多类型障碍物环境下机器人机械臂避障轨迹自动规划研究

针对机器人机械臂在多类型障碍物环境下的避障轨迹规划问题,提出一种通过深度学习进行机器人机械臂避障轨迹自动规划的方法。通过D-H参数法进行机器人机械臂的运动轨迹建模,并结合多障碍物环境进行碰撞检测分析。将多类型不规则障碍物归一化为圆球形状便于计算,通过马尔科夫决策以及Q算法进行深度强化学习,实现机器人机械臂避障轨迹的自动规划。实验结果表明,研究方法迭代收敛速度较快,自动规划避障轨迹步数更少。

智能移动服务机器人避障功能测试与评价方法研究

研究一种基于图像捕捉和力度传感器自动监测实现智能移动服务机器人避障功能测试与评价的方法,搭建了测试系统实现智能移动服务机器人最小避障距离、单次碰撞最大受力及机器人碰撞平均受力参数的测量,给出了智能移动服务机器人避障功能测试与评价流程,并通过实际案例测试数据结果分析和验证,表明了本方法的可行性和有效性。本方法为移动类服务机器人的避障功能测试与评价提供了参考思路。

基于路径规划和深度强化学习的机器人避障导航研究

针对移动机器人的长距离避障导航问题,提出结合深度强化学习(Deep Reinforcement Learning,DRL)和路径规划(Path Planning,PL)的避障导航算法。该方法通过快速扩展随机树(Rapidly Exploring Random Tree,RRT)算法在长距离的路径上进行规划,根据生成的路径节点,将长距离路径划分为若干短距离,而在短距离的导航问题上利用深度强化学习的算法,训练一个具有环境感知和智能决策能力的端到端避障导航模型。仿真实验表明,相较于仅用DRL的避障导航,该方法使移动机器人的长距离避障导航性能有了大幅度提升,解决了DRL在长距离避障导航任务上的局限性问题。

求解多目标点路径规划问题的离散头脑风暴算法

为保证移动机器人以最短路径遍历多目标点,该文提出一种基于离散头脑风暴的多目标点路径规划算法。首先,考虑障碍物对路径规划的影响,将目标点间的最短避障距离作为评判依据,提高规划路径合理性。其次,针对传统离散头脑风暴算法在解决组合类优化问题时提前陷入局部最优的问题,提出一种启发式自适应路径优化策略,通过设计与迭代次数相关的适应度选择函数以及改进启发式交叉算子,增加路径多样性和提高算法收敛速度。基于栅格法建立地图模型,在不同环境地图中选取多个目标进行对比仿真,验证所提算法的有效性以及对不同环境的适应性。

复杂地势的无人机灾情巡查新方法

主要针对无人机在抢险救灾中的灾情巡查问题探究新型巡查方法．通过变“覆盖巡查面”为“有效巡查点”，将传统的多无人机协同覆盖巡查问题转化为带有避障的VRP问题，并以所有无人机总飞行时间最少为目标建立相应的数学模型．运用MATLAB编写蚁群算法求解VRP中任意两点间的最短避障路线长度矩阵，进而用遗传算法来求解带有避障的VRP问题，得到不同需求下的最少无人机数量，规划出飞行路线．经过案例分析可得，此巡查路线覆盖率达到85．95％，具有较好的实用性．