＳ），在网络升级中保护了设备投资；另外，此系统上还可实现基于ＰＤＨ－Ｅ１／Ｔ１时分复用电路传输的２Ｍｂｉｔｓ／ｓ的ＡＴＭ传输。（收稿日期：２００５年７月）
参考文献
１．ＬｅｅＢｙｅｏｎｇＧｉ，ＫａｎｇＭｉｎｈｏ，ＬｅｅＪｏｎｇｈｅｅ．ＢｒｏａｄｂａｎｄＴｅｌｅｃｏｍｍｕｎｉ－ｃａｔｉｏｎｓＴｅｃｈｎｏｌｏｇｙ［Ｍ］．ＳｅｃｏｎｄＥｄｉｔｉｏｎ，ＡｒｔｅｃｈＨｏｕｓｅ，Ｂｏｓｔｏｎ，Ｌｏｎｄｏｎ，１９９６
２．ＴｈｅＡＴＭＦｏｒｕｍ．ＮｅｘｔＧｅｎｅｒａｔｉｏｎＭｏｂｉｌｅ＆Ｗｉｒｅｌｅｓｓ，ＰａｃｋｅｔＴｅｃｈｎｏ－ｌｏｇｉｅｓＳｕｐｐｏｒｔｉｎｇＭｕｌｔｉ－ＳｅｒｖｉｃｅＭｏｂｉｌｅ＆ＷｉｒｅｌｅｓｓＮｅｔｗｏｒｋｓ［Ｒ］．２００３－１０
３．ＡＴＭＦｏｒｕｍ．ＵＴＯＰＩＡ，ａｎＡＴＭ－ＰＨＹＩｎｔｅｒｆａｃｅＳｐｅｃｉｆｉｃａｔｉｏｎ．Ｌｅｖｅｌ１，Ｖｅｒｓｉｏｎ２．０１，１９９４－０３
４．ＩＤＴＣｏｒｐ．ＰＨＹ（ＴＣ－ＰＭＤ）ｆｏｒ２５．６ＭｂｐｓＡＴＭＮｅｔｗｏｒｋｓＩＤＴ７７１０５．２０００－０９－１１
５．Ｋｅｉｌｃｏｒｐ．Ｃ１６６ＣｏｍｐｉｌｅｒＯｐｔｉｍｉｚｉｎｇ１６６／１６７ＣＣｏｍｐｉｌｅｒａｎｄＬｉｂｒａｒｙＲｅｆｅｒｅｎｃｅＵｓｅｒ’ｓＧｕｉｄｅ０９．００
（上接１４３页）
ｆｏｒｆａｓｔｐａｃｋｅｔｂｕｆｆｅｒｓ［Ｃ］．Ｉｎ：ＩＥＥＥｗｏｒｋｓｈｏｐｏｎｈｉｇｈｐｅｒｆｏｒｍａｎｃｅｓｗｉｔｃｈｉｎｇａｎｄｒｏｕｔｉｎｇ，Ｄａｌｌａｓ，Ｔｅｘａｓ，２００１
２．ＭｃＫｅｏｗｎＮ．Ｓｃｈｅｄｕｌｉｎｇａｌｇｏｒｉｔｈｍｓｆｏｒｉｎｐｕｔ－ｑｕｅｕｅｄＣｅｌｌｓｗｉｔｃｈｅｓ［Ｄ］．ＰｈＤＴｈｅｓｉｓ．ＵｎｏｆＣａｌｉｆｏｒｎｉａａｔＢｅｒｋｅｌｅｙ，１９９５３．施周渊，戴庆元．ＤＤＲ－ＳＤＲＡＭ控制器的ＦＰＧＡ实现［Ｊ］．电子技术应用，２００３；２９：６１～６４
４．ＡｌｔｅｒａＣｏｒｐｏｒａｔｉｏｎ．ＤＤＲＳＤＲＡＭＣｏｎｔｒｏｌｌｅｒＭｅｇａＣｏｒｅＦｕｎｃｔｉｏｎＵｓｅｒＧｕｉｄｅ［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｗｗｗ．ａｌｔｅｒａ．ｃｏｍ／ｌｉｔｅｒａｔｕｒｅ／ｗｐ／ｗｐ＿ｄｄｒ＿ｓｄｒａｍ＿ｆａｑ．ｐｄｆ．２００４－０２
赛（Ｒｏｂｏｃｕｐ）中。在仿真比赛中，敌方球员即可以看作是障碍物，我方球员带球、传球和过人路径可看作是路径规划，且敌方球员和我方球员无时无刻不在运动，有速度，也有加速度。在Ｒｏｂｏｃｕｐ仿真比赛中，过人即是我方球员带球越过敌方球员障碍，成功到达敌方球员前方，这时我方球员需根据当前状态规划出一条从当前位置到目标位置且能避开敌方球员的最佳路径，用上述改进型人工势场法编程实现智能体的过人路径规划，其中球员的位置、速度和加速度可以通过世界模型得到，其它参数通过经验给出并可通过试验不断修正，并在Ｒｏｂｏｃｕｐ仿真平台上进行一过一的过人测试，即我方一个球员过掉对方一个球员，先后对采用传统人工势场法的球队和采用改进型人工势场法的球队作了长时间的训练。
从图４可以看出，采用传统人工势场法的球队的过人成功率约为１５．３％，采用此改进型人工势场法的球队过人成功率约为４５．８％，比采用传统人工势场法的球队的过人成功率高３０．５％，过人成功率有了明显的增加。结果表明，应用此改进型人工势场法可以有效地实现在动态、对抗环境中路径的规划。
６结论
本文针对传统人工势场法的静态特性和容易陷入局部极小的局限性，提出了一种改进型的人工势场算法，该算法引入了机器人和障碍物的速度、加速度等动态因素，使其能够更好地适应动态复杂环境中路径的规划，并对局部极小状态进行了判定，当陷入局部极小状态时，通过改变斥力势能和引力势能的影响力来对局部极小问题进行调节。将该改进型的人工势场法运用到机器人足球仿真比赛中，实践证明，该算法可有效地实现在动态复杂环境中路径的规划。在本文中，改进型的人工势场法很多参数是通过经验给出的，下一步的工作应是通过学习来使这些参数值更加合理，并能对参数进行在线修正。（收稿日期：２００５年１１月）
参考文献
１．庄慧忠，杜树新，吴铁军．机器人路径规划及其相关算法研究［Ｊ］．科技通讯，２００４；（３）：２１０～２１５
２．ＳＡＫｉｓｈｉｔａ，ＳＫａｗａｍｕｒａ，ＫＨａｙｓｈｉ．ＬａｐｌａｃｅＰｏｔｅｎｔｉａｌＦｏｒＭｏｖｉｎｇＯｂ－ｓｔａｃｌｅＡｖｏｉｄａｎｃｅａｎｄＡｐｐｒｏａｃｈｏｆａＭｏｂｉｌｅＲｏｂｏｔ［Ｃ］．Ｉｎ：１９９０Ｊａｐａｎ－ＵＳＡＳｙｍｐｏｓｉｕｍｏｎＦｌｅｘｉｂｌｅＡｕｔｏｍａｔｉｏｎ，ＡＰａｃｉｆｉｃＲｉｍｃｏｎｆｅｒｅｎｃｅ，１９９０：１３９～１４２
３．张培艳，吕恬生．基于模拟退火－人工势场法的足球机器人路径规划研究［Ｊ］．机械科学与技术，２００３；（３）：５５３～５５５
４．ＭａｒｋＡＣＧｉｌｌ，ＡｌｂｅｒｔＹＺｏｍａｙａ．ＯｂｓｔａｃｌｅＡｖｏｉｄａｎｃｅｉｎＭｕｌｔｉ－ＲｏｂｏｔＳｙｓｔｅｍ．ＵｎｉｖｅｒｓｉｔｙｏｆＷｅｓｔｅｒｎＡｕｓｔｒａｌｉａ，１９９８
５．勒小龙，张世武，吴建兵．多智能体模型与试验［Ｍ］．清华大学出版社，２００３：１６０～
１６１
机器人路径规划方法的研究
