基于冲突搜索算法的多机器人路径规划

针对冲突搜索法（conflict-based search,CBS）在多机器人路径规划（multi-agent path finding,MAPF）过程中规划路径过长、单向搜索运行时间长等缺陷,从搜索方向和搜索方式提出一种改进的双向A*焦点搜索来优化冲突搜索算法。将次优因子ω引入冲突搜索算法的底层搜索函数中,以提高路径搜索的效率;将冲突搜索算法中的单向搜索优化为双向A*搜索。实验结果表明：改进的冲突搜索算法的路径成本缩短了14.82%,总运行时间缩短了10.63%。     

基于辐射扫描算法的机器人路径规划与仿真

针对基于生物激励神经网络(Biologically Inspired Neural Network,BINN)算法的机器人路径存在重复率高、转弯次数多的问题,提出一种将模板模型与辐射扫描(Radiation Scanning,RS)算法相融合的改进遍历路径规划算法(Improved Traversal Path Pla...     

基于概率地图方法的无人机路径规划研究

论述了现有无人机路径规划算法普遍存在的一些问题,引入了一种快速、有效的无人机路径规划算法-概率地图方法,详细描述了概率地图方法的实现步骤,并对传统概率地图方法的执行流程作了改进,改进后的算法在时间特性上有了较大幅度提升。讨论了改进后的概率地图方法和传统的概率地图方法在无人机路径规划中的优缺点,并给出了仿真结果。总结了概率地图方法在工程应用中需要改进的一些方面。     

基于神经网络的移动机器人路径规划方法

针对动态环境下移动机器人路径规划,提出了一种基于递归神经网络的实时路径规划方法。利用神经网络表示机器人的工作空间,每个神经元都只有局部侧连接。目标点位置神经元具有全局最大的正活性值,该活性值通过神经元之间的局部侧连接逐渐衰减地传播到整个状态空间,障碍物及其周围区域神经元活性值则被抑制为零。目标点全局地吸引机器人,障碍物局部地将机器人推开实现避障,从而能够在动态环境下产生最优规划路径。仿真结果表明该方法具有较好的环境适应性和实时性。     

基于深度学习的机器人局部路径规划方法

为了将视觉信息融入到机器人导航过程中,提高机器人对各类障碍物的识别率,减少危险事件的发生,设计了基于二维CNN及LSTM的局部路径规划网络。提出了基于深度学习的局部路径规划方案。利用机器人视觉信息及全局路径信息推理产生机器人在当前时刻完成避障导航任务所需转向角度;搭建了用于对规划器核心神经网络进行训练和验证的室内场景;提出了以路径总长度、平均曲率变化率及机器人与障碍物之间的距离为性能指标的路径评估方案。实验表明：该方案在仿真环境及真实场景中均体现了较优秀的局部路径生成能力。     

基于神经网络和PSO的机器人路径规划研究

提出一种神经网络和粒子群算法相结合的移动机器人路径规划方法。采用小波网络和RBF网络相结合的四层神经网络结构,克服了传统神经网络方法进行路径规划时对每个障碍均设计一些特定的隐节点,当障碍较多且环境动态时,网络结构庞大且神经元的阈值随时间的变化而需要不断改变的缺点。利用粒子群对神经网络的参数进行训练,在规定的代数内对网络参数优化,使得机器人在移动过程中能够快速响应环境的变化。通过对移动机器人在动、静态不同环境下的仿真实验,证明了方法的有效性。     

基于局部信息的滚动优化与机器人路径规划

文献[4]中提出了模糊优化的方法并应用于基于滚动机理的机器人路径规划。但在遇到某些特殊情况时会出现振荡问题而导致机器人不能到达终点。本文中提出了基于系统局部信息的滚动模糊优化算法，在模糊优化过程中引入了历史信息，通过增加新的和历史信息相关的约束，保证了所选择的局部子目标与全局目标的一致性，解决了上述振荡问题。并在MATLAB平台上进行了仿真，仿真结果证明了本算法的有效性。     

基于目标搜索任务的群机器人路径规划

微粒群算法具有搜索效率高,收敛速度快的特点,可应用于基于目标搜索任务的群体系统。人工势场法可用于移动机器人的避障导航,提出一种在环境未知情况下基于机器人多传感器结构的人工势场法MSAPF,和一种具有群机器人系统特征的SRPSO算法,将二者相结合,应用于群机器人系统的目标搜索任务,在搜索目标的同时实现避障导航路径规划,通过对多组不同数量机器人的仿真实验验证了此方法的有效性。

Abstract：

Particle Swarm Optimization algorithm has high searching efficiency and constringency speed,and can be used for the target-searching swarm intelligence system.The artificial potential field （APF） is an effective local path planning method for the mobile robot.The MSAPF （multi-sensor-based APF）,integrating with the SRPSO （Swarm-Robot PSO） algorithm was proposed,used for realizing the path planning of swarm robot system while searching the target.The efficiency has been proved by the simulation experiments with different individual quantity of swarm robot.     

