徐 偉

(江漢大學(xué) 工程訓(xùn)練中心， 湖北 武漢 430056)

?

未知環(huán)境下局部路徑規(guī)劃方法在慧魚移動機器人開發(fā)中的應(yīng)用探討

徐 偉

(江漢大學(xué) 工程訓(xùn)練中心， 湖北 武漢 430056)

移動式機器人的導(dǎo)航主要面臨兩大問題,即機器人定位和路徑規(guī)劃。該文對于現(xiàn)有的兩種路徑規(guī)劃方法,即全局路徑規(guī)劃方法和局部路徑規(guī)劃方法進行了探討,提出在未知環(huán)境模式下適宜采用局部路徑規(guī)劃方法。通過慧魚尋光避障機器人在未知環(huán)境下的實驗,結(jié)果表明局部路徑規(guī)劃方法更好地解決了機器人的移動問題。

慧魚機器人； 未知環(huán)境； 局部路徑規(guī)劃法

自從第一個移動機器人Shakey用于人工智能研究以來,在國防、航天、消防、工業(yè)、交通、科研等眾多領(lǐng)域,移動機器人受到廣泛關(guān)注與應(yīng)用,其應(yīng)用環(huán)境也由陸地延伸到了空間、水下等領(lǐng)域[1]。正是源于其廣闊的市場前景,移動機器人技術(shù)的發(fā)展也備受各國重視。各發(fā)達國家、地區(qū)圍繞不同領(lǐng)域的移動機器人技術(shù)均各有側(cè)重,例如美國主要側(cè)重于對各種室外移動機器人的研究,日韓等國則主要側(cè)重于人形機器人方面的研究,歐洲地區(qū)則側(cè)重于城市、建筑環(huán)境中的移動機器人研究[2]。

未知環(huán)境下移動機器人導(dǎo)航主要面臨解決兩大問題,即機器人定位和路徑規(guī)劃[3]。定位是指機器人根據(jù)所處的環(huán)境判斷自己的位置和方向,它需要識別出每一個物體是目標還是障礙物[4]。路徑規(guī)劃是指機器人需要找到一條從開始位置到目標位置的無碰撞路徑,為此機器人需要運行合適的路徑規(guī)劃算法,計算出任意兩點之間的路徑[5]。

自從1968年Nilsson利用啟發(fā)式搜索算法為機器人尋找一條無碰、最短路徑開始,路徑規(guī)劃技術(shù)已成為機器人學(xué)領(lǐng)域的研究熱點[6]。依據(jù)所用信息層次不同,現(xiàn)有移動機器人的路徑規(guī)劃算法可分成基于地圖的全局路徑規(guī)劃和基于傳感器的局部路徑規(guī)劃[7]。

1 路徑規(guī)劃方法探討

1.1 全局路徑規(guī)劃方法

針對環(huán)境已知的離線全局路徑規(guī)劃方法已經(jīng)取得了大量成果。全局路徑規(guī)劃利用預(yù)知的全局環(huán)境信息,可在事先建好的環(huán)境模型中尋優(yōu),以獲得全局范圍內(nèi)的最優(yōu)路徑[8]。

作為較早提出的方法,全局路徑規(guī)劃可以保證路徑的可達性及最優(yōu)性。進一步,此類方法可分解為兩大部分:對構(gòu)型空間的描述方法,以及在構(gòu)型空間中搜尋最優(yōu)路徑的搜索算法。典型方法中前者主要有:可視圖、柵格網(wǎng)、頂點圖、拓撲圖等；后者則主要包括圖搜索類算法,如各種啟發(fā)式搜索算法[9]。可以看出:全局路徑規(guī)劃依賴準確的全局環(huán)境模型,一旦環(huán)境信息發(fā)生變化則需重新規(guī)劃,難以適應(yīng)頻繁變化的地圖。

雖然有學(xué)者針對此問題,提出一系列對全局路徑進行局部修訂的算法,但對地圖變化范圍較大的未知環(huán)境仍然難以適應(yīng)。此外,由于算法通常運算量較大,需離線運行,也難以對地圖及機器人感知信息的變化及時反應(yīng)[10]。

1.2 局部路徑規(guī)劃方法

基于傳感器的局部路徑規(guī)劃是實現(xiàn)機器人在未知環(huán)境中探索的重要技術(shù),很多傳統(tǒng)的人工智能算法在這方面做了大量的工作。局部路徑規(guī)劃通常并不規(guī)劃一條完整的路徑,而是規(guī)劃機器人的最優(yōu)運動,建立機器人運動與感知信息間的映射關(guān)系,將局部范圍內(nèi)的最優(yōu)路徑信息隱含在對機器人運動的控制命令中,力圖通過連續(xù)的局部最優(yōu)實現(xiàn)全局優(yōu)化。此類方法通常是使用的反應(yīng)式算法,僅依賴傳感器對局部環(huán)境感知信息[11]。

由于對環(huán)境信息依賴較小,此類方法對未知環(huán)境表現(xiàn)出較強的適應(yīng)能力,已有針對未知環(huán)境中路徑規(guī)劃問題的研究也多集中于此類方法[12]。