第5期(总第156期) 2009年10月机械工程与自动化 M ECHAN I CAL EN G I N EER I N G & AU TOM A T I ON N o 15 O ct 1 文章编号:167226413(2009)0520194203 机器人路径规划方法的研究 李爱萍,李元宗 (太原理工大学机械工程学院,山西 太原 030024) 摘要:路径规划技术是机器人学研究领域中的一个重要部分。目前的研究主要分为全局规划方法和局部规划方法两大类。通过对机器人路径规划方法研究现状的分析,指出了各种方法的优点及不足,并对其发展方向进行了展望。 关键词:机器人;全局规划;局部规划中图分类号:T P 242 文献标识码:A 收稿日期:2009201207;修回日期:2009204218 作者简介:李爱萍(19792),女,山西晋中人,在读硕士研究生。 0 引言 路径规划技术是机器人学研究领域中的一个重要 部分。机器人的最优路径规划就是依据某个或某些优化准则(如工作代价最小、行走路线最短、行走时间最短等),在其工作空间中找到一条从起始状态到目标状态的最优路径。根据对环境信息的掌握程度不同,路径规划可分为:①全局路径规划:环境信息完全已知,根据环境地图按照一定的算法搜寻一条最优或者近似最优的无碰撞路径,规划路径的精确程度取决于获取环境信息的准确程度;②局部路径规划:环境信息完全未知或部分未知,根据传感器的信息来不断地更新其内部的环境信息,从而确定出机器人在地图中的当前位置及周围局部范围内的障碍物分布情况,并在此基础上,规划出一条从当前点到某一子目标点的最优路径。 1 全局规划方法111 栅格法 栅格法是目前研究最广泛的路径规划方法之一。该方法将机器人的工作空间分解为多个简单的区域(栅格),由这些栅格构成一个显式的连通图,或在搜索过程中形成隐式的连通图,然后在图上搜索一条从起始栅格到目标栅格的路径。一般路径只需用栅格的序号表示。但栅格的划分直接影响其规划结果,如果栅格划分过大,环境信息储藏量小,分辨率下降,规划能力就差;栅格划分过小,规划时间长,而且对信息存储能力的要求会急剧增加。112 可视图法 可视图法中的路径图由捕捉到的存在于机器人一 维网络曲线(称为路径图)自由空间中的节点组成。路径的初始状态和目标状态同路径图中的点相对应,这样路径规划问题就演变为在这些点间搜索路径的问题。要求机器人和障碍物各顶点之间、目标点和障碍物各顶点之间以及各障碍物顶点与顶点之间的连线均不能穿越障碍物,即直线是“可视的”。然后采用某种方法搜索从起始点到目标点的最优路径,搜索最优路径的问题就转化为从起始点到目标点经过这些可视直线的最短距离问题。该法能够求得最短路径,但需假设忽略机器人的尺寸大小,使得机器人通过障碍物顶点时离障碍物太近甚至接触,并且搜索时间长。113 拓扑法 拓扑法将规划空间分割成具有拓扑特征的子空间,根据彼此的连通性建立拓扑网络,在网络上寻找起始点到目标点的拓扑路径,最终由拓扑路径求出几何路径。拓扑法的基本思想是降维法,即将在高维几何空间中求路径的问题转化为低维拓扑空间中判别连通性的问题。其优点在于利用拓扑特征大大缩小了搜索空间,其算法的复杂性仅依赖于障碍物数目,在理论上是完备的;而且拓扑法通常不需要机器人的准确位置,对于位置误差也就有了更好的鲁棒性。缺点是建立拓扑网络的过程相当复杂,特别是在增加障碍物时如何有效地修正已经存在的拓扑网是有待解决的问题。 114 自由空间法 自由空间法采用预先定义的广义锥形或凸多边形等基本形状构造自由空间,并将自由空间表示为连通图,通过搜索连通图来进行路径规划。自由空间的构
移动机器人完全遍历路径规划算法研究
东南大学 硕士学位论文 移动机器人完全遍历路径规划算法研究 姓名：胡正聪 申请学位级别：硕士 专业：机械电子工程 指导教师：张赤斌 20080403
第一章绪论 第一章绪论 １．１移动机器人的发展史 社会的主体是人类，历史的推动者是人类，伟大的人类运用自己的智慧不断创造伟大的发明，不断推动社会的发展。邓小平同志说过：“科技是第一生产力。”生产力是社会发展的动力，所以人类推动社会发展就是要致力于发展生产力，致力于发展科技。人类不断发展生产力来提高自身认识自然、改造自然、得到自己所需物质的能力，这种能力的进化由最初的运用双手、简单工具、发展到运用畜力、发展到运用简单机器、发展到运用自动化设备、还会发展到我们无法想象的未来。 机器人就是生产力发展的产物。机器人的概念最早是在１９２０年的科幻小说中提出的，而早期的机器人如１９３９年美国纽约世界博览会上展出的西屋电气公司制造的家用机器人Ｅｌｅｋｔｒｏ和１９５６年美国人乔治?德沃尔制造出的世界上第一台可编程的机器人都是一些实用价值不高的机器人，它们是现代机器人的雏形。上世纪６０年代，由于传感器和计算机技术的发展及应用，兴起了全世界第二代机器人的研究热潮，并向人工智能进发。１９６８年，美国斯坦福研究所公布了他们研发成功的机器人Ｓｈａｋｅｙ。它带有视觉传感器，能根据人的指令发现并抓取积木。Ｓｈａｋｅｙ可以算是世界第一台智能机器人，它拉开了第三代机器人研发的序幕。到了上世纪８０年代，发达国家都组建各种机器人研究机构，尤其是以美国为代表的国家将机器人的研究列入了军事发展计划，带动各国把机器人的研究推上了高潮，日本和欧洲各国都成立了各自的机器人研究中心和规划了自己的研究计划。进入９０年代后，机器人的应用领域除了工业和军事外，还涉及到了服务和娱乐领域，以日本本田公司的ＡＳＩＭＯ人型机器人和索尼公司的ＡＩＢＯ娱乐机器人为代表的机器人展示了机器人领域各方面的先进研究成果。在欧洲，２００２年丹麦ｉＲｏｂｏｔ公司推出了吸尘器机器人Ｒｏｏｍｂａ，它能避开障碍，自动设计行进路线，还能在电量不足时，自动驶向充电座。Ｒｏｏｍｂａ是目前世界上销量最大、最商业化的家用机器人。２００６年６月，微软公司推出ＭｉｃｒｏｓｏＲＲｏｂｏｔｉｃｓＳｔｕｄｉｏ，机器人模块化、平台统一化的趋势越来截明显，比尔?盖茨预言：“家用机器人很快将席卷伞球。” 图１．１丹麦ｉＲｏｂｏｔ公司推出的吸尘机器人Ｒｏｏｍｂａ［
机器人路径运行操作步骤
3.23机器人路径运动操作步骤 任务：选取多个点构成一条路径，通过示教器完成机器人路径运动操作 相关知识：机器人路径示教器操作分为手动和自动两种模式 操作步骤： 一、手动模式 1、新建程序 （1）点击首页下拉菜单中“程序编辑器”选项，进入程序编辑器 （2）点击右上角“例行程序”选项，进如程序列表 （3）点击左下角“文件”，选择“新建例行程序”，新建例行程序 并命名 2、程序编写 （1）选择新建好的例行程序，进入程序编辑页面，点击左下角“添 加指令”，在右侧弹出菜单中选择轴运动指令“MoveJ” （2）根据需要修改显示的“MoveJ * ,v1000 , z50 , tool0”指令， *代表坐标点名称，v1000代表速度，z50代表路径选择幅度， tool0与工具坐标有关 （3）根据需要添加路径包含的点坐标并修改，完成全部路径点的设 置 3、调试 （1）从第一行“MoveJ”指令开始，利用示教器旋钮调节机器人至路 径点位，点击“修改位置”，程序与点位一一对应 （2）点位修改完成后，进行手动调试。点击“调试”选择“PP移动 至例行程序”，进入要调试的例行程序，光标选择调试的程序 行，再次点击“调试”，选择“PP移动至光标” （3）在右下角设置选项中选择机器人运行的速度
