機(jī)器人運(yùn)動路徑規(guī)劃方法

機(jī)器人運(yùn)動路徑規(guī)劃的性能指標(biāo)包括：實時性、安全性和可達(dá)性等。在動態(tài)環(huán)境中，由于環(huán)境信息是時刻變化的，如果移動機(jī)器人實時性差，滯后于動態(tài)環(huán)境，就可能會導(dǎo)致避障失敗。安全性和可達(dá)性也很重要。一個性能指標(biāo)不好的方法，即使它能使移動機(jī)器人走出完美的軌跡，也將被淘汰。而有些方法沒有高深的理論，但計算簡單，實時性、安全性好，則有存在的空間。如何使性能指標(biāo)更好是各種算法研究的一個重要方向。

智能化移動機(jī)器人路徑規(guī)劃主要包括模糊控制、神經(jīng)網(wǎng)絡(luò)、遺傳算法以及它們的相互結(jié)合等方法。智能化方法能模擬人的經(jīng)驗，逼近非線性，具有自組織、自學(xué)習(xí)功能并且具有一定的容錯能力。這些方法應(yīng)用于路徑規(guī)劃會使移動機(jī)器人在動態(tài)環(huán)境中更靈活，更具智能化。

移動機(jī)器人的多傳感器信息融合也是當(dāng)今一個比較活躍的研究領(lǐng)域。移動機(jī)器人在動態(tài)環(huán)境中進(jìn)行路徑規(guī)劃所需信息都是從傳感器得來。單傳感器難以保證輸入信息準(zhǔn)確與可靠。多傳感器所獲得信息具有冗余性，互補(bǔ)性，實時性和低代價性，且可以快速并行分析現(xiàn)場環(huán)境。具體方法有采用概率方法表示信息的加權(quán)平均法，貝葉斯估計法，多貝葉斯法，卡爾曼濾波法，統(tǒng)計決策理論法。有采用命題方法表示信息的D-S證據(jù)推理，模糊邏輯，產(chǎn)生式規(guī)則，還有仿效生物神經(jīng)網(wǎng)絡(luò)的信息處理方法，人工神經(jīng)網(wǎng)絡(luò)法等。

基于行為的路徑規(guī)劃方法是一種自底向上的構(gòu)建系統(tǒng)方法，即把路徑規(guī)劃分解成一系列相對獨立的小系統(tǒng)，在運(yùn)行狀態(tài)下通過競爭機(jī)制取得控制機(jī)器人的主導(dǎo)權(quán)，并在與環(huán)境交互作用中最終達(dá)到目標(biāo)�；�于功能/行為的機(jī)器人控制結(jié)構(gòu)融合了兩者優(yōu)點，既有基于功能控制結(jié)構(gòu)的必要理性，又有基于行為控制結(jié)構(gòu)的快速響應(yīng)。

