一种动态环境下移动机器人的路径规划方法

本文提出了在动态环境中 ,移动机器人的一种路径规划方法 ,适用于环境中存在已知和未知、静止和运动障碍物的复杂情况 .采用链接图法建立了机器人工作空间模型 ,整个系统由全局路径规划器和局部路径规划器两部分组成 .在全局路径规划器中 ,应用遗传算法规划出初步全局优化路径 .在局部路径规划器中 ,设计了三种基本行为 :跟踪全局路径的行为、避碰的行为和目标制导的行为 ,采用基于行为的方法进一步优化路径 .其中 ,避碰的行为是通过强化学习得到的 .仿真和实验结果表明所提方法简便可行 。

视觉SLAM综述

视觉SLAM指的是相机作为唯一的外部传感器,在进行自身定位的同时创建环境地图。SLAM创建的地图的好坏对之后自主的定位、路径规划以及壁障的性能起到一个决定性的作用。本文对基于特征的视觉SLAM方法和直接的SLAM方法,视觉SLAM的主要标志性成果,SLAM的主要研究实验室进行了介绍,并介绍了SIFT,SURF,ORB特征的检测与匹配,关键帧选择方法,并对消除累积误差的闭环检测及地图优化的方法进行了总结。最后,对视觉SLAM的主要发展趋势及研究热点进行了讨论,并对单目视觉SLAM,双目视觉SLAM,RGB_D SLAM进行了优缺点分析。

仿人机器人相似性运动轨迹跟踪控制研究

提出一种基于带观测器的条件状态反馈控制的仿人机器人相似性运动轨迹跟踪控制方法.首先,分析了7连杆双足机器人动力学模型,阐述了其运动能量方程与动力学特征方程;其次,基于带观测器的状态反馈控制器原理,构建起三维倒立摆平衡控制模型;最后,由线性二次型调节器确定状态反馈增益矩阵,使机器人轨迹跟踪误差最小化,以复现出较高相似度的双足步行运动效果.实验验证了该方法的有效性.

参数化优化的仿人机器人相似性前向倒地研究

提出了一种基于运动相似性的仿人机器人前向倒地动作设计方法.首先,分析了运动相似性并提出了关键姿势同步转换方法;其次,为机器人前向倒地运动四级倒立摆建立了相似性变换条件下的动力学约束方程与关联的物理条件约束;再次,引入参数化优化控制与强化技术,对机器人的触地过程进行了参数化优化.实验结果表明了该方法的有效性.

基于虚拟力的混合感知网节点部署

感知网一般是由静态的或移动的节点组成,为保证感知网的感知功能,节点应该有自部署和自修复能力.然而全部由移动传感器组成的感知网的成本太高,为保证感知网的覆盖功能和低成本,提出了一种在静态传感器节点中加入移动传感器节点的混合感知网形式.为了更好地部署这些节点,最大化覆盖待感知区域,提出了一种基于节点间虚拟力的移动节点部署方法,利用静态节点和移动节点以及移动节点之间的虚拟人工势场产生的作用力来控制移动节点的运动,使移动节点能够在较短的时间内,以较少的能量消耗到达自己合适的位置.在理论上分析了算法的可行性,用仿真实验验证了此算法的有效性,并和其他3种类似算法进行了性能比较.

不确定性环境下基于进化算法的强化学习

不确定性和隐状态是目前强化学习所要面对的重要难题.本文提出了一种新的算法MA-Q-learning算法来求解带有这种不确定性的POMDP问题近似最优策略.利用M em etic算法来进化策略,而Q学习算法得到预测奖励来指出进化策略的适应度值.针对隐状态问题,通过记忆agent最近经历的确定性的有限步历史信息,与表示所有可能状态上的概率分布的信度状态相结合,共同决策当前的最优策略.利用一种混合搜索方法来提高搜索效率,其中调整因子被用于保持种群的多样性,并且指导组合式交叉操作与变异操作.在POMDP的Benchm ark实例上的实验结果证明本文提出的算法性能优于其他的POMDP近似算法.

