機(jī)器人運(yùn)動(dòng)路徑規(guī)劃的性能指標(biāo)包括：實(shí)時(shí)性、安全性和可達(dá)性等。在動(dòng)態(tài)環(huán)境中，由于環(huán)境信息是時(shí)刻變化的，如果移動(dòng)機(jī)器人實(shí)時(shí)性差，滯后于動(dòng)態(tài)環(huán)境，就可能會(huì)導(dǎo)致避障失敗。安全性和可達(dá)性也很重要。一個(gè)性能指標(biāo)不好的方法，即使它能使移動(dòng)機(jī)器人走出完美的軌跡，也將被淘汰。而有些方法沒有高深的理論，但計(jì)算簡(jiǎn)單，實(shí)時(shí)性、安全性好，則有存在的空間。如何使性能指標(biāo)更好是各種算法研究的一個(gè)重要方向。

智能化移動(dòng)機(jī)器人路徑規(guī)劃主要包括模糊控制、神經(jīng)網(wǎng)絡(luò)、遺傳算法以及它們的相互結(jié)合等方法。智能化方法能模擬人的經(jīng)驗(yàn)，逼近非線性，具有自組織、自學(xué)習(xí)功能并且具有一定的容錯(cuò)能力。這些方法應(yīng)用于路徑規(guī)劃會(huì)使移動(dòng)機(jī)器人在動(dòng)態(tài)環(huán)境中更靈活，更具智能化。

移動(dòng)機(jī)器人的多傳感器信息融合也是當(dāng)今一個(gè)比較活躍的研究領(lǐng)域。移動(dòng)機(jī)器人在動(dòng)態(tài)環(huán)境中進(jìn)行路徑規(guī)劃所需信息都是從傳感器得來。單傳感器難以保證輸入信息準(zhǔn)確與可靠。多傳感器所獲得信息具有冗余性，互補(bǔ)性，實(shí)時(shí)性和低代價(jià)性，且可以快速并行分析現(xiàn)場(chǎng)環(huán)境。具體方法有采用概率方法表示信息的加權(quán)平均法，貝葉斯估計(jì)法，多貝葉斯法，卡爾曼濾波法，統(tǒng)計(jì)決策理論法。有采用命題方法表示信息的D-S證據(jù)推理，模糊邏輯，產(chǎn)生式規(guī)則，還有仿效生物神經(jīng)網(wǎng)絡(luò)的信息處理方法，人工神經(jīng)網(wǎng)絡(luò)法等。

基于行為的路徑規(guī)劃方法是一種自底向上的構(gòu)建系統(tǒng)方法，即把路徑規(guī)劃分解成一系列相對(duì)獨(dú)立的小系統(tǒng)，在運(yùn)行狀態(tài)下通過競(jìng)爭(zhēng)機(jī)制取得控制機(jī)器人的主導(dǎo)權(quán)，并在與環(huán)境交互作用中最終達(dá)到目標(biāo)。基于功能/行為的機(jī)器人控制結(jié)構(gòu)融合了兩者優(yōu)點(diǎn)，既有基于功能控制結(jié)構(gòu)的必要理性，又有基于行為控制結(jié)構(gòu)的快速響應(yīng)。