（4）左手按下示教器使能键，右手按下示教器上的“开始”按钮， 进行机器人路径运行操控 注意：机器人运行过程中不能松开示教器使能键 二、自动模式 1、完成手动调试模式调试后，点击“例行程序”菜单进入程序选择列表， 选择“Main”函数，进入函数编辑页面 2、光标选择
一种移动机器人的路径规划算法
一种移动机器人的路径规划算法 作者：霍迎辉，张连明 (广东工业大学自动化研究所广州510090 文章来源：自动化技术与应用点击数：1419 更新时间：2005-1-24 摘要：本文提出一种移动机器人路径规划最短切线路径算法。依据此算法，机器人能顺利地避开障碍物到达目标位置，其原理简单，计算快捷，容易实现。仿真结果验证了它的有效性和实用性。 关键词：移动机器人；路径规划；机器人避障 1引言 移动机器人路径规划问题是指在有障碍物的工作环境中寻找一条恰当的从给定起点到终点的运动路径，使机器人在运动过程中能安全、无碰撞地绕过所有的障碍物［1］。 障碍环境中机器人的无碰撞路径规划［2］是智能机器人研究的重要课题之一，由于在障碍空间中机器人运动规划的高度复杂性使得这一问题至今未能很好地解决。路径规划问题根据机器人的工作环境模型可以分为两种，一种是基于模型的路径规划，作业环境的全部信息都是预知的；另一种是基于传感器的路径规划，作业环境的信息是全部未知或部分未知的。 对机器人路径规划的研究，世界各国的专家学者们提出了许多不同的路径规划方法，主要可分为全局路径和局部路径规划方法。全局路径规划方法有位形空间法、广义锥方法、顶点图像法、栅格划归法；局部路径规划方法主要有人工势场法。这些方法都各有优缺点［3］，也没有一种方法能够适用于任何场合。 本文提出一种最短切线路径的规划方法，其涉及的理论并不高深，计算简单，容易实现，可供侧重于应用的读者参考。下面将详细介绍该算法的基本原理，最后给出仿真实现的结果。 2最短切线路径算法 2.1算法基本原理 (1)首先判断机器人和给定的目标位置之间是否存在障碍物。如图1所示，以B代表目标位置，其坐标 为(x Ｂ，y Ｂ ），以R、A分别代表机器人及障碍物，坐标为(x Ｒ ，y Ｒ )、(x Ａ ，y Ａ )。Ｒr和Ra表示机器人和障 碍物的碰撞半径，也就是说在其半径以外无碰撞的危险。这里对碰撞半径的选择作出一点说明，碰撞半径越小，发生碰撞的危险度越大，但切线路径越短；碰撞半径越大，发生碰撞的危险度越小，但同时切线路径越长。要根据实际情况和控制要求来确定碰撞半径。若机器人与目标位置之间不存在障碍物，机器人可走直线直接到达目标位置，此时的直线方程可由两点式确定：
机器人路径规划
1绪论 1.1机器人简介 1.1.1什么是机器人 机器人一词不仅会在科幻小说、动画片等上看到和听到，有时也会在电视上看到在工厂进行作业的机器人，在实际中也有机会看到机器人的展示。今天，说不定机器人就在我们的身过，但这里我们要讨论的是什么是机器人学研究的机器人。 机器人（robot）一词来源下1920年捷克作家卡雷尔. 查培克（Kapel Capek）所编写的戏剧中的人造劳动者，在那里机器人被描写成像奴隶那样进行劳动的机器。 后来作为一种虚构的机械出现在许多作品中，代替人们去完成某些工作。20世纪60年代出现了作为可实用机械的机器人。为了反这种机器人同虚构的机器人及玩具机器人加以区别，称其为工业机器人。 工业机器人的兴起促进了大学及研究所开展机器人的研究。随着计算机的普及，又积极地开展了带有智能的机器人的研究。到70年代，机器人作为工程对象已经被确认，机器人一词也受到公认。目前，机器人学的研究对象已不仅仅是工业机器人了。 即便是实际存在的机器人，也很难把它定义为机器人，而且其定义也随着时代在变化。这里简单地反具有下述性质的机械看作是机器人： 1.代替人进行工作：机器人能像人那样使用工具和机械，因此，数控机床和 汽车不是机器人。 2.有通有性：既可简单地变换所进行的作为，又能按照工作状况的变化相应 地进行工作。一般的玩具机器人不能说有通用性。 3.直接对个界作工作：不仅是像计算机那样进行计算，而且能依据计算结果 对外界结果对外界产生作用。 机器人学把这样定义的机器人作为研究对象。
1.1.2机器人的分类 机器人的分类方法很多，这里我们依据三个有代表性的分类方法列举机器人的种类。 首先，由天机器人要代替人进行作业，因此可根据代替人的哪一个器官来分类： 操作机器人（手）：利用相当于手臂的机械手、相当于手指的手爪来使物体协作。 移动机器人（腿）：虽然已开发出了2足步行和4足步行机器人，但实用的却是用车轮进行移动的机器人。（本文以轮式移动机器人作为研究对象）视觉机器人（眼）：通过外观检查来除掉残次品，观看人的面孔认出是谁。虽然还有使用触觉的机器人，但由于它不是为了操作，所以不能说是触觉机器人。 也还有不仅代替单一器官的机器人，例如进行移动操作，或进行视觉和操作的机器人。 其次，按机器人的应用来分类： 工业机器人：可分为搬送、焊接、装配、喷漆、检查等机器人，主要用于工厂内。 极限作业器人：主要用在人们难以进入的核电站、海底、宇宙空间等进行作为的机器人。也包括建筑、农业机器人等。 娱乐机器人：有弹奏乐器的机器人、舞蹈机器人、宠物机器人等，具有某种程度的通用性。也有适应环境面改变行动的宠物机器人。 最后则是按照基于什么样的信息进行动作来分类： 表1基于动作信息的机器人分类
遗传算法与机器人路径规划