基于遗传模糊算法的机器人局部避障规划

提出了在动态环境中,基于遗传模糊算法的移动机器人的局部避障规划方法,该方法适用于复杂环境情况.仿真结果表明改进遗传算法的模糊控制估化效果优于传统遗传算法模糊控制效果,能够满足移动机器人局部路径规划的实时性要求.

一种混合路径规划方法在轮式机器人中的应用

针对目前机器人在局部路径规划和全局路径规划中存在的问题,提出了一种混合路径规划方法,构建了机器人运动模型与障碍物扩展模型,机器人在栅格地图上沿全局规划路径向目标点移动时,在线实时规划出局部临时目标点以避开探测到的障碍物。最后证明了该规划方法的时间收敛性,并在双轮差速驱动机器人Pio-neer 3-DX实验平台上验证了方法的有效性。

人工智能环境下学习更智慧

智能化是机器人未来的发展方向，智能机器人是具有感知、思维和行动功能的，是计算机和人工智能等多种学科和技术的综合结果。未来智能机器人的几大发展趋势是，语言交流功能越来越完美，外形越来越酷似人类，逻辑分析能力越来越强，功能越来越多样化。

基于π演算的足球机器人协作Q学习方法

针对多机器人协作学习时出现的学习速度慢、学习效率低等问题,提出了一种基于π演算心智模型的足球机器人协作Q学习方法,描述了机器人的运动模型,定义了球场现状、目标、意图、行为、协作、请求、扩展知识、能力判断和联合意图等机器人心智状态,构造了联合奖励函数。最后通过实验验证了方法的有效性。

多智能体机器人系统分散式通信决策研究

为了减少多智能体机器人系统协调所需通信的数量,提出了一种新的方法.利用有向无环图表示团队的可能联合信度,并基于此以分散式的方式制定通信决策,仅当智能体自身的观察信息显示共享信息将导致期望回报升高时才选择通信.通过维持以及推理团队的可能联合信度将集中式单智能体策略应用于分散式多智能体POM-DP问题.通过实验以及一个详细的实例表明,本文方法能够有效地减少通信资源的使用,同时提高分散执行的性能.

基于冲突消解的群体智能机器人协作研究

提出了在动态环境中,基于冲突消解的群体智能机器人的一种协作模型,适用于环境信息不完备的复杂情况.将Agent的独立强化学习与BDI模型结合起来,使多Agent系统不但拥有强化学习的高度反应性和自适应性,而且拥有BDI的推理能力,使只使用数值分析而忽略推理环节的强化学习结合了逻辑推理方法.新的奖励函数和表示方法减少了学习空间、增加了学习速度.仿真结果表明所提方法有效..

一种仿人机器人跑步状态分析模型

依据仿人机器人跑步的动力学特性,通过对仿人机器人虚拟加速度传感器输出的信号进行分析,建立了仿人机器人跑步相关特征值的概率模型.针对仿人机器人的结构,分析了在整个跑步过程中惯性力和弯矩的作用,对跑步状态的影响,获取虚拟加速度传感器输出的信号,采用小波变换分析动态信号,同时进行快速傅里叶变换,在频域上提取能量特征值.使用马氏距离作为稳定跑步的判定标准,并给出了定量描述.在ADAMS软件中搭建仿人机器人,虚拟加速度传感器设置在质心处,进行跑步仿真实验,仿真实验结果表明,该模型能够反映仿人机器人的跑步特性,仿人机器人能够在跑步状态发生改变时,根据跑步特征及时调整步态,保证其稳定性.

