机器人动态神经网络导航算法的研究和实现

针对Pioneer3-DX移动机器人,提出了基于强化学习的自主导航策略,完成了基于动态神经网络的移动机器人导航算法设计.动态神经网络可以根据机器人环境状态的复杂程度自动地调整其结构,实时地实现机器人的状态与其导航动作之间的映射关系,有效地解决了强化学习中状态变量表的维数爆炸问题.通过对Pioneer3-DX移动机器人导航进行仿真和实物实验,证明该方法的有效性,且导航效果明显优于人工势场法.

基于动态目标点的行为分解编队算法

多机器人编队可以分解为队形形成和队形保持控制两部分。针对多机器人编队控制任务中的队形形成问题,提出了一种基于动态目标点的行为分解编队算法。此算法是一种改进的基于行为的编队控制方法,这种控制方法的思路为,首先要求各机器人在每一时刻确定一个运动目标点,此运动目标点是根据运动过程中机器人实时的位置运算出来的,是一个动态的目标点。根据此目标点进而产生一个运动需求。再将此运动需求按照有限状态机(FSM)原理分解为不同的子行为,然后给这些子行为分别赋予不同的权值,并求出一组控制变量,最终对这组控制变量加权平均产生一个综合控制变量。仿真实验表明,该方法能快速有效地实现多机器人的编队控制。此编队算法可以有效应用于军事搜索、围捕或机器搬运等多个领域。