面向未知环境探索的分层架构路径规划算法

为实现无人平台在未知环境下的高效路径探索,该文提出了一种以“感知-规划-控制”分层架构为基础的路径规划算法。在感知层通过Cartographer建图算法实时构建未知环境的二维栅格地图。在规划层,通过Canny边缘检测、基于密度的聚类算法、效能函数评估选择最佳探索目标点,并在规划的效能函数中引入探索方向延续性概念,克服了传统路径规划反复探索已知环境的难题。在控制层,通过概率路线图算法规划从当前位姿到目标点的最短路径,并通过纯跟踪算法和向量直方图算法实现了路径无碰撞跟踪。3种典型环境下的仿真实验表明,所提出的算法在不同环境下均具有较高的探索效率和完成度。

未知环境下改进DDQN的无人机探索航迹规划研究

对未知环境的探索,如搜救、追逃等场景,无人机需要一边探索(感知)环境一边完成当前的航迹规划(动作选择)。针对上述场景,为了提高无人机对未知环境的探索范围,提出了结合长短期记忆的改进深度双Q网络探索航迹规划方法:搭建仿真地图,以无人机视野内的环境信息作为输入,引入长短期记忆网络,输出动作方向的选择;设置探索经验样本优先级,提高训练效率;加入飞行动力学约束,设计合理的状态、动作空间及单步奖励函数。运用所提算法,无人机可以自主规划出一条无碰撞且对环境探索范围大的航迹。仿真实验结果表明:在未知环境下,所提算法得到的探索面积比、单步探索平均奖励值等指标均优于传统的DDQN算法。

基于改进多智能体PPO的多无人机协同探索方法

采用多无人机对未知环境进行探索,可以提高探索任务的鲁棒性和执行效率。不同于启发式方法,多智能体深度强化学习方法可以省去人为制定规则的过程,将无人机作为智能体,通过与环境互动,自主习得更加有效的“规则”。搭建了多无人机多线程仿真环境,为多无人机协同训练提供环境,提出一种适应多线程环境的结合长短时循环神经网络(记忆)的共享多智能体近端策略优化(LSTM-MAPPO)方法,并在合作型LSTM-MAPPO方法的基础上增加了全局边界信息以增大每幕探索面积。数值实验结果表明:与现有的多智能体深度确定性策略梯度(MADDPG)方法相比,所提方法在训练后期连续动作下也能稳定收敛;相较于现有的LSTM-MAPPO方法,其最终获得的奖励稳定高于5000;对3种不同的仿真地图,训练完的网络在测试时能实现70%以上的稳定探索面积。

基于最小snap的机器人自主探索路径规划算法

基于最大化信息增益的自主探索路径规划算法在小规模场景下探索效率高,但是由于其缺乏全局性在复杂场景中探索效率差,并且探索轨迹不平滑,机器人无法直接追踪.通过分层思想将路径规划分为全局与局部两部分,使用全局规划结果引导局部探索规划,保证了局部探索与全局探索的一致性.基于观察点选择过程中的子模性,提出引入随机性的观察点选择算法,保证了观察点选择的鲁棒性.将路径规划问题分解为观察点访问顺序选择和轨迹平滑问题,通过求解旅行商问题确定访问顺序,通过最小snap方法平滑探索轨迹,实现了高效的自主探索路径规划算法.仿真实验结果表明,基于最小snap的探索路径规划算法在复杂场景中的探索效率相比其他算法更高,并拥有良好的算法复杂度,可以保证机器人自主探索复杂场景.

未知环境中无人机自适应边界快速检测算法

边界感知检测是无人机实现自主探索的重要组成部分之一。为了提高在复杂多样的地下狭窄环境中自主探索过程的边界检测效率,提出一种未知环境中的无人机自适应边界快速检测算法(ADPlanner)。通过雷达感知地下隧道未知环境,自适应地调整地下隧道或矿洞环境的局部采样空间,根据环境结构大大提高采样率(添加到RRG中的采样点与采样次数的比值);提出重采样率,以减小相邻时刻自适应采样框的采样点冗余度,进而通过重要性采样策略解决GBPlanner重复区域的过采样问题,实现增量检测。仿真实验表明:在2个不同的未知场景中,与GBPlanner相比,ADPlanner边界检测采样的运行时间减少了20.27%~38.33%,路径长度缩短了11.24%~18.86%,总探索时间缩短了27.38%~38.38%,显著提高了无人机在未知环境下的探索效率。