时空域融合的骨架动作识别与交互研究

在人体骨架结构动作识别方法中,很多研究工作在提取骨架结构上的空间信息和运动信息后进行融合,没有对具有复杂时空关系的人体动作进行高效表达。本文提出了基于姿态运动时空域融合的图卷积网络模型(PM-STFGCN)。对于在时域上存在大量的干扰信息,定义了一种基于局部姿态运动的时域关注度模块(LPM-TAM),用于抑制时域上的干扰并学习运动姿态的表征。设计了基于姿态运动的时空域融合模块(PMSTF),融合时域运动和空域姿态特征并进行自适应特征增强。通过实验验证,本文提出的方法是有效性的,与其他方法相比,在识别效果上具有很好的竞争力。设计的人体动作交互系统,验证了在实时性和准确率上优于语音交互系统。

一种新型的智能机器人——可拓机器人

为提高机器人的智能水平和对环境的认知程度,更好地完成作业任务,将可拓学理论和成果应用于智能机器人领域从而提出了可拓机器人的概念．可拓机器人用基元理论表达环境模型与先验知识,采用基元的可拓方法解决认知环境过程中出现的矛盾问题,用菱形思维方法模仿人类的思维方式认知环境．

一种有效的车道线识别与偏道预警方法

室外自然光照条件下进行车道线检测时,光照强度和视野角度变化常常会对识别的结果产生较大影响。为此提出了一种基于自适应视频源参数调解的车道线实时检测方法。该方法通过实时动态调解视频源参数(白平衡、Gamma值)等适应室外光照环境。采用Ada-boost算法训练分类器获得感兴趣车道线区域图像,有效地缩小了图像处理范围,减少了运算量。提出了一种基于冒泡排序法的哈夫变换方法,在边缘检测过程中有效地过滤背景噪声,提高车道线检测的鲁棒性。实验表明视频源参数动态调解算法可以适应各种室内、外自然光照条件,提高了车道线识别精度。车道线中心线和侧向距离偏差检测及预警过程能够及时给出预誓信息,有效地避免了高速行驶的自主车辆偏道现象。

基于参数化最优的仿人机器人倒地运动控制

针对仿人机器人的倒地运动控制,用经典的参数化优化方法求得最优控制函数的一个近似解.然后,利用参数化控制及强化技术,基于几个分段的常数去逼近最优解,再将最优控制问题转化为一系列参数优化问题.利用该方法提出了仿人机器人倒地优化控制算法,并与遗传算法进行了比较.最后,通过仿真对算法进行了验证.

应用型本科学生基本能力的分析与培养

未来世界的竞争归根结底是人才的竞争,在这样的形势下大学生教育状况是一个关系到国家、民族的前途和命运问题。高等教育最主要的任务是使学生掌握知识、具备综合的能力和良好的素质,集中体现在培养学生的学习能力、实践能力和创新能力,走上社会后能尽快融入社会,成为新形势下的栋梁之才。

基于参数优化的类机器人运动规划研究

在类人机器人的运动过程中,各种不确定因数可能导致其发生摔倒.当摔倒不可避免的情况下,本文研究了类人机器人倒地动作的最优控制问题,通过对倒地动作深入分析,引入一种参数优化技术对倒地动作进行最优控制.针对参数优化方法对求解问题初值的敏感性和在求解二次规划问题(SQP)中的不足,使用初值状态筛选器和一种基于改进的二次规划滤子算法对该方法的寻优过程进行了改进,并和极小值原理控制方法进行了比较.最后仿真和实验显示了本文所提控制方法的有效性.

基于多机器人自组织协作的多目标跟踪

提出了一种基于局部区域内的机器人和目标密度的多机器人分布式控制算法。运用这种算法,多机器人在跟踪多目标过程中,每个机器人能在每次调整速度和方向之前,根据最新的通讯信息和感知信息,计算通讯范围内相邻机器人和感知范围内移动目标的数量及位置坐标,然后按照所受人工势场(APF)力的合力决定下一次移动的新位置坐标,这个合力乘以一个基于机器人和目标密度的可变加权系数,以适应不同状态,然后按照动力学和运动学方程计算速度及方向。通过仿真实验对该算法进行了验证,实验结果表明,多机器人可以根据多目标的移动进行自主协作跟踪观测,算法的性能优于无可变加权系数的APF法和静态感知节点(SN)法。此方法对于实时监测和目标跟踪具有实际应用意义。