全局环境未知时基于滚动窗口的机器人路径规划Read.PDF

( ) E 　辑 　　　　　　 　 中 国 科 学　 　　 ( ) 第 31 卷 　第 1 期 SCIENCE IN CHINA Series E 　 2001 年 2 月 全局环境未知时基于滚动窗口的 机器人路径规划 张纯刚　席裕庚 (上海交通大学自动化研究所 ,上海 200030) 摘要 　　研究了全局环境未知时机器人的路径规划问题 , 借鉴预测控制滚动优化原 理 , 提出了基于滚动窗口的移动机器人路径规划方法. 该法充分利用机器人实时测 得的局部环境信息 , 以滚动方式进行在线规划, 实现了优化与反馈的合理结合. 探 讨了规划算法的收敛性. 关键词 　　机器人路径规划 　滚动规划 　收敛性 　预测控制 移动机器人路径规划问题是指在有障碍物的工作环境中寻找一条恰当的从给定起点到终 点的运动路径 ,使机器人在运动过程中能安全、无碰撞地绕过所有的障碍物. 当环境信息已知 时 ,离线的全局规划可以解决这一问题 ,并且能对某些性能指标作优化 ,在这方面已有大量深 入的研究[1～5 ] ,如“搬钢琴问题”,位姿空间法 ,人造势场法 ,广义锥法 ,广义 Voronoi 图及可视图 法等. 然而 ,在许多情况下 ,机器人的环境信息是不安全的 ,甚至是未知的 ,机器人只能探测到局 部信息. 针对这种情况 ,人们已提出了不少解决未知环境下路径规划问题的方法和策略 ,但其 中很多方法对机器人有较高要求 ,且很难保证收敛性[6 ,7 ] . Borenstein 等[8 ] 采用虚拟力场法 ( ) VFF 解决未知环境中机器人避碰问题 ,该方法在某些情况下不能保证机器人顺利到达终点 , 且会产生不稳定性[9 ] . 文献[7 ]研究了未知环境中机器人规划的非启发式方法 ,让机器人记住 环境中某些特殊点 ,用一个全局收敛准则来保证收敛性 , 由于缺乏对路径的有效优化,执行效 [6 ] 果并不理想. Sankaranarayanan 等 通过增加机器人的存贮信息 ,对此进行了一些改进. Iyen gar 等[10 ]提出了一种基于学习的规划方法 ,机器人在行进中不断结合探知到的信息 ,逐步建立 起全局环境模型 ,在此基础上还能进行一定程度的全局优化 ,这种方法计算量大 ,信息冗余较 多 ,且机器人要有较大的记忆容量. 事实上 ,移动机器人在全局环境未知时的路径规划问题是一个如何充分利用已知局部信 息使规划不但可行而且较优的问题 ,必须把优化与反馈机制很好地结合起来. 在过程控制中 得到广泛应用的预测控制[11 ] 正是这两种机制合理结合的成功例子 ,为我们解决机器人路径规 划问题提供了很好的思路. 本文借鉴预测控制滚动优化原理 ,把它应用于全局环境未知时的 机器人路径规划问题中 ,提出了一种行之有效的基于滚动窗口的机器人路径规划方法 ,并探讨 　　收稿 收修改稿 ( ) ( ) 　　 国家“九七三”计划 批准号 : G1998030415 和国家“八六三”计划及国家自然科学基金 批准号 资助项目 52　　　 ( )