遗传算法与机器人路径规划 摘要：机器人的路径规划是机器人学的一个重要研究领域，是人工智能和机器人学的一个结合点。对于移动机器人而言，在其工作时要求按一定的规则，例如时间最优，在工作空间中寻找到一条最优的路径运动。机器人路径规划可以建模成在一定的约束条件下，机器人在工作过程中能够避开障碍物从初始位置行走到目标位置的路径优化过程。遗传算法是一种应用较多的路径规划方法，利用地图中的信息进行路径规划，实际应用中效率比较高。 关键词：路径规划；移动机器人；避障；遗传算法 Genetic Algorithm and Robot Path Planning Abstract: Robot path planning research is a very important area of robotics, it is also a combine point of artificial intelligence and robotics. For the mobile robot, it need to be worked by certain rulers（e.g time optimal），and find a best movement path in work space. Robot path planning can be modeled that in the course of robots able to avoid the obstacles from the initial position to the target location,and it ruquire to work under ertain constraints. Genetic algorithm used in path planning is very common, when planning the path ,it use the information of map ,and have high eficient in actual. Key words: Path planning,mobile robot, avoid the obstacles, genetic algorithm 1路径规划 1.1机器人路径规划分类 （1）根据机器人对环境信息掌握的程度和障碍物的不同，移动机器人的路径规划基本上可分为以下几类： 1，已知环境下的对静态障碍物的路径规划； 2，未知环境下的对静态障碍物的路径规划； 3，已知环境下对动态障碍物的路径规划； 4，未知环境下的对动态障碍物的路径规划。 （2）也可根据对环境信息掌握的程度不同将移动机器人路径规划分为两种类型： 1，基于环境先验完全信息的全局路径规划； 2，基于传感器信息的局部路径规划。 （第二种中的环境是未知或部分未知的，即障碍物的尺寸、形状和位置等信息必须通过传感器获取。） 1.2路径规划步骤 无论机器人路径规划属于哪种类别，采用何种规划算法，基本上都要遵循以下步骤： 1, 建立环境模型，即将现实世界的问题进行抽象后建立相关的模型； 2, 路径搜索方法，即寻找合乎条件的路径的算法。 1.3路径规划方法
移动机器人路径规划技术综述
第25卷第7期V ol.25No.7 控制与决策 Control and Decision 2010年7月 Jul.2010移动机器人路径规划技术综述 文章编号:1001-0920(2010)07-0961-07 朱大奇,颜明重 (上海海事大学水下机器人与智能系统实验室，上海201306) 摘要:智能移动机器人路径规划问题一直是机器人研究的核心内容之一.将移动机器人路径规划方法概括为:基于模版匹配路径规划技术、基于人工势场路径规划技术、基于地图构建路径规划技术和基于人工智能的路径规划技术.分别对这几种方法进行总结与评价,最后展望了移动机器人路径规划的未来研究方向. 关键词:移动机器人；路径规划；人工势场；模板匹配；地图构建；神经网络；智能计算 中图分类号:TP18；TP273文献标识码:A Survey on technology of mobile robot path planning ZHU Da-qi,YAN Ming-zhong (Laboratory of Underwater Vehicles and Intelligent Systems，Shanghai Maritime University，Shanghai201306, China．Correspondent：ZHU Da-qi，E-mail：zdq367@https://www.wendangku.net/doc/586452169.html,) Abstract:The technology of intelligent mobile robot path planning is one of the most important robot research areas.In this paper the methods of path planning are classi?ed into four classes:Template based,arti?cial potential?eld based,map building based and arti?cial intelligent based approaches.First,the basic theories of the path planning methods are introduced brie?y.Then,the advantages and limitations of the methods are pointed out.Finally,the technology development trends of intelligent mobile robot path planning are given. Key words:Mobile robot；Path planning；Arti?cial potential?eld；Template approach；Map building；Neural network; Intelligent computation 1引言 所谓移动机器人路径规划技术,就是机器人根据自身传感器对环境的感知,自行规划出一条安全的运行路线,同时高效完成作业任务.