CN119635658B 一种微小型机器人运动控制方法和系统 （苏州大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119635658B(45)授权公告日2025.07.01

(21)申请号202510030896.6

(56)对比文件

(22)申请日2025.01.08

CN119146965

A,2024.12.17

(65)同一申请的已公布的文献号

申请公布号CN119635658A

CN116811916

审查员杨汝

A,2023.09.29

(43)申请公布日2025.03.18

(73)专利权人苏州大学

地址215000江苏省苏州市吴江区久泳西

路1号

(72)发明人庄智琦钟博文季静娴张苏伟刘季旭杨雪涵

(74)专利代理机构南京合砺专利商标代理事务所(普通合伙)32518

专利代理师鲍小龙(51)Int.CI.

B25J9/16(2006.01)

权利要求书6页

说明书22页附图2页

(54)发明名称

一种微小型机器人运动控制方法和系统

(57)摘要

CN119635658B本发明提供一种微小型机器人运动控制方法和系统，其中，对环境状态信息进行同步和校准处理，生成综合感知图像；分析综合感知图像，得到分类结果，并基于分类结果预测未来一段时间内影响微小型机器人运动轨迹的环境状态变化；使用快速随机树生成候选路径，并结合AI搜索算法对候选路径进行优化处理，得到目标路径；构建三维动态概率图，利用强化学习算法不断更新三维动态概率图，生成即时决策地图；利用卡尔曼滤波器对微小型机器人的进行位置估计，得到微小型机器人的位置状态，调整微小型机器人的驱动电机的速度和转向角度，生成微小

CN119635658B

采用非接触式的传感器实时收集当前环境状态信息，并对所述环境

采用非接触式的传感器实时收集当前环境状态信息，并对所述环境耿态信息进行同步和校准处理，以生成综合感知图像

应用目标检测与识别枝术分析所述综合感知图像，以确定当前环境中所

所迷分类结果预测未来一段时间内影响所述微小型机器人运动轨迹的环境状态变化

根据所迷综合感知图像以及所迷环境状态变化预估模型所预测的环境状

态变化，使用快速随机树生成候选路径，并结合A1搜索算法对所述候选路径进行优化处理，得到目标路径

104

基于所述目标路径，利用贝叶斯网络构建三维动态概率图，所迷三维动态概率图以特定位置的环境状态为节点，所迷环境状态间的特移概率为

边，并利用强化学习算法不断更新所述三维动态概率图，生成即时决策地图

当监测到环境状态发生变化时，基于所述即时决策地图，并引入情感计

逵进行调整，以生成自运应的行为规则集

利用卡尔曼速波器对所迷微小型机器人的进行位置估计，得到所逐微小型机器人的位置状态，基于所述位置收态以及所述自适应的行为规别桌

,调整所述微小型机器人的驱动电机的速度和转向角度，确保实际适动轨迹符合理想运动轨迹，并生成所述微小型机器人的轨进跟踪，所述轨

连跟踪是翁所述微小型机器人在执行任务过程中，按照预定适动轨迹进行移动。并实时调整自身速度以及转向角度以尽量减少实际运动轨迹与

理想轨迹之间的偏差的过程

102

CN119635658B权利要求书1/6页

2

1.一种微小型机器人运动控制方法，其特征在于，包括：

采用非接触式的传感器实时收集当前环境状态信息，并对所述环境状态信息进行同步和校准处理，以生成综合感知图像；

应用目标检测与识别技术分析所述综合感知图像，以确定当前环境中所存在的对象及所述对象的类别，得到分类结果，并基于所述分类结果以及所述环境状态信息构建环境状态变化预估模型，所述环境状态变化预估模型用于通过历史环境状态信息和所述当前环境状态信息，并结合所述分类结果预测未来一段时间内影响所述微小型机器人运动轨迹的环境状态变化；

根据所述综合感知图像以及所述环境状态变化预估模型所预测的环境状态变化，使用快速随机树生成候选路径，并结合AI搜索算法对所述候选路径进行优化处理，得到目标路径；

基于所述目标路径，利用贝叶斯网络构建三维动态概率图，所述三维动态概率图以特定位置的环境状态为节点，所述环境状态间的转移概率为边，并利用强化学习算法不断更新所述三维动态概率图，生成即时决策地图；

当监测到环境状态发生变化时，基于所述即时决策地图，并引入情感计算模型模拟人类决策过程中的情绪因素，对所述微小型机器人的运动轨迹进行调整，以生成自适应的行为规则集；

利用卡尔曼滤波器对所述微小型机器人进行位置估计，得到所述