针对现有建筑材料运输机器人避障中存在的全局寻优能力差,易与移动障碍物发生碰撞的不足,设计了一种蚁群势场算法;首先分析了蚁群算法下蚂蚁个体信息素浓度的累积过程,通过构建人工势场求解引力和斥力的合作,将其作为优选蚁群算法启发...针对现有建筑材料运输机器人避障中存在的全局寻优能力差,易与移动障碍物发生碰撞的不足,设计了一种蚁群势场算法;首先分析了蚁群算法下蚂蚁个体信息素浓度的累积过程,通过构建人工势场求解引力和斥力的合作,将其作为优选蚁群算法启发因子的重要约束条件;其次引入SA算法对蚁群势场算法做二次优化,将降温的过程视为一个全局优化的过程;最后在局部避碰方面构建了质量点模型,通过评估机器人当前位置、运行速度和障碍物位置等信息建立惩罚函数,并将惩罚函数值降至最低,避免出现与障碍物的碰撞;实验结果显示:提出算法有更高的迭代效率,复杂动态条件下最短行进距离为110.6 m, 4种传统算法的最短行进距离分别为135.5、137.6、137.2和130.4 m,而且在该算法控制下,未出现局部与其他移动机器人的碰撞情况。展开更多
针对情景记忆算法中记忆池中的样本利用率低的问题,提出了一种基于情景记忆和值函数分解框架相结合的合作型多智能体强化学习算法,即情景记忆值分解(episodic memory value decomposition,EMVD)算法。EMVD算法在情景记忆部分以时间差分...针对情景记忆算法中记忆池中的样本利用率低的问题,提出了一种基于情景记忆和值函数分解框架相结合的合作型多智能体强化学习算法,即情景记忆值分解(episodic memory value decomposition,EMVD)算法。EMVD算法在情景记忆部分以时间差分误差平方为依据来更新记忆池,使记忆池中一直保留对学习效果提升更重要的情景记忆样本,并将情景记忆算法与神经网络相结合,提高了算法的收敛速度。为了将EMVD算法应用于机器人协作运输任务中,设定机器人和运输目标的位置为状态,并且设计了回报函数。仿真结果表明,EMVD算法可以探索出机器人协作运输任务的最优策略,提高了算法的收敛速度。展开更多
This article presents the research and development of an electric vehicle(EV) in Department of Human-Robotics Saitama Institute of Technology,Japan.Electric mobile systems developed in our laboratory include a conve...This article presents the research and development of an electric vehicle(EV) in Department of Human-Robotics Saitama Institute of Technology,Japan.Electric mobile systems developed in our laboratory include a converted electric automobile,electric wheelchair and personal mobile robot.These mobile systems contribute to realize clean transportation since energy sources and devices from all vehicles,i.e.,batteries and electric motors,does not deteriorate the environment.To drive motors for vehicle traveling,robotic technologies were applied.展开更多
文摘针对现有建筑材料运输机器人避障中存在的全局寻优能力差,易与移动障碍物发生碰撞的不足,设计了一种蚁群势场算法;首先分析了蚁群算法下蚂蚁个体信息素浓度的累积过程,通过构建人工势场求解引力和斥力的合作,将其作为优选蚁群算法启发因子的重要约束条件;其次引入SA算法对蚁群势场算法做二次优化,将降温的过程视为一个全局优化的过程;最后在局部避碰方面构建了质量点模型,通过评估机器人当前位置、运行速度和障碍物位置等信息建立惩罚函数,并将惩罚函数值降至最低,避免出现与障碍物的碰撞;实验结果显示:提出算法有更高的迭代效率,复杂动态条件下最短行进距离为110.6 m, 4种传统算法的最短行进距离分别为135.5、137.6、137.2和130.4 m,而且在该算法控制下,未出现局部与其他移动机器人的碰撞情况。
文摘针对情景记忆算法中记忆池中的样本利用率低的问题,提出了一种基于情景记忆和值函数分解框架相结合的合作型多智能体强化学习算法,即情景记忆值分解(episodic memory value decomposition,EMVD)算法。EMVD算法在情景记忆部分以时间差分误差平方为依据来更新记忆池,使记忆池中一直保留对学习效果提升更重要的情景记忆样本,并将情景记忆算法与神经网络相结合,提高了算法的收敛速度。为了将EMVD算法应用于机器人协作运输任务中,设定机器人和运输目标的位置为状态,并且设计了回报函数。仿真结果表明,EMVD算法可以探索出机器人协作运输任务的最优策略,提高了算法的收敛速度。
文摘This article presents the research and development of an electric vehicle(EV) in Department of Human-Robotics Saitama Institute of Technology,Japan.Electric mobile systems developed in our laboratory include a converted electric automobile,electric wheelchair and personal mobile robot.These mobile systems contribute to realize clean transportation since energy sources and devices from all vehicles,i.e.,batteries and electric motors,does not deteriorate the environment.To drive motors for vehicle traveling,robotic technologies were applied.