原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
Electronictechnology·电子技术
智能机器人在动态未知环境中的路径规划方法探寻
文／傅晓霞
目前，智能机器人面对动态运动方向
未知环境的避障及路径优化问题
仍存在一定困难，而恰恰这方面
的应用研究更具有实用价值，如
灾难搜索营救、安保巡逻、家政
服务、导游迎宾、餐饮服务等都
要求机器人能够进行环境探测分
析、主动避障和路径规划的能力。
本文作者将强化学习的思想用于
移动机器人在动态未知环境的路
径规划中，结合改进的学习算法，
实现机器人对运动障碍物的有效
C
躲避，并通过仿真实验证实了该
策略和算法的有效性。
CS3
键词】智能机器人动态未知环境路径规
强化学习状态预测CS
图1：机器人范围传感器布局示意图
面对大多数实际工作环境，机器人不仅
!间信息做不到全局掌握，而且在工作环境
则需要实施相应的避障策略。
!存在随机移动的障碍物，这就需要工作机
同时假定机器人能够在狭小的环境区域预测值。如果障碍物当前时刻f的位置坐标为
能对环境进行有效地探测，并做出合理的
内自由转身而不会与障碍物相碰，因此在路径P—obs(t)=(，y)，相对运动速度沿x轴的分
规划。因为对全局环境的不可预知，局部
规划算法中不必考虑机器人的转动半径。量为△，沿Y轴的分量为△V，采样周期为
规划方法更适合于机器人在这种动态未知
以下是文中使用的参数：机器人与障碍At，则障碍物下一时刻H．1的预测位置坐标即
}下使用，它只需要机器人获得较近的障碍
i息，避开对其安全行驶构成威胁的障碍物。物之间的距离dm；机器人与目标点间的距为：P—obs(t+1)=(+AVxAt，Y+AVyAt)。
离d6机器人运动方向与机器人到目标点
情况下，机器人利用传感器反馈的信息实2．2路径规划策略
间连线的夹角n；最小危险距离dn『安全距
l划出机器人的运动轨迹，这种方法可以处
：境中的不确定因素，实现在线路径规划。离dm移动机器人在规则障碍物环境下进行准
多数研究者认为要使机器人系统具有更2基于强化学习的移动机器人在规则运确路径规划的前提是能够对障碍物下一时刻的
l潜能，其控制系统应具有学习能力，已经动动态障碍物环境中的路径规划位置做出及时准确的预测，针对该问题，作者
；学习方法诸如神经网络、进化算法、强化给出了相应的路径规划策略和流程图。
f以及它们的一些组合。其中，强化学习具2．1运动障碍物的预测与模型智能机器人按时间周期采样当前状态，
复『杂系统的自学习能力和较强的在线自适若没有检测到运动障碍物，则向目标点直线移
当机器
初级会计持证人
专注于经营管理类文案的拟写、润色等，本人已有10余年相关工作经验，具有扎实的文案功底，尤善于各种框架类PPT文案，并收集有数百万份各层级、各领域规范类文件。欢迎大家咨询！
文档评论（0）