基于改进遗传算法的货箱机器人拣选路径规划

针对智能仓库中新型“货箱到人”拣选模式下多个货箱机器人拣选路径规划问题,给出了一种新的优化模型和改进遗传算法。基于货箱机器人的拣选方式及特点,将其转化为非对称车辆路径问题,以机器人总拣选路径最短和完成时间最少为双目标建立混合整数规划模型,设计改进的混合遗传算法对模型进行求解,并通过大规模算例验证了算法的有效性与稳定性。算例计算结果表明：所建模型及算法提高了货箱机器人的拣选效率,降低了运行成本。     

基于人工免疫网络机器人路径规划算法的进一步研究

本文进一步完善了基于人工免疫网络的移动机器人路径发现与规划算法,给出了算法的设计思想和流程详细的描述;并基于马尔可夫链理论,从数学上证明了该算法的收敛性;通过势场法、神经网络算法和遗传算法三种常用的移动机器人路径发现与规划算法的对比实验,表明文章所设计的算法具有很好的柔性,能够适应于不同的规划环境,解决了其它规划算法无法克服的规划难题以及欺骗性问题,表现出了高度的智能性。     

基于滚动窗口的移动机器人路径规划

借鉴预测控制滚动优化原理 ,研究了全局环境未知且存在动态障碍物情况下的移动机器人路径规划问题。提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人实时测得的局部环境信息 ,并通过有效的场景预测 ,以滚动方式进行在线规划 ,结合了优化和反馈机制 ,具有计算量小、反应迅速的特点。大量仿真结果表明 ,该方法能很好地适应动态不确定环境。     

基于改进神经网络的多AUV全覆盖路径规划

针对三维环境下的多自主水下机器人(Autonomous Underwater Vehicle,AUV)全覆盖路径规划问题,提出一种基于改进神经网络—Glasius生物启发神经网络（Glasius Bio-inspired Neural Network,GBNN）的全覆盖路径规划算法。对AUV的水下工作环境构建离散的三维栅格地图;根据栅格地图,建立相对应的三维GBNN模型;根据GBNN活性值的动态变化,AUV规划各自的搜索路径,对水下任务区域进行全覆盖搜索。仿真结果表示,多AUV可以协同完成覆盖搜索任务,能够自动避开各类静态和动态的障碍物,自动逃离路径的死锁区。     

爬壁机器人路径规划研究

研究爬壁机器人在三维工作环境中的全局路径规划.给出了一种基于人工神经网络结构能量函数的路径规划算法.可根据机器人吸附物体的形状设定各边界面对应的不等的模拟退火初始温度;并且可根据路径点位于物体内部与否的不同位置采用不同的运动方程.仿真结果表明,该算法可规划出最短的可行路径,为提高爬壁机器人的实用性,提供了一种有效的路径规划算法.     

基于力反馈的虚拟示教式机械手臂装配路径规划方法

根据力反馈设备PHANToM(R)和6自由度机械手臂结构的相似性,构建了一个基于PHANToM关节驱动的6自由度虚拟机械手臂模型,为了使该虚拟机械手臂模型具有力反馈的功能,提出了一种基于机器人运动学分析的空间匹配方法.基于该虚拟机械手臂模型,提出了基于力反馈引导的虚拟示教式机械手臂装配路径规划方法,该方法通过人工势场法计算反馈力,操作者可以通过操作力反馈设备PHANToM来控制虚拟机械手臂的运动,在反馈力的引导下结合操作者的经验和决策能力以虚拟示教的方式完成装配路径的粗略规划,使用基于距离准则的单端搜索法和人机交互方式对粗略路径和装配零件的姿态进行优化,最后通过动画的形式模拟机械手臂的装配过程,以供用户对该路径进行评价.     

基于双向汇聚引导蚁群算法的机器人路径规划

路径规划是自主移动机器人技术的核心理论问题之一,论文采用网格法建立路径规划问题的环境模型,提出了基于先验知识的优势方位角,建立了主优势网格和次优网格的改进网格模型,并采用基于子路径认知方法的信息素释放策略,提出了起始点与目标点互换的交替双向引导策略,实现了一种汇聚融合的信息素结构,实现了基于改进网格模型的双向汇聚斑迹信息素蚁群算法。实验表明,该方法在求解具有复杂障碍物分布的大规模地图规划问题时,具有空间复杂度小和效率高的优点,大大提升了构建初始解及收敛的速度,具有很好的求解性能。     

移动机器人路径规划技术的现状与展望

移动机器人技术研究中的一个重要领域是路径规划技术。它分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划。综述了移动机器人路径规划技术的发展现状，指出了各种方法的优点与不足。最后对移动机器人路径规划技术的发展趋势进行了展望。     

基于混合人工势场-遗传算法的移动机器人路径规划仿真研究

分析了人工势场模型存在的目标不可到达问题(GNRON)和由于局部最优解的存在而产生的死锁问题,提出了一种建立在改进人工势场模型上的基于遗传算法的最优路径搜索方法。仿真结果验证了本模型的有效性,能有效的解决由于人工势场模型缺陷而带来的路径规划问题。