1 移動(dòng)機(jī)器人路徑規(guī)劃技術(shù)的分類
按照機(jī)器人對(duì)周圍環(huán)境信息的識(shí)別與對(duì)信息的掌握程度以及對(duì)不同種類障礙物的識(shí)別進(jìn)行分類，可將機(jī)器人路徑規(guī)劃分成四類：第一類，在已知的比較熟悉的環(huán)境中，根據(jù)靜態(tài)障礙物的位置對(duì)移動(dòng)機(jī)器人的路徑進(jìn)行規(guī)劃；第二類，在未知的比較陌生的環(huán)境中根據(jù)靜態(tài)障礙物的位置對(duì)移動(dòng)機(jī)器人的路徑進(jìn)行規(guī)劃；第三類，在已知的比較熟悉的環(huán)境中，根據(jù)動(dòng)態(tài)障礙物的運(yùn)行狀態(tài)對(duì)移動(dòng)機(jī)器人的路徑進(jìn)行規(guī)劃；第四類，在未知的比較陌生的環(huán)境中，根據(jù)動(dòng)態(tài)障礙物的運(yùn)行狀態(tài)對(duì)移動(dòng)機(jī)器人的路徑進(jìn)行規(guī)劃。根據(jù)機(jī)器人對(duì)周圍環(huán)境的掌握能力不同，可以對(duì)路徑規(guī)劃技術(shù)進(jìn)行劃分，第一類是在對(duì)周圍環(huán)境信息已經(jīng)驗(yàn)證的基礎(chǔ)上對(duì)移動(dòng)機(jī)器人的的路徑進(jìn)行規(guī)劃，所規(guī)劃的路徑為全局路徑；第二類是基于傳感器信息的基礎(chǔ)上對(duì)機(jī)器人的路徑進(jìn)行規(guī)劃，規(guī)劃的路徑為局部路徑[1]。移動(dòng)機(jī)器人的路徑規(guī)劃方法一般可以劃分成兩大類型，即傳統(tǒng)方法與智能方法。
2 全局路徑規(guī)劃方法
2.1 拓?fù)浞?
該路徑規(guī)劃的方法主要就是把所規(guī)劃的空間進(jìn)行分割，并形成具有拓?fù)涮攸c(diǎn)的子空間，同時(shí)構(gòu)建拓?fù)渚W(wǎng)絡(luò)，并在其中探索出起點(diǎn)至終點(diǎn)的詳細(xì)拓?fù)渎窂剑�然后根�?jù)拓?fù)渎窂降穆窂揭?guī)劃得到最終需要的幾何路徑。拓?fù)渎窂降囊?guī)劃方法是以降維法為主要依據(jù)，也就是，將高維的比較復(fù)雜的空間幾何路徑求法轉(zhuǎn)化為低維的比較簡(jiǎn)單的拓?fù)淇臻g的辨別連通方法。這種方法的最明顯優(yōu)勢(shì)就是對(duì)拓?fù)涮攸c(diǎn)進(jìn)行充分利用，進(jìn)而有效地減小實(shí)際搜索的空間范圍[2]。而其算法的復(fù)雜程度則只是同障礙物數(shù)目有較大關(guān)系，所以，最主要的問題就是在障礙物數(shù)量增加的情況下，采取合理措施對(duì)已有拓?fù)渚W(wǎng)絡(luò)進(jìn)行修正，并實(shí)現(xiàn)圖形速度提升的目的。
2.2 可視圖法
這種路徑規(guī)劃的方法就是將機(jī)器人看做是一個(gè)點(diǎn)，然后進(jìn)行合理組合，并將機(jī)器人與目標(biāo)點(diǎn)、多邊形障礙物的各頂點(diǎn)相連。在連接點(diǎn)的過程中，需要保證直線可視，也就是目標(biāo)點(diǎn)與多邊形障礙物的各頂點(diǎn)以及各個(gè)障礙物頂點(diǎn)間的連線不能穿越障礙物。通過這種方式能夠有效的將搜索最優(yōu)路徑轉(zhuǎn)化為由起點(diǎn)到目標(biāo)點(diǎn)間的可視直線的最短距離。使用優(yōu)化算法，既可以簡(jiǎn)化視圖，又可以減少搜索需要的時(shí)間。這種方法最大的好處就是可以有效的縮短路徑，但是在計(jì)算上忽略了機(jī)器人自身的尺寸，這在實(shí)際操作中，當(dāng)機(jī)器人經(jīng)過障礙物時(shí)極容易與障礙物的距離過近或者發(fā)生碰觸，會(huì)延長(zhǎng)搜索的時(shí)間。這種情況并不是不可控制的，適當(dāng)?shù)膽?yīng)用切線圖和Voronoi圖能夠?qū)�可視圖的方法進(jìn)行完善[3]。切線圖是將障礙物切線使用弧來表示，通過弧來表示就可以使機(jī)器人在起點(diǎn)到目標(biāo)點(diǎn)最短路徑行走時(shí)，只是接近障礙物不會(huì)碰觸到障礙物。但是，這個(gè)方法也存在一定的不足，就是如果在控制的過程中位置設(shè)置出現(xiàn)偏差，就會(huì)使機(jī)器人與障礙物發(fā)生碰撞。Voronoi圖的應(yīng)用原理是用遠(yuǎn)離障礙物的路徑表示弧，這種表示方式會(huì)使路徑的距離增加，位置的誤差也會(huì)加大，但是這種方式會(huì)減少機(jī)器人與障礙物發(fā)生碰撞的幾率。
2.3 柵格法
