摘要：针对来流速度固定、存在多个静态漂浮障碍物和动态障碍物的复杂水环境中胸尾鳍协同推进仿生机器鱼的自主避碰问题,提出了一种基于动态避障风险区域(DAR)的路径规划方法。首先,结合所建立的机器鱼水动力学模型,利用扩展卡尔曼滤波法构造沿障碍物运动方向的类椭球形动态避障风险区域,其长轴与障碍物的运动速度成正比,并通过模糊控制方法对卡尔曼滤波过程的噪声方差进行估计,得到该区域的精确边界;其次,结合机器鱼视场内障碍物的位姿与速度,去除同向运动且速度大于机器鱼的无风险障碍物,实时获得动态环境中的避障风险区域集合,进而得到机器鱼可通行时变区域;最后,根据先避近后避多、边界距离最短原则初步确定先转向、后俯仰的空间避碰策略,进而以障碍物作为外界扰动,设计以期望位姿为输入的非线性模型预测控制器,实时优化得到机器鱼的转弯半径、俯仰角和两侧胸鳍相位差等控制参数,驱动机器鱼安全、快速地通过当前障碍物区域。实验结果表明,机器鱼通过多障碍物区域时,与风险区域边界的最小距离为0.15 m,速度最高达0.15 m/s,空间避障速度最高为0.3 m/s,运动机动性较高且运动轨迹比较平滑,验证了所提方法的有效性。

摘要：为在能量有限或补给不足的情况下,降低移动机器人的能耗,提高在动态环境下给定任务的完成率,提出一种改进A*算法与动态窗口法相融合的路径规划方法。首先,考虑地面坡度、摩擦等因素,构建机器人能耗模型,提出基于能耗成本的路径搜索新准则。其次,针对路径冗余、多转折造成能量损耗的问题,提出基于动态基准转折惩罚、三角剪枝与弦定弧过渡法相结合的路径优化方法,保证全局路径能耗最优。接着,针对动态窗口法狭窄环境下灵活性差的问题,融合改进A*和动态窗口法并提出航向角自调整策略,增强动态避障能力。最后,设计了全局节能路径偏离评价与能耗评价子函数用于局部节能路径的规划。仿真结果表明,所提方法在能耗、平滑性和动态避障等方面有明显的提升,在复杂、狭窄的场景中应用更具优越性。

摘要：为了提高移动机器人在室内人机共融环境下的运动安全和交互性,提出了一种融合行人运动信息的室内移动机器人动态避障方法,同时考虑任务约束和社会规则。首先,利用YOLO v3算法和Deep Sort算法分别对室内环境中的行人进行实时检测与目标跟踪,计算行人在过去时刻的历史轨迹。然后,利用Social-GAN算法构建行人交互模型,实现轨迹预测。在此基础上,将行人的运动状态融合进机器人避障算法之中,根据社会规则设计评价函数,对机器人采样速度样本进行评估,使移动机器人能够以安全和舒适的方式绕过行人,确保室内人机共融环境下移动机器人的社会接受性。通过实验对比分析,与传统DWA方法相比,本文方法不仅可以提高机器人导航避障效率,在相同室内场景下导航避障时间由23.56 s提高到19.38 s,而且可以有效降低与行人发生碰撞的风险,保证机器人导航的安全和社交性。

摘要：针对传统动态窗口法(DWA)前瞻性不足以及动态环境下避障能力不足的问题,提出一种融合间隙与障碍物运动信息的改进算法。首先,利用间隙分析方法提取目标间隙,并计算来自间隙的目标方向,提高算法的环境感知能力;其次,采用几何方法,在重定向阶段增加碰撞预测,实现对移动障碍物的快速反应;然后,为进一步优化运动轨迹,设计动态虚拟目标点,以距离作为依据,通过评价因子的替换,解决转角处的不合理偏转;最后,通过Gazebo仿真平台进行实验验证。结果表明,改进后的算法可以解决原算法通过引入全局路径规划仍然无法处理的前瞻性问题,在与障碍物保持合理间距的同时,能够稳定地通过稠密区域,在执行时间和路径长度上分别缩短23.7%和25.4%,并有效提高了对动态环境的适应能力。

