基于蚂蚁导航的未知环境下机器人路径滚动规划算法

研究了一种栅格法环境建模下机器人路径滚动规划新方法.在未知环境内机器人根据视野域栅格环境与目标点信息,基于蚁群算法巧妙规划出局部导航优化路径.机器人沿着导航路径按照一定的步长前进一步,并重新动态规划出新的导航路径.机器人始终沿着较优化导航路径前进,机器人路径不断动态修改,当目标点在视野域范围内时直接规划出局部优化路径并直接到达目标点.该方法克服了传统子目标映射的复杂度高和智能化程度低等问题,仿真实验验证了本文方法的有效性.

动态未知环境中移动机器人的滚动路径规划

本文借鉴预测控制滚动优化原理，研究了全局环境未知且存在动态障碍物情况下的机器人路径规划问题．文中提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人实时测得的局部环境信息，以滚动方式进行在线规划，实现了优化和反馈的合理结合，对动态环境具有良好的适应性．

动态未知环境中移动机器人的滚动路径规划及安全性分析

借鉴预测控制滚动优化原理 ,研究了全局环境未知且存在动态障碍物情况下的机器人路径规划问题 .提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人实时测得的局部环境信息 ,以滚动方式进行在线规划 ,合理结合了优化与反馈 ,对动态环境具有良好的适应性 .

基于局部探测信息的机器人滚动路径规划(英文)

用基于滚动窗口的路径规划方法研究了全局环境未知时的机器人路径规划问题 .该法充分利用机器人实时测得的局部环境信息 ,以滚动方式进行在线规划 ,实现了优化与反馈的合理结合 .文中分析了不同凸障碍环境下滚动路径规划子目标选择策略 ,并且还探讨了规划算法的可达性 .

机器人滚动路径规划的算法与仿真研究

借鉴预测控制滚动优化原理,研究了未知环境中移动机器人路径规划问题。文中提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人实时测得的局部环境信息,以滚动方式进行在线规划。大量仿真结果表明,滚动规划使机器人对动态环境具有很好的适应性,但由于缺乏全局环境信息,在有些复杂情况下不能保证规划的顺利实施,需要进一步增加环境约束和对已探知信息的记忆。

一种多移动机器人的分布式滚动路径规划算法

本文研究了全局未知静态环境下多机器人路径规划问题 ,使用基于滚动窗口的机器人路径规划方法对机器人进行局部路径规划 ,并根据一定的规则在机器人之间进行路径的协调。仿真结果验证了算法的有效性。

未知环境下基于有先验知识的滚动Q学习机器人路径规划

提出一种未知环境下基于有先验知识的滚动Q学习机器人路径规划算法.该算法在对Q值初始化时加入对环境的先验知识作为搜索启发信息,以避免学习初期的盲目性,可以提高收敛速度.同时,以滚动学习的方法解决大规模环境下机器人视野域范围有限以及因Q学习的状态空间增大而产生的维数灾难等问题.仿真实验结果表明,应用该算法,机器人可在复杂的未知环境中快速地规划出一条从起点到终点的优化避障路径,效果令人满意.