针对实际档案库房操作空间的动态约束性,常见的运动规划算法难以满足快速在线规划的问题,分别从规划速度和动态空间在线规划两个方向进行研究.首先,提出一种新型快速搜索随机树法(rapidly-exploring random trees,RRT),基于剪枝和路径...针对实际档案库房操作空间的动态约束性,常见的运动规划算法难以满足快速在线规划的问题,分别从规划速度和动态空间在线规划两个方向进行研究.首先,提出一种新型快速搜索随机树法(rapidly-exploring random trees,RRT),基于剪枝和路径细化策略能够大幅减少无用节点计算和冗余路径运动.其次,将人工势场法与RRT算法相结合,新节点拓展时会受到期望为当前势场合力的高斯分布的影响,在满足对动态障碍物的在线运动规划的同时提高了算法的拓展能力.最后,通过仿真结果证明,新型RRT算法在拓展效率上的高效性和混合运动规划算法在动态规划和探索效率上的优越性.展开更多
针对同步定位与建图(simultaneous localization and mapping,SLAM)技术对计算资源的高需求、有限环境适应性、累积误差问题、系统复杂度高、成本昂贵、大场景处理能力受限以及缺乏有效的回环检测机制的缺点,提出一种结合人工势场法和...针对同步定位与建图(simultaneous localization and mapping,SLAM)技术对计算资源的高需求、有限环境适应性、累积误差问题、系统复杂度高、成本昂贵、大场景处理能力受限以及缺乏有效的回环检测机制的缺点,提出一种结合人工势场法和深度强化学习的方法。利用图论模拟人工势场在机器人间的相互作用以及机器人与目的地之间的势场力,并采用孪生延迟深度确定性策略梯度(twin delayed deep deterministic policy gradient,TD3)算法来优化机器人对障碍物信息的感知和处理。仿真试验结果表明:该方法使机器人能够在未知环境中快速、准确地进行定位、移动,同时维持队形的稳定性和一致性。展开更多
针对快速扩展随机树(rapid-exploration random tree^(*),RRT^(*))算法在三维避障路径规划中存在盲目性、低效率和路径不光滑的问题,提出一种改进的RRT^(*)算法,以提高焊接机器人路径规划的性能。通过采用双向搜索策略,缩短搜索时间;结...针对快速扩展随机树(rapid-exploration random tree^(*),RRT^(*))算法在三维避障路径规划中存在盲目性、低效率和路径不光滑的问题,提出一种改进的RRT^(*)算法,以提高焊接机器人路径规划的性能。通过采用双向搜索策略,缩短搜索时间;结合人工势场(artificial potential field,APF)算法与RRT^(*)算法以提升路径平滑性并平衡局部优化与全局最优;提出一种基于角度与密度的改进APF算法策略,提高避障与路径引导效率;提出动态目标偏置策略和动态步长策略,以增强算法在障碍物密集和稀疏区域的自适应性及搜索效率;采用路径修剪策略缩短和平滑路径。最后,通过改进的RRT^(*)算法与RRT^(*)、APF-RRT^(*)、Bi-APF-RRT^(*)(bidirectional-APFRRT^(*))3种算法对比仿真实验以及真机实验,验证了改进算法的高效性和实用性。展开更多
文摘针对实际档案库房操作空间的动态约束性,常见的运动规划算法难以满足快速在线规划的问题,分别从规划速度和动态空间在线规划两个方向进行研究.首先,提出一种新型快速搜索随机树法(rapidly-exploring random trees,RRT),基于剪枝和路径细化策略能够大幅减少无用节点计算和冗余路径运动.其次,将人工势场法与RRT算法相结合,新节点拓展时会受到期望为当前势场合力的高斯分布的影响,在满足对动态障碍物的在线运动规划的同时提高了算法的拓展能力.最后,通过仿真结果证明,新型RRT算法在拓展效率上的高效性和混合运动规划算法在动态规划和探索效率上的优越性.
文摘针对同步定位与建图(simultaneous localization and mapping,SLAM)技术对计算资源的高需求、有限环境适应性、累积误差问题、系统复杂度高、成本昂贵、大场景处理能力受限以及缺乏有效的回环检测机制的缺点,提出一种结合人工势场法和深度强化学习的方法。利用图论模拟人工势场在机器人间的相互作用以及机器人与目的地之间的势场力,并采用孪生延迟深度确定性策略梯度(twin delayed deep deterministic policy gradient,TD3)算法来优化机器人对障碍物信息的感知和处理。仿真试验结果表明:该方法使机器人能够在未知环境中快速、准确地进行定位、移动,同时维持队形的稳定性和一致性。
文摘针对快速扩展随机树(rapid-exploration random tree^(*),RRT^(*))算法在三维避障路径规划中存在盲目性、低效率和路径不光滑的问题,提出一种改进的RRT^(*)算法,以提高焊接机器人路径规划的性能。通过采用双向搜索策略,缩短搜索时间;结合人工势场(artificial potential field,APF)算法与RRT^(*)算法以提升路径平滑性并平衡局部优化与全局最优;提出一种基于角度与密度的改进APF算法策略,提高避障与路径引导效率;提出动态目标偏置策略和动态步长策略,以增强算法在障碍物密集和稀疏区域的自适应性及搜索效率;采用路径修剪策略缩短和平滑路径。最后,通过改进的RRT^(*)算法与RRT^(*)、APF-RRT^(*)、Bi-APF-RRT^(*)(bidirectional-APFRRT^(*))3种算法对比仿真实验以及真机实验,验证了改进算法的高效性和实用性。