1 移動機(jī)器人路徑規(guī)劃技術(shù)的分類
按照機(jī)器人對周圍環(huán)境信息的識別與對信息的掌握程度以及對不同種類障礙物的識別進(jìn)行分類，可將機(jī)器人路徑規(guī)劃分成四類：第一類，在已知的比較熟悉的環(huán)境中，根據(jù)靜態(tài)障礙物的位置對移動機(jī)器人的路徑進(jìn)行規(guī)劃；第二類，在未知的比較陌生的環(huán)境中根據(jù)靜態(tài)障礙物的位置對移動機(jī)器人的路徑進(jìn)行規(guī)劃；第三類，在已知的比較熟悉的環(huán)境中，根據(jù)動態(tài)障礙物的運(yùn)行狀態(tài)對移動機(jī)器人的路徑進(jìn)行規(guī)劃；第四類，在未知的比較陌生的環(huán)境中，根據(jù)動態(tài)障礙物的運(yùn)行狀態(tài)對移動機(jī)器人的路徑進(jìn)行規(guī)劃。根據(jù)機(jī)器人對周圍環(huán)境的掌握能力不同，可以對路徑規(guī)劃技術(shù)進(jìn)行劃分，第一類是在對周圍環(huán)境信息已經(jīng)驗證的基礎(chǔ)上對移動機(jī)器人的的路徑進(jìn)行規(guī)劃，所規(guī)劃的路徑為全局路徑；第二類是基于傳感器信息的基礎(chǔ)上對機(jī)器人的路徑進(jìn)行規(guī)劃，規(guī)劃的路徑為局部路徑[1]。移動機(jī)器人的路徑規(guī)劃方法一般可以劃分成兩大類型，即傳統(tǒng)方法與智能方法。
2 全局路徑規(guī)劃方法
2.1 拓?fù)浞?
該路徑規(guī)劃的方法主要就是把所規(guī)劃的空間進(jìn)行分割，并形成具有拓?fù)涮攸c的子空間，同時構(gòu)建拓?fù)渚W(wǎng)絡(luò)，并在其中探索出起點至終點的詳細(xì)拓?fù)渎窂�，然后根�?jù)拓?fù)渎窂降穆窂揭?guī)劃得到最終需要的幾何路徑。拓?fù)渎窂降囊?guī)劃方法是以降維法為主要依據(jù)，也就是，將高維的比較復(fù)雜的空間幾何路徑求法轉(zhuǎn)化為低維的比較簡單的拓?fù)淇臻g的辨別連通方法。這種方法的最明顯優(yōu)勢就是對拓?fù)涮攸c進(jìn)行充分利用，進(jìn)而有效地減小實際搜索的空間范圍[2]。而其算法的復(fù)雜程度則只是同障礙物數(shù)目有較大關(guān)系，所以，最主要的問題就是在障礙物數(shù)量增加的情況下，采取合理措施對已有拓?fù)渚W(wǎng)絡(luò)進(jìn)行修正，并實現(xiàn)圖形速度提升的目的。
2.2 可視圖法
這種路徑規(guī)劃的方法就是將機(jī)器人看做是一個點，然后進(jìn)行合理組合，并將機(jī)器人與目標(biāo)點、多邊形障礙物的各頂點相連。在連接點的過程中，需要保證直線可視，也就是目標(biāo)點與多邊形障礙物的各頂點以及各個障礙物頂點間的連線不能穿越障礙物。通過這種方式能夠有效的將搜索最優(yōu)路徑轉(zhuǎn)化為由起點到目標(biāo)點間的可視直線的最短距離。使用優(yōu)化算法，既可以簡化視圖，又可以減少搜索需要的時間。這種方法最大的好處就是可以有效的縮短路徑，但是在計算上忽略了機(jī)器人自身的尺寸，這在實際操作中，當(dāng)機(jī)器人經(jīng)過障礙物時極容易與障礙物的距離過近或者發(fā)生碰觸，會延長搜索的時間。這種情況并不是不可控制的，適當(dāng)?shù)膽?yīng)用切線圖和Voronoi圖能夠?qū)�可視圖的方法進(jìn)行完善[3]。切線圖是將障礙物切線使用弧來表示，通過弧來表示就可以使機(jī)器人在起點到目標(biāo)點最短路徑行走時，只是接近障礙物不會碰觸到障礙物。但是，這個方法也存在一定的不足，就是如果在控制的過程中位置設(shè)置出現(xiàn)偏差，就會使機(jī)器人與障礙物發(fā)生碰撞。Voronoi圖的應(yīng)用原理是用遠(yuǎn)離障礙物的路徑表示弧，這種表示方式會使路徑的距離增加，位置的誤差也會加大，但是這種方式會減少機(jī)器人與障礙物發(fā)生碰撞的幾率。
2.3 柵格法
