基于DPPO的移动采摘机器人避障路径规划及仿真

针对移动采摘机器人在野外作业过程中面临随机多变的复杂路径环境难以自主决策的难题,提出一种基于深度强化学习的自主避障路径规划方法。设定状态空间和动作空间,借助人工势场法设计奖励函数的思想,提出了一种基于碰撞锥避碰检测的障碍物惩罚系数设定方法,提高自主避碰能力。构建了虚拟仿真系统,使用分布式近端策略优化算法(distributed proximal policy optimization,DPPO)完成了移动采摘机器人的学习训练并进行实验验证。仿真结果表明:本系统能够快速、稳定的控制虚拟移动采摘机器人自主避障,获得更优的作业路径,为采摘机器人自主导航提供理论与技术支撑。

基于ROS的履带式机器人自主建图与路径规划研究

针对农业履带式移动采摘机器人在自主采摘作业中的自主建图与路径规划性能,该文致力于研究基于ROS开发的履带式移动采摘机器人的自主建图与路径规划系统。通过在履带式移动采摘机器人的底盘上方装配激光雷达及姿态传感器用来获取周边环境的信息和机器人的运动信息,再通过Gmapping算法搭建机器人周边环境的全局栅格地图。对于机器人的路径规划功能,最终通过A*算法实现全局路径规划,通过DWA算法实现局部避障功能。最后选取实验室外部走廊作为履带式移动采摘机器人自主建图和路径规划的实验场地,实验结果表明该履带式移动采摘机器人能够进行自主建图并进行路径规划,躲避周边出现的障碍物,并最终到达指定目标地点,满足自主导航需求。