基于“兴趣-科研-探索”的船舶与海洋工程流体力学启发式教学模式初探

针对船舶与海洋工程流体力学课程的教学特点,提出一种“兴趣-科研-探索”的启发式教学模式。该教学模式以“兴趣驱动”为牵引,以“科研应用”为抓手,以“探索未知”为导向,最大限度地调动学生的主动学习能力和发散思维潜力。以空泡现象为例,将该模式与船舶与海洋工程流体力学知识点相结合,激发学生对于知识点的好奇和兴趣,加深学生对于知识点的掌握和应用,启发学生对于知识点的理解和想象,旨在为该课程教学探索一种新模式。

经济学研究的功底建构与科研方法论

宣传是传播已知,科研则是探索未知。既然探索未知,就要准备走不平坦的治学路。经济学研究的功底建构重在四项基本功:读、调、创、著。读书:马、中、西著作都要读,关键是重在“悟道”而非雕虫小技,把握精髓实质而非浅尝辄止,弄清逻辑体系而非断章取义;调查:须知实践有“神灵”,唯调查才能发现真谛,还要学会大数据调查分析;创意:重在“想别人之所未想,言别人之所未言”,欲如此,外需宽松环境,内需心灵放飞;著述:“论著千古事,历史检验之”,要对得起科学和良知,同时注意论文写作“口要小,井要深,油要厚”。科研具体方法则无一定之规,管用即可,多样化更因人而异,笔者的四方法为“砸核桃”“找联系”“多向度”“解矛盾”。

计算化学实验中课程思政的案例设计

为了深入贯彻落实习近平总书记在全国高校思想政治工作会议上的重要讲话精神,实现思想政治理论课与各类课程同向同行、协同育人,通过三个不同案例的理论知识点分别与我国化学史、我国科学家显著性的研究成果及教师本人的研究成果相结合,探讨了计算化学实验中思想政治的引入方式。专业理论知识和思想政治内容的完美结合,提高了学生对专业课的学习热情,培养了学生探索未知、追求真理、勇攀科学高峰的责任感和使命感,同时能够使学生更加明确目标,对未来人生进行长远规划。

探究如何学好高中物理

高中物理对知识内容、能力要求、思维习惯等方 面的要求都较初中物理要高,怎样让学生能尽快适 应高中物理的学习,让高中物理不再那么难学呢?笔 者从以下几个方面对此进行阐述。

机器人信息增益RRT环境探索算法

由于传统RRT(rapidly-exploring random trees)路径规划算法固有的盲目探索的问题,机器人到达目标点时除起始点扩展到目标点的路径之外还会生成其他与结果无关的分支路径与节点,为使这些分支路径得到利用并且减少探索的盲目性,提出基于信息增益与RRT思想相结合的机器人环境探索策略.该方法对未知环境中的节点进行信息估计,选取具有最大信息增益的节点作为采样节点,且每次都会生成最大信息增益的新节点进行扩展.该策略使机器人能完成对未知环境的探索,还可以降低传统RRT算法固有的盲目性.仿真实验结果表明,所提出方法能够有效快速地帮助机器人探索未知环境,实现环境探索.

旋翼无人机环境覆盖与探索规划方法综述

随着微型空中机器人技术的迅速发展,利用小型旋翼无人机对目标环境进行自主覆盖与探索成为当前机器人领域的研究热点.鉴于此,首先对机器人环境覆盖规划与探索规划的研究内容进行简要介绍;然后按照覆盖规划、探索规划以及同时覆盖与探索规划3个方面展开综述,详细分析不同方法的基本工作原理、优势以及局限性;最后根据研究现状总结目前研究中存在的问题与挑战,并对未来研究与发展趋势进行分析.

基于置信度上界的移动机器人信息路径规划方法

路径规划是移动机器人未知环境探索的关键问题,路径点的合理规划对提高环境探索的效率和环境场预测的准确性至关重要.基于强化学习范式,提出一种适用于静态环境场探索的移动机器人在线信息路径规划方法.针对基于模型训练算法计算成本高的问题,通过机器人与环境的交互作用,采用动作价值评估的方法来学习所获取的环境场历史信息,提高机器人实时规划能力.为了提高环境预测准确性,引入基于置信度上界的动作选择方法来平衡探索未知区域与利用已有信息,鼓励机器人向更多未知区域进行全场特征探索,同时避免因探索区域有限而陷入局部极值.仿真实验中,环境场分别采用高斯分布和Ackley函数模型.结果表明,所提算法能够实现机器人环境探索路径点的在线决策,准确有效地捕捉全场和局部环境特征.

环球舞讯

皮娜·鲍希获终生成就奖；美国芭蕾舞学校星光闪烁；SIWIC项目挑战编导;“面包店”老板烹制当代芭蕾;