移动机器人路径规划主要解决3个问题:1)使机器人能从初始点运动到目标点;2)用一定的算法使机器人能绕开障碍物,并且经过某些必须经过的点完成相应的作业任务;3)在完成以上任务的前提下,尽量优化机器人运行轨迹.机器人路径规划技术是智能移动机器人研究的核心内容之一,它起始于20世纪70年代,迄今为止,己有大量的研究成果报道.部分学者从机器人对环境感知的角度,将移动机器人路径规划方法分为3种类型[1]:基于环境模型的规划方法、基于事例学习的规划方法和基于行为的路径规划方法;从机器人路径规划的目标范围看,又可分为全局路径规划和局部路径规划;从规划环境是否随时间变化方面看,还可分为静态路径规划和动态路径规划. 本文从移动机器人路径规划的具体算法与策略上,将移动机器人路径规划技术概括为以下4类:模版匹配路径规划技术、人工势场路径规划技术、地图构建路径规划技术和人工智能路径规划技术.分别对这几种方法进行总结与评价,展望了移动机器人路径规划的未来发展方向. 2模版匹配路径规划技术 模版匹配方法是将机器人当前状态与过去经历相比较,找到最接近的状态,修改这一状态下的路径,便可得到一条新的路径[2,3].即首先利用路径规划所用到的或已产生的信息建立一个模版库,库中的任一模版包含每一次规划的环境信息和路径信息,这些模版可通过特定的索引取得;随后将当前规划任务和环境信息与模版库中的模版进行匹配,以寻找出一 收稿日期:2009-08-30；修回日期:2009-11-18. 基金项目:国家自然科学基金项目(50775136)；高校博士点基金项目(20093121110001)；上海市教委科研创新项目(10ZZ97). 作者简介:朱大奇(1964?),男,安徽安庆人,教授,博士生导师,从事水下机器人可靠性与路径规划等研究；颜明重(1977?),男,福建泉州人,博士生,从事水下机器人路径规划的研究.
机器人路径动态规划
研究背景 近年来,机器人技术飞速发展,机器人的应用领域也在不断扩展。机器人的工作环境存在高度的多变性和复杂性,因此自主导航是实现真正智能化和完全自主移动的关键技术。机器人的导航问题可以归结为对“我在哪”、“我要去哪”以及“我如何到达那里”三个问题的回答。第三个问题就是路径规划,要求机器人在当前位置与目标位置之间寻找一条安全、合理、高效的路径,保证机器人能够安全地到达目标地点。机器人路径规划是机器人领域的一个研究热点。 一、课题应用 机器人的路径规划是机器人学的一个重要研究领域，是人工智能和机器人学的一个结合点。对于移动机器人而言，在其工作时要求按一定的规则，例如时间最优，在工作空间中寻找到一条最优的路径运动。机器人路径规划可以建模成在一定的约束条件下，机器人在工作过程中能够避开障碍物从初始位置行走到目标位置的路径优化过程。遗传算法是一种应用较多的路径规划方法，利用地图中的信息进行路径规划，实际应用中效率比较高。 智能移动机器人[1]，是一个集环境感知、动态决策与规划、行为控制与执行等多功能于一体的综合系统。它集中了传感器技术、信息处理、电子工程、计算机工程、自动化控制工程以及人工智能等多学科的研究成果，代表机电一体化的最高成就，是目前科学技术发展最活跃的领域之一。随着机器人性能不断地完善，移动机器人的应用范围大为扩展，不仅在工业、农业、医疗、服务等行业中得到广泛的应用，而且在城市安全、国防和空间探测领域等有害与危险场合得到很好的应用。因此，移动机器人技术已经得到世界各国的普遍关注。 移动机器人的研究始于60 年代末期。斯坦福研究院(SRI)的Nils Nilssen 和Charles Rosen 等人，在1966年至1972 年中研发出了取名Shakey的自主移动机器人[1]。目的是研究应用人工智能技术，在复杂环境下机器人系统的自主推理、规划和控制。 根据移动方式来分，可分为：轮式移动机器人、步行移动机器人(单腿式、双腿式和多腿式)、履带式移动机器人、爬行机器人、蠕动式机器人和游动式机器人等类型；按工作环境来分，可分为：室内移动机器人和室外移动机器人；按控制体系结构来分，可分为:功能式(水平式)结构机器人、行为式(垂直式)结构机器人和混合式机器人；按功能和用途来分，可分为:医疗机器人、军用机器人、助残机器人、清洁机器人等； 一种由传感器、遥控操作器和自动控制的移动载体组成的机器人系统。移动机器人具有移动功能，在代替人从事危险、恶劣（如辐射、有毒等）环境下作业和人所不 及的（如宇宙空间、水下等）环境作业方面，比一般机器人有更大的机动性、灵活性。 移动机器人是一种在复杂环境下工作的，具有自行组织、自主运行、自主规划的智能机器人，融合了计算机技术、信息技术、通信技术、微电子技术和机器人技术等。 三、研究意义 路径规划技术是机器人研究领域中的一个重要分支,是机器人智能化的重要标志,是对
机器人路径规划方法的研究进展与趋势
机器人路径规划方法的研究进展与趋势 朱明华,王霄,蔡兰 (江苏大学机械工程学院,江苏镇江212013) 摘要:对机器人路径规划的研究进行了概括和总结,阐述了机器人全局路径规划方法、局部路径规划方法及混合方法的研究现状、特点和主要成果,指出了其今后的发展方向及研究重点。 