摘要：针对移动机器人在复杂未知环境下运行时易出现局部死锁和路径冗余的问题,提出了一种结合预测和模糊控制的局部路径规划方法,并对规划过程中出现的问题提出了解决策略。将普通避障行为与沿墙走行为融合为一个模糊控制器,通过内部规则实现行为交替。针对模糊控制方法存在多U型障碍物的死锁问题,提出了累加转角和的判断方法,帮助机器人逃脱死锁状态。加入陷阱预测机制,使机器人能在一定程度上克服传感器测量范围的局限性,预测前方是否可行并做出决策,减少冗余路段。设计了基于人工势场法的有限状态机,解决了因障碍物对称而无法确定方向所产生的路径冗余。在MATLAB平台中进行了仿真测试,验证了所设计方法的可行性和有效性。

摘要：针对采用传统人工势场法进行移动机器人局部路径规划时存在的局部极小点和规划路径过长等问题,提出了一种基于虚拟目标点和有限状态机的模糊势场法。构造基于人工势场的虚拟目标点法来解决局部极小点问题,在合适的位置设置虚拟目标点使机器人逃离局部极小点区域。将虚拟目标点法与模糊控制相结合,对障碍物环境进行预测,及时避障,解决机器人在复杂环境中采用虚拟目标点法规划路径时存在的路径过长问题。设计一个有限状态机来判断障碍物环境,执行算法转换策略,使改进算法适用于多种复杂环境。所设计算法在MATLAB平台上进行了仿真验证。结果表明,该算法能够使机器人逃出局部极小点、缩短规划路径。算法不仅适用于简单、离散环境,在传统算法运行困难的、复杂的环境中,例如墙型、U型和多U型障碍物环境,也能规划出可行的优化路径。

摘要：利用强化学习训练机器人局部路径规划模型存在算法收敛速度慢、易陷入死锁区域导致目标不可达等问题。对传统近端策略优化(PPO)算法进行改进,引入长短期记忆(LSTM)神经网络并设计虚拟目标点法,提出LSTM-PPO算法。将PPO神经网络结构中的全连接层替换为LSTM记忆单元,控制样本信息的记忆和遗忘程度,优先学习奖励值高的样本,从而更快地累积奖励优化模型。在此基础上,加入虚拟目标点,通过雷达传感器收集的环境信息判断机器人陷入死锁区域时弃用目标点给予机器人的引导,使机器人走出陷阱区域并趋向目标点,减少在死锁区域不必要的训练。分别在特殊障碍物场景和混合障碍物场景中对LSTM-PPO算法进行仿真验证,结果表明,与传统PPO算法和改进算法SDAS-PPO相比,该算法在两种场景训练中均能最快到达奖励峰值,可加快模型收敛速度,减少冗余路段,优化路径平滑度并缩短路径长度。

摘要：针对室内机器人在未知环境下的自主导航问题,以机器人操作系统ROS为开发平台,基于Gmapping、Amcl、Move_base等开源功能包设计自主导航系统,使搭载此系统的机器人能够学习未知环境下的地图信息,并基于地图实现定位、路径规划、避障等功能。通过三维物理仿真软件Gazebo模拟环境并加载设计的URDF机器人模型,对自主导航系统进行仿真验证。结果表明,该自主导航系统能够使机器人在未知环境下,实现准确建图、定位、实时避障和路径规划等功能。