柵格法是將機(jī)器人運(yùn)行的環(huán)境進(jìn)行劃分，將整個(gè)環(huán)境劃分成網(wǎng)格單元，而且在機(jī)器人運(yùn)行的空間內(nèi)，障礙物的位置和尺寸保持不變，在機(jī)器人實(shí)際工作中，障礙物也不會(huì)發(fā)生變化。柵格的尺寸大小都相同，通過柵格來對(duì)機(jī)器人的二維工作空間進(jìn)行劃分，如果一個(gè)柵格內(nèi)沒有障礙物，那么就可以將這個(gè)柵格當(dāng)做自由柵格；如果一個(gè)柵格內(nèi)存在障礙物，那么這個(gè)柵格就是障礙柵格。在柵格中，自由空間與障礙物都是由柵格塊的集成來表示，對(duì)障礙物柵格和自由柵格有兩種標(biāo)記方式：直角坐標(biāo)法和序號(hào)法。一般情況下，機(jī)器人工作的環(huán)境是用四叉樹與八叉樹來表示，然后使用優(yōu)化算法搜索出最優(yōu)路徑。這種方法是將柵格作為計(jì)算單位對(duì)環(huán)境信息進(jìn)行記錄，柵格的粒度越小就可以更精確地表示障礙物，但是，這樣會(huì)占據(jù)較大存儲(chǔ)空間，同樣會(huì)增加算法范圍搜索的指數(shù)。然而，柵格粒度過大，其路徑的規(guī)劃就不會(huì)精確。由此看來，柵格粒度的大小確定是該方法重要的考慮內(nèi)容。
3 局部路徑規(guī)劃方法
3.1 人工勢(shì)場(chǎng)法
該方法是一種虛擬力法，是將移動(dòng)機(jī)器人在環(huán)境中的運(yùn)動(dòng)模擬成人工受力場(chǎng)的運(yùn)動(dòng)。在這個(gè)運(yùn)動(dòng)過程中，障礙物和移動(dòng)機(jī)器人之間產(chǎn)生力視為斥力，將障礙物與目標(biāo)點(diǎn)間產(chǎn)生的力視為引力。當(dāng)利用算法來使這兩種力周圍產(chǎn)生勢(shì)以后，移動(dòng)機(jī)器人就會(huì)受抽象力作用，實(shí)現(xiàn)繞過障礙物行走的目的。人工勢(shì)場(chǎng)的方法，其內(nèi)部結(jié)構(gòu)簡(jiǎn)單，而且能夠更好地控制低層，因此被廣泛應(yīng)用在避障與平滑軌跡控制中。由于局部最優(yōu)解始終存在，使得死鎖現(xiàn)象頻繁出現(xiàn)，進(jìn)而導(dǎo)致移動(dòng)機(jī)器人還未到達(dá)局部最優(yōu)點(diǎn)就會(huì)停止行走。為了有效地解決上述問題，就需要對(duì)算法進(jìn)行完善。對(duì)勢(shì)場(chǎng)方程的定義進(jìn)行合理的優(yōu)化，這樣能夠有效的消除勢(shì)場(chǎng)中局部極值[4]。
3.2 遺傳算法
遺傳算法需要保證適應(yīng)度的函數(shù)必須為正，不要求函數(shù)可導(dǎo)或者連續(xù)。此外，這種方法屬于并行算法，這就使得在全局搜索中能夠應(yīng)用其自身的隱并行性。應(yīng)用遺傳算法大部分的優(yōu)化算法都能夠進(jìn)行單點(diǎn)搜索，這就能夠使計(jì)算很容易進(jìn)入到局部最優(yōu)中。但是遺傳算法屬于多點(diǎn)搜索算法，這樣很容易算出全局的最優(yōu)解。
3.3 神經(jīng)網(wǎng)絡(luò)法
神經(jīng)網(wǎng)絡(luò)方法是通過感知空間進(jìn)而執(zhí)行行為空間。但是，要想使用數(shù)學(xué)方程來將此映射關(guān)系表示出來具有一定的難度，然而，使用神經(jīng)網(wǎng)絡(luò)方法就可以表示出來。把傳感器數(shù)據(jù)當(dāng)作網(wǎng)絡(luò)輸入，可以將人對(duì)其期望運(yùn)動(dòng)的方向確定當(dāng)作網(wǎng)絡(luò)輸出。這樣原始樣本集就可以用一組數(shù)據(jù)來表示，對(duì)重復(fù)和宏圖的樣本進(jìn)行處理，就可以得到最終的樣本集[5]。
4 機(jī)器人路徑規(guī)劃技術(shù)的未來展望
移動(dòng)機(jī)器人的路徑規(guī)劃技術(shù)主要是通過計(jì)算機(jī)、傳感器以及控制技術(shù)來完成，隨著科技的不斷進(jìn)步，新型的算法也會(huì)越來越多，所以機(jī)器人的路徑規(guī)劃技術(shù)也會(huì)不斷的得到完善。但是，在未來的研究過程中，還需要不斷提高其路徑規(guī)劃的性能指標(biāo)，并實(shí)現(xiàn)多移動(dòng)機(jī)器人系統(tǒng)的路徑規(guī)劃。還應(yīng)該在路徑規(guī)劃中適當(dāng)?shù)厝谌攵鄠鞲衅鞯男畔ⅲ瑢⒏�多的精力放在�?duì)移動(dòng)機(jī)器人的路徑規(guī)劃上，開發(fā)出更多的計(jì)算方法，從而促進(jìn)移動(dòng)機(jī)器人路徑規(guī)劃技術(shù)的發(fā)展和完善。
5 結(jié)束語

綜上所述，移動(dòng)機(jī)器人路徑規(guī)劃技術(shù)已經(jīng)取得了可觀的成績(jī)，但是，在其全局路徑與局部路徑規(guī)劃方法中仍然存在諸多不足之處，并且還未研究出能夠適用于所有場(chǎng)合的方法。所以，需要在其路徑規(guī)劃技術(shù)方面深入研究，進(jìn)而推動(dòng)該技術(shù)的進(jìn)一步發(fā)展。

查看更多相似文章