关键词:机器人;遗传算法;路径规划;粗糙集 中图分类号:T P242 文献标识码:A 文章编号:1001-3881(2006)3-005-4 R esearch P rogress and Future Develop m ent on Path P lanni n g for Robot Z HU M inghua,WANG X iao,CA I Lan (M echanical Eng i n eering Institute,Jiangsu Un i v ersity,Zhenjiang Jiangsu212013,China) Abstrac t:T he research of robo t pa t h plann i ng w as s umm arized,the research sta t us quo,character i stic and ma i n producti on of robo t g l obal path p l ann i ng m ethod,l oca l path p l ann i ng m ethod and hybr i d m ethod were expatiated,its deve l op m ent d irec tions and study f o cus w ere po i nted out. K eyword s:R obot;G enetic a l gor it hm s;P ath p lann i ng;R ough set 路径规划技术是机器人研究领域中的一个重要分支,是机器人导航中最重要的任务之一。蒋新松在文献[1]中为路径规划作出了这样的定义:路径规划是自治式移动机器人的一个重要组成部分,它的任务就是在具有障碍物的环境内按照一定的评价标准,寻找一条从起始状态(包括位置和姿态)到达目标状态(包括位置和姿态)的无碰路径。障碍物在环境中的不同分布情况当然直接影响到规划的路径,而目标位置的确定则是由更高一级的任务分解模块提供的。目前,根据对环境的掌握情况,机器人的路径规划问题可以大致分为二大类:基于环境先验信息的全局路径规划;基于不确定环境的传感器信息的局部路径规划。 1 全局路径规划方法(G lobal Pat h Plann i n g) 依据已获取的全局环境信息,给机器人规划出一条从起点至终点的运动路径。规划路径的精确程度取决于获取环境信息的准确程度。全局路径规划规划方法通常可以寻找最优解,但需要预先知道准确的全局环境信息。通常该方法计算量大,实时性差,不能较好地适应动态非确定环境。基于环境建模的全局路径规划的方法主要有:自由空间法、构型空间法和栅格法等。 1 1 自由空间法(Free Space Approach) 自由空间法采用预先定义的如广义锥形[2]和凸多边形[3]等基本形状构造自由空间,并将自由空间表示为连通图,然后通过搜索连通图来进行路径规划,此方法比较灵活,即使起始点和目标点改变,也不必重构连通图,但是算法的复杂程度与障碍物的多少成正比,且不能保证任何情况下都能获得最短路径。因而该方法仅适用于路径精度要求不高,机器人速度不快的场合。按照划分自由空间方法的不同又可分为:凸区法、三角形法、广义锥法。 1 2 构型空间法 为了简化问题,通常将机器人缩小为一点,将其周围的障碍物按比例相应地进行拓展,使机器人在障碍物空间中能够任意移动而不与障碍物及其边界发生碰撞。目前研究比较成熟的有可视图法[4]和优化算法(如D ijkstra法[5]、A*搜索算法[6]等)。 1 2 1 可视图法(V-G r aph) 通过起始点和目标点及障碍物的顶点在内的一系列点来构造可视图。连接这些点使某点与其周围的某可视点相连,即要求机器人和障碍物各顶点之间、目标点和障碍物各顶点以及各障碍物顶点与顶点之间的连线均不能穿越障碍物,也即直线是可视的。从而搜索最优路径的问题就转化为经过这些可视直线从起始点到目标点的最短距离问题。 1 2 2 优化算法(Optm i ization A l gorit hm) 优化算法可以删除一些不必要的连线以简化可视图,从而缩短搜索时间,求得最短路径。但是,优化算法缺乏灵活性,一旦起点和目标点改变,就必须重构可视图,并且搜索效率也较低。 1 3 栅格法(Grids) 栅格法[7]将机器人的工作环境分解成一系列具有二值信息的网格单元,并假设工作空间中障碍物的位置和大小已知且在机器人运动过程中不会发生变化。用尺寸相同的栅格对机器人的二维工作空间进行规划,栅格大小以机器人自身的尺寸为准。若某一栅格范围内不含任何障碍物,则称此栅格为自由栅格;反之,称为障碍栅格。这样,自由空间和障碍物均可表示为栅格块的集成。栅格的表识方法有两种:直角坐标法和序号法。直角坐标法如图1所示,以栅格阵左上角为坐标原点,水平向右为X轴正方向,竖直向
多机器人路径规划研究方法(一)
多机器人路径规划研究方法（一） 张亚鸣雷小宇杨胜跃樊晓平瞿志华贾占朝摘要：在查阅大量文献的基础上对多机器人路径规划的主要研究内容和研究现状进行了分析和总结，讨论了多机器人路径规划方法的评判标准，并阐述了研究遇到的瓶颈问题，展望了多机器人路径规划方法的发展趋势。 关键词：多机器人；路径规划；强化学习；评判准则 e,itexpoundedthebottleneckofthepathplanningresearchfor ， ； 近年来，分布式人工智能（DAI）成为人工智能研究的一个重要分支。DAI 研究大致可以分为DPS （distributedproblemsolving ）和MAS （）两个方面。一些从事机器人学的研究人员受多智能体系统研究的启发，将智能体概念应用于多机器人系统的研究中，将单个机器人视做一个能独立执行特定任务的智能体，并把这种多机器人系统称为多智能体机器人系统（MARS）。因此，本文中多机器人系统等同于多智能体机器人系统。目前，多机器人系统已经成为学术界研究的热点,而路径规划研究又是其核心部分。
机器人路径规划问题可以建模为一个带约束的优化问题，其包括地理环境信息建模、路径规划、定位和避障等任务，它是移动机器人导航与控制的基础。单个移动机器人路径规划研究一直是机器人研究的重点，且已经有许多成果 1~3］，例如在静态环境中常见的有连接图法、可视图法、切线图法、Voronoi 图法、自由空间法、栅格法、拓扑法、链接图法、证据理论建图等；动态环境中常见的有粒子群算法、免疫算法、遗传算法、神经网络、蚁群算法、模拟退火算法、人工势场法等。然而，多机器人路径规划研究比单个机器人路径规划要复杂得多，必须考虑多机器人系统中机器人之间的避碰机制、机器人之间的相互协作机制、通信机制等问题。 1 多机器人路径规划方法单个机器人的路径规划是找出从起始点至终点的一条最短无碰路径。多个机器人的路径规划侧重考虑整个系统的最优路径，如系统的总耗时间最少路径或是系统总路径最短等。从目前国内外的研究来看，在规划多机器人路径时，更多考虑的是多机器人之间的协调和合作式的路径规划。 目前国内外多机器人路径规划研究方法分为传统方法、智能优化方法和其他方法三大类。其中传统方法主要有基于图论的方法（如可视图法、自由空间法、栅格法、Voronoi 图法以及人工势场方法等）；智能优化方法主要有遗传算法、蚁群算法、免疫算法、神经网络、强化学 习等；其他方法主要有动态规划、最优控制算法、模糊控制等。它们中的大部分都是从单个机器人路径规划方法扩展而来的。 1）传统方法多机器人路径规划传统方法的特点主要体现在基于图论的基础