摘要：在人机共存环境中,人可能会成为机器人执行任务过程中的动态障碍物,因此,在机器人的运动过程中需要动态地避障规划,从而避免机器人危害到用户安全。人工势场法是常用的动态路径规划算法,具有实现简单、计算实时性高等优点。传统的人工势场法根据虚拟的引力场和斥力场得到合力,从而引导机器人的运动,但是当引力和斥力等大反向时,存在局部极小值问题。针对该问题,本文提出了基于平面位置采样的改进人工势场法。每次计算得到合力向量后,以该向量的指向为中心,在垂直于地面、包含合力向量的平面上以特定的角度间隔分别逆时针和顺时针方向采样90°范围内的运动方向,然后分别计算引力值和斥力值,最后根据引力值和斥力值的加权和最小确定机器人的最佳运动方向。为了应对用户运动导致机器人运动路径突变的情况,本文依据用户手臂运动和头部转动的关联关系,通过检测用户的头部姿态,并利用手臂当前的运动信息预测手臂接下来的运动位置。最后设计了基于轨迹预测与改进人工势场法的机械臂动态避障规划方法,实验结果表明,该方法可以有效地进行动态避障,并且规划的路径更加平滑、长度更短。

摘要：[目的]为解决无人帆船在开阔水域的多船避碰问题,对基于改进快速行进平方(IFMS)法的局部动态避碰算法进行研究。[方法]考虑到帆船的速度不可控,将其避碰行为转化为航向控制问题,并以总势场梯度下降方向为期望避碰航向。当帆船没有碰撞危险或顺风航行时,仅通过构造时间势场来避开所有静止不规则障碍并到达目标点;而当帆船存在航行约束时,根据《国际海上避碰规则》(COLREGS)为特定会遇场景设计高斯似然函数用以动态地构建障碍势场。同时,考虑到帆船的航行死区,引入局部风势场,实现帆船动态避碰与“之”字形航行策略相结合的应用需求。[结果]结果显示,所提算法可以使无人帆船在遵守避碰规则和避免航行死区的同时,成功地在各种会遇场景下实现与其他帆船、受限机动船的避碰操作,相比原始快速行进平方(FMS)算法,逆风航行时间大大缩短,避碰航迹也更加合理、安全。[结论]所提方法符合帆船运动特性及避碰规则,在复杂环境下具有较高的安全性和鲁棒性,对无人帆船自主避障技术发展具有一定的科学价值。

摘要：为提升自动导引车(AGV)在智能工厂复杂动态环境下的避障能力,使其能在全局路径引导下安全、高效地完成避障任务,提出一种基于深度强化学习的局部避障方法。首先,将避障问题表示为部分观测马尔可夫决策过程,详细描述了观测空间、动作空间、奖励函数和最优避障策略,通过设置不同的奖励实现以全局路径引导局部避障规划;然后,在此基础上,采用深度确定性策略梯度算法训练避障策略;最后,建立了仿真实验环境,并设计多种实验场景来验证所提方法的有效性。实验结果表明,所提方法可以应对复杂动态环境,减小避障时间与距离,提高运行效率。

摘要：针对多机器人环境下时间弹性带(TEB)算法在动态避障时轨迹欠佳且速度输出不稳定的问题,将TEB算法和速度障碍(VO)法进行融合,提出了TEB-VO轨迹规划算法,对机器人临近动态障碍物的避障速度进行约束。之后,设计了一个自适应参数动态调节模块,对规划轨迹的离散间隔以及机器人允许的最大线速度进行动态调整,使得机器人的轨迹趋于平缓且速度输出更加合理。最后,基于机器人操作系统(ROS)与Turtlebot3机器人进行了仿真和实验,验证了该算法具有良好的轨迹规划和动态避障能力。

摘要：为改善高速公路行车安全性,设计了智能汽车动态避障轨迹规划与跟踪集成控制器。建立了智能汽车的动力学及运动学模型,以主车与周围车辆无碰撞、跟随期望轨迹以及保证车辆稳定性作为优化目标,用虚拟势场法描述主车与周围车辆的位置关系,基于模型预测控制原理对智能车辆动态避障轨迹规划与跟踪进行集成控制,采用Matlab/Prescan联合仿真平台验证动态换道避障算法的有效性。结果表明:该集成控制算法在高速公路动态换道场景下,能有效避免主车与周围车辆发生碰撞,保证了行驶安全性。

摘要：针对Q-Learning算法学习效率低、收敛速度慢且在动态障碍物的环境下路径规划效果不佳的问题,本文提出一种改进Q-Learning的移动机器人路径规划算法.针对该问题,算法根据概率的突变性引入探索因子来平衡探索和利用以加快学习效率;通过在更新函数中设计深度学习因子以保证算法探索概率;融合遗传算法,避免陷入局部路径最优同时按阶段探索最优迭代步长次数,以减少动态地图探索重复率;最后提取输出的最优路径关键节点采用贝塞尔曲线进行平滑处理,进一步保证路径平滑度和可行性.实验通过栅格法构建地图,对比实验结果表明,改进后的算法效率相较于传统算法在迭代次数和路径上均有较大优化,且能够较好的实现动态地图下的路径规划,进一步验证所提方法的有效性和实用性.