群体机器人觅食任务中链式路径的形成

以分布式群体机器人觅食任务为背景,探寻一种分布式群体机器人的控制方法。该控制方法下的群体机器人只具有简单的反应式行为,通过协作以自身作为信标形成机器人链,将巢穴和食物连接起来完成觅食任务。通过仿真得出:在群体机器人数目足够的情况下,每个根上的链数控制在3或4条比较合适,搜索多个食物的效率大于搜索单个食物的效率,机器人的步长越长其效率也越高。

冬奥冰壶六足机器人研究

冰壶六足机器人是北京2022年冬奥会组委会需求的唯一进入冬奥会赛场的机器人。开发该机器人的目的是借助北京冬奥会展示我国机器人的自主创新能力和水平。我们重视独特设计创意,通过模仿冰壶运动员投掷冰壶的“行为特征”来设计和开发冰壶六足机器人。冰壶六足机器人设计面临多项挑战,要解决模仿人投掷冰壶行为的六足机器人的构形综合、投掷冰壶任务链与机器人行为链关联特征建立、机器人击打冰壶行为规划等问题。研制的冰壶六足机器人在北京2022年冬奥会冰立方冰壶赛场上顺利完成击打冰壶表演。

融合神经元激励机制的机器人情景学习与行为控制

针对不确定环境下机器人行为控制的维数灾难和感知混淆问题,引入神经元激励机制,提出一种情景记忆驱动的马尔可夫决策过程(EM-MDP)以实现机器人对环境经验自主学习,及多源不确定性条件下的行为控制.首先,构建情景记忆模型,并基于认知神经科学提出事件中状态神经元激活及组织机制.其次,基于自适应共振理论(ART)与稀疏分布记忆(SDM)通过Hebbian规则实现情景记忆的自主学习,采用神经元突触势能建立机器人行为控制策略,机器人能够评估过去的事件序列,预测当前状态并规划期望的行为.最后,实验结果验证,该模型框架与控制策略能够实现机器人在普遍场景中的行为控制目标.

基于多行为的移动机器人路径规划

机器人由当前点向目标点运动的过程中,所处环境经常为动态变化且未知的,这使得传统的路径规划算法对于移动机器人避障过程很难建立精确的数学模型.为此,针对环境信息完全未知的情况,为移动机器人设计一种基于模糊控制思想的多行为局部路径规划方法.该方法通过对各种行为之间进行适时合理的切换,以保证机器人安全迅速地躲避静态和动态障碍物,并利用改进的人工势场法实现对变速目标点的追踪.对于模糊避障中常见的U型陷阱问题,提出一种边界追踪的陷阱逃脱策略,使得机器人成功解除死锁状态.另外,设计一个速度模糊控制器,实现了机器人的智能行驶.最后,基于Matlab平台的仿真结果验证了所提出算法的有效性和实时性,与A*势场法的对比结果更突出了该算法的可行性.