基于改进机器学习的图书馆机器人自主避障控制研究

为控制图书馆机器人在行进过程中自动躲避障碍,达到理想工作效果,提出基于改进机器学习的图书馆机器人自主避障控制方法;采集图书馆机器人与目标障碍物距离信息,感知环境特征向量,当成卷积神经网络输入,经卷积、池化等操作,输出图书馆机器人对当前环境感知结果,该结果经输入输出变量模糊化、模糊推理以及输出变量解模糊等操作后,实现图书馆机器人自主避障无冲突运行;实验结果表明:该方法自主避障控制效果较好,避障行驶距离短,高速运行时反应更快,能够避开多个障碍物,识别分类结果与实际感知环境类型一致。

高精度激光测距下的机器人自主避障控制

在机器人自主避障过程中,由于传感器数据的误差会降低机器人感知和决策的准确性,从而影响机器人自主避障能力;为此,提出高精度激光测距下的机器人自主避障控制方法;通过设计机器人体系结构,建立机器人运动学模型,为机器人避障控制提供依据;采用高精度激光测距技术,构建机器人移动场地地形;通过自适应阈值方法,完成机器人的自主避障控制;实验结果表明,所提方法的机器人自主避障控制效果好,且障碍物位置测试值与实际位置值的误差保持在0.4 m以内,具有较高的避障控制精确度。