柵格法是將機(jī)器人運(yùn)行的環(huán)境進(jìn)行劃分，將整個環(huán)境劃分成網(wǎng)格單元，而且在機(jī)器人運(yùn)行的空間內(nèi)，障礙物的位置和尺寸保持不變，在機(jī)器人實際工作中，障礙物也不會發(fā)生變化。柵格的尺寸大小都相同，通過柵格來對機(jī)器人的二維工作空間進(jìn)行劃分，如果一個柵格內(nèi)沒有障礙物，那么就可以將這個柵格當(dāng)做自由柵格；如果一個柵格內(nèi)存在障礙物，那么這個柵格就是障礙柵格。在柵格中，自由空間與障礙物都是由柵格塊的集成來表示，對障礙物柵格和自由柵格有兩種標(biāo)記方式：直角坐標(biāo)法和序號法。一般情況下，機(jī)器人工作的環(huán)境是用四叉樹與八叉樹來表示，然后使用優(yōu)化算法搜索出最優(yōu)路徑。這種方法是將柵格作為計算單位對環(huán)境信息進(jìn)行記錄，柵格的粒度越小就可以更精確地表示障礙物，但是，這樣會占據(jù)較大存儲空間，同樣會增加算法范圍搜索的指數(shù)。然而，柵格粒度過大，其路徑的規(guī)劃就不會精確。由此看來，柵格粒度的大小確定是該方法重要的考慮內(nèi)容。
3 局部路徑規(guī)劃方法
3.1 人工勢場法
該方法是一種虛擬力法，是將移動機(jī)器人在環(huán)境中的運(yùn)動模擬成人工受力場的運(yùn)動。在這個運(yùn)動過程中，障礙物和移動機(jī)器人之間產(chǎn)生力視為斥力，將障礙物與目標(biāo)點間產(chǎn)生的力視為引力。當(dāng)利用算法來使這兩種力周圍產(chǎn)生勢以后，移動機(jī)器人就會受抽象力作用，實現(xiàn)繞過障礙物行走的目的。人工勢場的方法，其內(nèi)部結(jié)構(gòu)簡單，而且能夠更好地控制低層，因此被廣泛應(yīng)用在避障與平滑軌跡控制中。由于局部最優(yōu)解始終存在，使得死鎖現(xiàn)象頻繁出現(xiàn)，進(jìn)而導(dǎo)致移動機(jī)器人還未到達(dá)局部最優(yōu)點就會停止行走。為了有效地解決上述問題，就需要對算法進(jìn)行完善。對勢場方程的定義進(jìn)行合理的優(yōu)化，這樣能夠有效的消除勢場中局部極值[4]。
3.2 遺傳算法
遺傳算法需要保證適應(yīng)度的函數(shù)必須為正，不要求函數(shù)可導(dǎo)或者連續(xù)。此外，這種方法屬于并行算法，這就使得在全局搜索中能夠應(yīng)用其自身的隱并行性。應(yīng)用遺傳算法大部分的優(yōu)化算法都能夠進(jìn)行單點搜索，這就能夠使計算很容易進(jìn)入到局部最優(yōu)中。但是遺傳算法屬于多點搜索算法，這樣很容易算出全局的最優(yōu)解。
3.3 神經(jīng)網(wǎng)絡(luò)法
神經(jīng)網(wǎng)絡(luò)方法是通過感知空間進(jìn)而執(zhí)行行為空間。但是，要想使用數(shù)學(xué)方程來將此映射關(guān)系表示出來具有一定的難度，然而，使用神經(jīng)網(wǎng)絡(luò)方法就可以表示出來。把傳感器數(shù)據(jù)當(dāng)作網(wǎng)絡(luò)輸入，可以將人對其期望運(yùn)動的方向確定當(dāng)作網(wǎng)絡(luò)輸出。這樣原始樣本集就可以用一組數(shù)據(jù)來表示，對重復(fù)和宏圖的樣本進(jìn)行處理，就可以得到最終的樣本集[5]。
4 機(jī)器人路徑規(guī)劃技術(shù)的未來展望
移動機(jī)器人的路徑規(guī)劃技術(shù)主要是通過計算機(jī)、傳感器以及控制技術(shù)來完成，隨著科技的不斷進(jìn)步，新型的算法也會越來越多，所以機(jī)器人的路徑規(guī)劃技術(shù)也會不斷的得到完善。但是，在未來的研究過程中，還需要不斷提高其路徑規(guī)劃的性能指標(biāo)，并實現(xiàn)多移動機(jī)器人系統(tǒng)的路徑規(guī)劃。還應(yīng)該在路徑規(guī)劃中適當(dāng)?shù)厝谌攵鄠鞲衅鞯男畔�，將更多的精力放在對移動機(jī)器人的路徑規(guī)劃上，開發(fā)出更多的計算方法，從而促進(jìn)移動機(jī)器人路徑規(guī)劃技術(shù)的發(fā)展和完善。
5 結(jié)束語

綜上所述，移動機(jī)器人路徑規(guī)劃技術(shù)已經(jīng)取得了可觀的成績，但是，在其全局路徑與局部路徑規(guī)劃方法中仍然存在諸多不足之處，并且還未研究出能夠適用于所有場合的方法。所以，需要在其路徑規(guī)劃技術(shù)方面深入研究，進(jìn)而推動該技術(shù)的進(jìn)一步發(fā)展。

查看更多相似文章