复杂环境下仿蛇机器人的路径规划策略

为完成多障碍物复杂环境中的侦察任务,改善仿蛇机器人的路径搜索能力和提升自主决策能力,本文中提出了一种基于先验知识推理库强化学习的路径规划控制策略。首先,建立仿蛇机器人的运动模型和交互环境模型;其次,通过建立模糊逻辑先验知识推理库(FLIS)与Soft Actor-Critic(SAC)动作网络组成的动作分层选择模型,将输出动作空间进行离散化的方法来调整运动控制精度,提供奖惩机制指导机器人与环境模型进行交互,实现机器人运动自主决策的持续生成过程。仿真结果表明:在多障碍物环境中所提出的改进算法得到的运动控制策略收敛速度和鲁棒性明显提升,降低了训练探索次数,提高了机器人对复杂环境的适应性;试验验证了训练所生成的策略模型在真实环境中的可行性。

一个微小型仿蛇机器人样机的研究

本文从仿生机械学的角度出发，阐述了仿蛇机器人的运动原理，给出了仿蛇机器人的结构和基本运动模式，在此基础上研制成微小型仿蛇机器人样机，对样机进行了实验，结果表明，该样机能在平面上实现驱动运动并完成各项设定操作．

基于蛇类生物的仿生变体机器人研究

基于仿生机械学的原理，提出了仿生变体机器人的物理结构，讨论了仿生变体机器人的运动机理，分析了仿生变体机器人线形运动的基本步态，并根据以上原理研制出了实验样机。对该机器人系统进行了实验，实验结果证明这种运动步态的可行性。最后指出了这种基本运动步态的局限性和改进的方向。

一种多运动模式仿蛇软体机器人方案设计

分析自然界中蛇的运动模式,根据蛇的运动机理,确定并设计仿蛇软体机器人的结构。根据机器人结构设计制作部件模具,浇筑完成机器人的制作。通过实验验证多运动模式仿蛇软体机器人设计方案的可行性。