机器人足球第一章引言.pptVIP

机 器 人 规 划 内容提纲 一、运动规划的基本问题 二、规划的一般涵义 三、运动规划问题和算法的特征 四、运动规划的应用 五、本课程的主要内容 六、实验课安排 七、课程进度与成绩评定 八、练习 一、运动规划的基本问题 1.1 为什么需要运动规划 运动规划（Motion Planning）是Agent计算自己的运动达到特定目标的能力。 1.1 为什么需要运动规划 运动规划（Motion Planning）是Agent计算自己的运动达到特定目标的能力。 1.2 运动规划技术的进展 机器人爬楼梯 机器人在栏杆中爬行 清洁飞机引擎的机器人 游戏角色 1.3 钢琴搬运工问题 1.4 汽车组装问题 1.4 带有感知的运动规划 1.5 带有感知的运动规划 1.6 运动规划解答的问题 计算“运动策略”（Motion Strategies） 几何路径（Geometric Paths） 以时间为参数的轨迹（Trajectory） 基于感知器的命令序列（Sequence of Commands） 以完成任务 在不碰撞障碍物的情况下到达位置A 装配产品P 建立建筑物E的地图 1.7 运动规划问题的抽象模型 1.7运动规划问题的抽象模型 1.8 配置空间(Configuration Space) 二、规划的一般涵义 2.1 规划（Planning） Agent在行动之前的计划过程 输入 情况描述：客观世界、约束条件 初始条件：Agent的位置在北京，… 目标：Agent的位置在武汉 输出 解决方案（Plan） 2.2 各种规划问题 不同研究领域中的规划 数学：数学规划 研究对象是计划管理工作中有关安排和估值的问题，解决的主要问题是在给定条件下，按某一衡量指标来寻找安排的最优方案。 机器人学：运动规划（Motion Planning） Agent采用连续的运动（motion）完成任务 人工智能：智能规划（AI Planning） Agent采用离散的动作（action）完成任务 三、运动规划问题和算法的特征 3.1 运动规划问题的类型 按照规划解的形式分类 路径规划（Path Planning） 输出的规划解的形式为?: [0,1]?C 轨迹规划（Trajectory Planning） 输出的规划解的形式为?: [0,T]?C，其中T是时间值。 命令规划（Command Planning） 3.1 运动规划问题的类型 按照可控制的自由度分类 完整约束规划（Holonomic Constraints） 在规划问题中，可控制的变量数目等于Agent的自由度 非完整约束规划（Nonholonomic Constraints） 在规划问题中，可控制的变量数目小于Agent的自由度 3.1 运动规划问题的类型 其它分类 运动的障碍物 可移动的障碍物 多Agent 建模、感知、控制中存在不确定性 目的在于通过感知器获取信息来：建模建筑物，寻找、追踪物体，探伤 …… 3.2 规划算法的特征 完备性（Completeness） 完备：对于任一规划问题，如果该问题存在解，算法就给出解，则称该算法是完备的。 不完备的：对于某些有解的规划问题，算法未给出解，则称该算法是不完备的 相对于分辨率是完备的：对配置空间使用一定的方式进行“离散化”，如果算法对于“离散化”后的规划问题是完备的，则称该算法相对于这种离散化方式是完备的。 效率（Efficiency） 最优性（Optimality） 如果规划算法能给出给定规划任务的最优解，则称该算法是最优的。 四、运动规划的应用 4.1 类人机器人（Humanoid Robots） 4.2 月球车 4.3 攀爬机器人 4.4 操纵可变形物体 4.5 数字角色 4.5 数字角色 4.6 制作未知建筑的地图 4.7 放射外科手术的规划 4.8 建筑物设计的合理化验证 4.9 逃生方式的模拟 4.10 自主泊车 五、本课程的主要内容 几何学基础 移动式机器人（Mobile Robot） 基于网格模型的路径规划算法 Dijkstra算法及其变型 A*算法及其变型 关节式机器人（Articulated Robot） 基于多项式曲线的路径规划算法 六、实验课 题目 Dijkstra算法的实现（4学时） 路径规划：三次多项式插值（4学时） 路径规划：过路径点的三次多项式插值（2学时） 时间 12-16周 周五的第3、4节 地点：5楼智能专业机房 七、课程进度与成绩的评定 进度 理论学习：26学时 实践环节：10学时 总成绩 考试（闭卷）成绩（70%） 平时成绩（30%） 作业完成情况 课堂学习情况 出勤情况 八、练习 复习机器人学中移动式机器人和关节式机器人的概念 阅读“Wikipedia”网站上关于“Motion Planning”的文