机器人路径规划问题
原理 设:U(X)为总引力场，()att U x 为目的地引力场，()rep U x 为障碍物排斥场；F(X)为总引力，()att F x 为引力，()rep F x 为斥力；,k η是正比例位置增益系数，0,,g X X X 分别代表机器人，目标和障碍物在空间中的位置。(,)||g g X X X X ρ=-表示机器人与目标之间的距离。00(,)||X X X X ρ=-为机器人在空间的位置与障碍物之间的距离。常数0ρ代表障碍物的影响距离，应根据障碍物和目标点的具体情况而定。 引力势场函数为： 21()(,)2 att g U X k X X ρ= 斥力势场函数为： 2000000111(,)()2(,)0 rep X X U X X X X X ηρρρρρρ????-≤??=????>? 总势场函数为： ()()()att rep U X U X U X =+ 力函数F(X)是势场函数U(X)的负梯度。 机器人所受的引力为： ()()att g F X k X X =- 斥力为： 00200000111 (,)()(,)(,)0 (,) rep X X F X X X X X X X ηρρρρρρρ???-≤???=????>? 合力为： ()()()att rep F X F X F X =+ 实验步骤 根据上述原理进行做实验，力求确定主要参数影响距离0ρ，引力参数k ，斥力系数η，以及机器人运动的步长l 。步骤： (1) 简历地图，确定机器人目标和障碍的位置，并确定矢量势场模型的矢量初始参数； (2) 计算机器人到球的距离,计算吸引力矢量； (3) 计算球场上障碍物对机器人的位置斥力,判断是否需要避障，计算斥力矢量； (4) 计算引力矢量和斥力矢量的和,并将该和矢量分解到x 和y 轴上，继而确定机器人下一步的位置点； （5）然后回到步骤（2），直到该位置点为终点。 核心代码： void find_Attract(double *Yatx,double *Yaty,int h0,int w0)//求引力
多机器人路径规划研究方法
多机器人路径规划研究方法 张亚鸣雷小宇杨胜跃樊晓平瞿志华贾占朝 摘要：在查阅大量文献的基础上对多机器人路径规划的主要研究内容和研究现状进行了分析和总结，讨论了多机器人路径规划方法的评判标准，并阐述了研究遇到的瓶颈问题，展望了多机器人路径规划方法的发展趋势。 关键词：多机器人；路径规划；强化学习；评判准则 Abstract:This paper analyzed and concluded the main method and current research of the path planning research for multi robot.Then discussed the criterion of path planning research for multi robot based large of literature.Meanwhile,it expounded the bottleneck of the path planning research for multi robot，forecasted the future development of multi robot path planning. Key words:multi robot；path planning;reinforcement learning;evaluating criteria 近年来，分布式人工智能(DAI)成为人工智能研究的一个重要分支。DAI研究大致可以分为DPS（distributed problem solving）和MAS（multi agent system）两个方面。一些从事机器人学的研究人员受多智能体系统研究的启发，将智能体概念应用于多机器人系统的研究中，将单个机器人视做一个能独立执行特定任务的智能体，并把这种多机器人系统称为多智能体机器人系统（MARS）。因此，本文中多机器人系统等同于多智能体机器人系统。目前，多机器人系统已经成为学术界研究的热点,而路径规划研究又是其核心部分。 机器人路径规划问题可以建模为一个带约束的优化问题，其包括地理环境信息建模、路径规划、定位和避障等任务，它是移动机器人导航与控制的基础。单个移动机器人路径规划研究一直是机器人研究的重点，且已经有许多成果[1~3]，例如在静态环境中常见的有连接图法、可视图法、切线图法、Voronoi图法、自由空间法、栅格法、拓扑法、链接图法、Dempster Shafer 证据理论建图等；动态环境中常见的有粒子群算法、免疫算法、遗传算法、神经网络、蚁群算法、模拟退火算法、人工势场法等。然而，多机器人路径规划
机器人路径规划
