融合危险度模糊分级的UAV动态避障方法

针对无人机(UAV)在多障碍环境中面对运动障碍的反应式避障问题,为了在反应避障决策时能够朝向周围障碍更远、更少的方向进行避障,提出了一种融合障碍危险度模糊分级的三维速度障碍避障方法。通过三维速度障碍法,给出探测域内各运动障碍的碰撞预测。选取坐标系三轴方向作为相互独立的可用避障加速度方向,在速度及加速度限制下求解三轴方向上避障加速度方向以及数值区间。通过模糊算法,给出了周围其他静止障碍的危险分级方法,提出优化评价函数对计算各方向上的最优加速度,给出优化避障指令。仿真结果表明,针对复杂环境,UAV在反应避障的同时考虑了其他障碍的影响,相比原算法拥有了更高的避障成功率和更少的避障次数。

快速连续反应-避障作业环境下的七自由度灵巧臂轨迹规划

人类经长期学习训练后能对高速物体(如棒球、乒乓球等)具有快速连续反应作业的运动技能,从深层次上揭示是由于人体在其训练过程中不断"学习优选"了相应手臂的动作轨迹,并储存了丰富的"经验"和"知识".受人体手臂动作此行为机制启发,本文提出一种7-DOF灵巧臂快速连续反应–避障作业的轨迹规划方法.该方法将灵巧臂对高速物体目标作业的轨迹规划问题转化为动作轨迹参数化优选问题,考虑作业过程中灵巧臂的机构物理约束和障碍约束条件,以灵巧臂"目标可作业度"指标构建适应度函数,采用粒子群优化(Particle swarm optimization,PSO)方法优选作业轨迹中的冗余参数;在此基础上利用灵巧臂动作轨迹参数化优选方法构建相应作业环境下的"知识"数据库,实现灵巧臂对高速物体目标的快速连续反应作业.以仿人机器人乒乓球对弈作业为例,将该方法应用于7-DOF灵巧臂乒乓球作业的轨迹规划中.数值实验及实际对弈试验结果表明,该方法不仅能使灵巧臂所规划的轨迹满足灵巧臂机构物理约束与障碍约束条件,同时能实现灵巧臂对乒乓球体的快速连续反应作业,验证了该方法的有效性.

一种动态环境下的移动机器人避障策略

以激光雷达作为主要的环境感知传感器，针对动态环境设计了一种移动机器人避障策略。根据激光雷达采集的实时环境信息，检测动静态障碍物并建立障碍物链表。采用底层反应式避障和高层动态避障相结合的策略，实现了动态环境下的避障。使用分布式的软件设计方法，提高了系统的实时性。通过自行研制的移动机器人MORCS-1进行了实验，实验结果验证了该策略的有效性。

基于SAC算法的矿山应急救援智能车快速避障控制

针对传统反应式避障算法存在灵活度差及普适性不足的问题,提出Soft Actor-Critic深度强化学习算法的快速避障方法。通过分析SAC算法的框架及更新策略,采用ROS和RVIZ搭建实验仿真环境,优化SAC算法的状态输入,利用灾后中部车场、下部车场虚拟环境对智能体分别进行训练和验证。结果表明,SAC算法优化后,GPU计算速度和算法添加噪声会导致智能体奖励值出现波动,但最终奖励值趋于稳定,改善了优化前越训练奖励值越低的问题,使避障性能大幅度提升,为实现矿山应急救援智能车快速避障控制提供研究基础。

基于LSTM深度强化学习的UAV反应式避障方法

针对传统避障方法难以应用于复杂多障碍的不确定环境问题,提出基于长短时记忆神经网络(LSTM)和深度确定性策略梯度算法(DDPG)的UAV反应式避障方法。首先,采用基于速度障碍法的DDPG避障方法给出了UAV在动态环境中的避障策略;其次,引入LSTM神经网络对DDPG避障方法进行改进,解决了该方法无法表示不同数量障碍状态信息的问题;最后,设计障碍变化策略使UAV在随机训练环境中进行学习,实现了UAV在不同环境中迅速避障。在仿真实验中与多种算法进行对比分析,证明了所提算法具有良好的泛化性和有效性。