自由漂浮空间机器人无逆运动学基于采样的运动规划

自由漂浮空间机器人(free-floating space robot,FFSR)是进行在轨服务的重要工具,其基座姿态和关节角间存在复杂的一阶微分约束关系,进行运动规划时需直接考虑微分约束,这让其运动规划问题充满挑战。“先求逆运动学,再规划轨迹”的运动规划框架,存在目标构型与初始构型未必在同一连通域的隐患,为克服这一隐患,基于有目标偏置的RRT(GB-RRT)研究了FFSR从初始构型到目标末端位姿的运动规划问题。对于算法中的目标末端位姿导引生长,考虑到因FFSR执行机构自由度不足,而导致的末端位姿误差收敛与有效调节基座姿态相互矛盾的问题,提出适时调节基座姿态的目标末端位姿导引局部规划器,该局部规划器在保证末端位姿误差能够收敛情况下,兼顾基座姿态调节。此外,还设计了用于探索构型空间的随机构型导引生长局部规划器。将上述2种局部规划器与GB-RRT结合,可实现在不求解逆运动学的情况下,完成规划任务,且保证基座姿态扰动满足要求。仿真验证了算法的有效性。

基于光节点模型的PRM路径规划优化算法研究

针对移动机器人存在的使用传统概率路线图算法(probabilistic roadmap,PRM)经过狭窄空间规划路径无解的问题,本文主要对一种模拟光照节点模型的PRM路径规划优化算法进行研究。采用光照方法,将每个节点视为光源,在未照亮的区域生成随机节点,直至光照区域能将起始点和目标点连通,生成无向有权图的边,为了测试优化PRM算法的性能,将其与传统PRM算法进行仿真测试。仿真结果表明,与传统PRM算法相比,优化后的算法可使移动机器人经过狭窄直线通道时采用较少的随机采样点,并且在较短时间内找到一条可行路径。该优化算法减少了路径中的节点数量,提高了路径平滑度和程序运行效率,解决传统PRM算法路径规划无解的问题,缩短了在狭窄直线地图中规划路径的时间,提高了程序运行效率。该研究具有广泛的应用前景。

机器人运动规划方法综述

随着应用场景的日益复杂,机器人对旨在生成无碰撞路径(轨迹)的自主运动规划技术的需求也变得更加迫切。虽然目前已产生了大量适应于不同场景的规划算法,但如何妥善地对现有成果进行归类,并分析不同方法间的优劣异同仍是需要深入思考的问题。以此为切入点,首先,阐释运动规划的基本内涵及经典算法的关键步骤;其次,针对实时性与解路径(轨迹)品质间的矛盾,以是否考虑微分约束为标准,有层次地总结了现有的算法加速策略;最后,面向不确定性(即传感器不确定性、未来状态不确定性和环境不确定性)下的规划和智能规划提出的新需求,对运动规划领域的最新成果和发展方向进行了评述,以期为后续研究提供有益的参考。