机器人路径规划 摘要：机器人路径规划是机器人技术的重要分支之一，路径规划技术的研究是研究机器人技术不可或缺的技术之一。本文首先介绍了当前研究人员热衷的ROS 系统是如何进行路径规划的，接着论述了作为群智能算法的蚁群算法应用于机器人的路径规划中。研究表明，可以将蚁群算法和ROS系统结合，进一步的进行机器人的路径规划。 关键词：路径规划，ROS系统，蚁群算法，机器人 1.引言 智能移动机器人技术是机器人技术的重要组成部分，应用前景十分广阔：工业，农业，国防，医疗，以及服务业等[1]。文献提出，未来数年内，中国服务机器人发展将超过传统的工业机器人[2]，机器人路径规划技术是服务机器人研究的核心内容之一[3]。可见，研究机器人的路径规划问题十分必要。 随着机器人领域的快速发展和复杂化，代码的复用性和模块化的需求原来越强烈，而已有的开源机器人系统又不能很好的适应需求。2010年Willow Garage 公司发布了开源机器人操作系统ROS（robot operating system），很快在机器人研究领域展开了学习和使用ROS的热潮。ROS系统是起源于2007年斯坦福大学人工智能实验室的项目与机器人技术公司Willow Garage的个人机器人项目（Personal Robots Program）之间的合作，2008年之后就由Willow Garage来进行推动。ROS的运行架构是一种使用ROS通信模块实现模块间P2P的松耦合的网络连接的处理架构，它执行若干种类型的通讯，包括基于服务的同步RPC（远程过程调用）通讯、基于Topic的异步数据流通讯，还有参数服务器上的数据存储。ROS系统以其独特优点引起了研究人员的兴趣。 近年来，各国学者致力于机器人路径规划的研究且取得了相当丰硕的研究成果。目前已有多种算法用于规划机器人的路径，文献【4】将其主要分为经典方
多机器人路径规划研究方法(一)
多机器人路径规划研究方法(一) 张亚鸣雷小宇杨胜跃樊晓平瞿志华贾占朝 摘要：在查阅大量文献的基础上对多机器人路径规划的主要研究内容和研究现状进行了分析和总结，讨论了多机器人路径规划方法的评判标准，并阐述了研究遇到的瓶颈问题，展望了多机器人路径规划方法的发展趋势。 关键词：多机器人；路径规划；强化学习；评判准则 e,itexpoundedthebottleneckofthepathplanningresearchfor， ； 近年来，分布式人工智能(DAI)成为人工智能研究的一个重要分支。DAI 研究大致可以分为DPS（distributedproblemsolving）和MAS （）两个方面。一些从事机器人学的研究人员受多智能体系统研究的启发，将智能体概念应用于多机器人系统的研究中，将单个机器人视做一个能独立执行特定任务的智能体，并把这种多机器人系统称为多智能体机器人系统（MARS）。因此，本文中多机器人系统等同于多智能体机器人系统。目前，多机器人系统已经成为学术
界研究的热点,而路径规划研究又是其核心部分。 机器人路径规划问题可以建模为一个带约束的优化问题，其包括地理环境信息建模、路径规划、定位和避障等任务，它是移动机器人导航与控制的基础。单个移动机器人路径规划研究一直是机器人研究的重点，且已经有许多成果1~3]，例如在静态环境中常见的有连接图法、可视图法、切线图法、Voronoi图法、自由空间法、栅格法、拓扑法、链接图法、证据理论建图等；动态环境中常见的有粒子群算法、免疫算法、遗传算法、神经网络、蚁群算法、模拟退火算法、人工势场法等。然而，多机器人路径规划研究比单个机器人路径规划要复杂得多，必须考虑多机器人系统中机器人之间的避碰机制、机器人之间的相互协作机制、通信机制等问题。 1多机器人路径规划方法 单个机器人的路径规划是找出从起始点至终点的一条最短无碰路径。多个机器人的路径规划侧重考虑整个系统的最优路径，如系统的总耗时间最少路径或是系统总路径最短等。从目前国内外的研究来看，在规划多机器人路径时，更多考虑的是多机器人之间的协调和合作式的路径规划。 目前国内外多机器人路径规划研究方法分为传统方法、智能优化方法和其他方法三大类。其中传统方法主要有基于图论的方法（如可视图法、自由空间法、栅格法、Voronoi图法以及人工势场方法等）；智能优化方法主要有遗传算法、蚁群算法、免疫算法、神经网络、强化学
机器人路径规划算法总结
1.自主机器人近距离操作运动规划体系 在研究自主运动规划问题之前，首先需建立相对较为完整的自主运动规划体系，再由该体系作为指导，对自主运动规划的各项具体问题进行深入研究。本节将根据自主机器人的思维方式、运动形式、任务行为等特点，建立与之相适应的自主运动规划体系。并按照机器人的数量与规模，将自主运动规划分为单个机器人的运动规划与多机器人协同运动规划两类规划体系。 1.1单个自主机器人的规划体系 运动规划系统是自主控制系统中主控单元的核心部分，因此有必要先研究自主控制系统和其主控单元的体系结构问题。 自主控制技术研究至今，先后出现了多种体系结构形式，目前被广泛应用于实践的是分布式体系结构，其各个功能模块作为相对独立的单元参与整个体系。随着人工智能技术的不断发展，基于多Agent的分布式体系结构逐渐成为了主流，各功能模块作为独立的智能体参与整个自主控制过程，该体系结构应用的基本形式如图1所示。一方面，主控单元与测控介入处理、姿态控制系统、轨道控制系统、热控系统、能源系统、数传、有效载荷控制等功能子系统相互独立为智能体，由总线相连；另一方面，主控单元为整个系统提供整体规划，以及协调、管理各子系统Agent的行为。测控介入处理Agent保证地面系统对整个系统任意层面的控制介入能力，可接受上行的使命级任务、具体的飞行规划和底层的控制指令；各子系统Agent存储本分系统的各种知识和控制算法，自主完成主控单元发送的任务规划，并将执行和本身的健康等信息传回主控单元，作为主控单元Agent运行管理和调整计划的依据。 图1 基于多Agent的分布式自主控制系统体系结构基本形式示意图 主控单元Agent采用主流的分层递阶式结构，这种结构层次鲜明，并且十分利于实现，其基本结构如图2所示。主控单元由任务生成与调度、运动行为规划和控制指令生成三层基本结构组成，由任务生成与调度层获得基本的飞行任务，经过运动行为规划层获得具体的行为规划，再由控制指令生成层得到最终的模块控制指令，发送给其它功能Agent。各功能Agent发送状态信息给主控单元的状态检测系统，状态检测系统将任务执行情况和子系统状态反馈回任务生成与调度层，以便根据具体情况对任务进行规划调整。当遇到突发情况时，还可启用重规划模块，它可根据当时情况迅速做出反应快速生成行为规划，用以指导控制指令生成层得到紧急情况的控制指令。此外，地面控制系统在三个层次上都分别具有介入能