綜上所述,隨著機器人應(yīng)用領(lǐng)域的不斷拓展,機器人所面臨的任務(wù)也越來越復(fù)雜,移動機器人通常需工作于未知環(huán)境,既無預(yù)知環(huán)境信息,也無額外定位信息來源的環(huán)境。此類未知環(huán)境中移動機器人如何以某種指標最優(yōu)的方式到達目標,是制約其走向?qū)嵱玫囊淮箅y點問題。

全局路徑規(guī)劃等多種上層任務(wù)往往依賴環(huán)境地圖,如何盡可能地獲取環(huán)境信息以繪制地圖是制約移動機器人發(fā)展的另一問題。目前,在實際應(yīng)用時多使移動機器人先以其他方式引導(dǎo)(例如人為介入)實現(xiàn)對環(huán)境的繪圖,待繪成地圖后再進行路徑規(guī)劃、自主移動并完成任務(wù)[13]。

所以,采取局部路徑規(guī)劃方法,讓移動機器人通過傳感器對目標位置進行定位,同時通過傳感器對行走路線不斷地修正,最后到達目標。這樣路徑規(guī)劃方法優(yōu)點在于:無須建立精確的環(huán)境模型和環(huán)境地圖,簡化了智能體編程,把確定目標定位、避障、路徑規(guī)劃等問題統(tǒng)一解決。

2 尋光避障機器人設(shè)計

本文以慧魚移動機器人模型尋光避障機器人(機器人簡易模型見圖1)為例,對局部路徑規(guī)劃方法的應(yīng)用進行探討。軟件編程采用慧魚模型專用的ROBOT PRO軟件[14]。

圖1 機器人簡易模型圖

2.1 機器人原理

機器人運動原理:機器人首先通過光敏傳感器對目標光源進行定位,然后直接通過程序模塊將運動變量輸出到電機;在運動過程中,如果碰到相應(yīng)的障礙物,機器人根據(jù)相應(yīng)的障礙物情況采取對應(yīng)的運動以避開;避開障礙物的同時對目標光源進行重新定位,即機器人重新通過幾何中軸線調(diào)整方向確定光源目標。機器人的運動通過“運動—確定目標—避開障礙—確定目標—運動”的模式循環(huán)下去,實現(xiàn)最后到達目標。

尋光原理:在機器人的前方安裝有2個光敏傳感器,當(dāng)傳感器接受到光源時,光敏傳感器所反映的邏輯信號量為1,否則為0。每個光敏傳感器根據(jù)邏輯信號量的不同控制左右相應(yīng)的電機運動。在這里設(shè)置光源邏輯信號輸入為I6、I7接口,I6所對應(yīng)的為右側(cè)，I7所對應(yīng)的為左側(cè)。

避障原理:在機器人前方裝有2個彈簧傳感器,當(dāng)彈簧傳感器碰到設(shè)置的障礙物時,彈簧傳感器所反映的邏輯信號量為1,否則為0。每個彈簧傳感器根據(jù)邏輯信號量的不同控制左右電機相應(yīng)的運動。在這里設(shè)置邏輯信號輸入為I3、I4接口,I3所對應(yīng)的為右側(cè)，I4所對應(yīng)的為左側(cè)。同時,在機器人后部也設(shè)置一個彈簧傳感器,輸入接口為I5,以防止機器人在后退過程中碰到障礙物。

另外，從科學(xué)智能化的角度來說,機器人至少應(yīng)該具有兩種不同的動作。但尋找光源和避開障礙這兩種行為模式又無法同時激活,在這里給機器人設(shè)置尋找

光源為優(yōu)先行為模式,即確定目標方向,再決定路線規(guī)劃。

2.2 列表分析

在確定了相應(yīng)的輸入接口后,將機器人所遇到各種情況列表分析見表1,并要求電機采取相應(yīng)的動作。

表1 尋光避障機器人情況分析

2.3 程序分析

有了以上表格分析,結(jié)合機器人運動原理,機器人運動的主程序結(jié)構(gòu)見圖2，圖中A為模塊輸入量。

圖2 尋光避障機器人主程序結(jié)構(gòu)

主程序開始運行后,先后進入“尋光序號分配”子程序和“障礙序號分配”子程序,根據(jù)I3、I4、I6、I7邏輯信號量輸入值的不同,按照上表賦予程序中“序號值變量”不同的值,“序號值變量”傳遞給“電機運動”子程序,該子程序根據(jù)不同的序號值采取響應(yīng)的動作。尋光序號分配子程序結(jié)構(gòu)見圖3，圖中A為模擬輸入量。

圖3 尋光序號分配子程序結(jié)構(gòu)

該程序接受到I6、I7從FR、FL 2個端子發(fā)送的邏輯信號量,經(jīng)過相應(yīng)的“與”運算或者直接將邏輯信號量值傳遞給子程序,子程序運算后輸出某一種情況的序號值傳遞到Wert輸出端,Wert輸出端再將該序號值傳遞到“序號值變量”中,以提供給機器人采取相應(yīng)的運動動作。

障礙序號分配子程序結(jié)構(gòu)(見圖4)原理與尋光序號分配子程序結(jié)構(gòu)相似。

圖4 障礙序號分配子程序結(jié)構(gòu)

電機運動子程序根據(jù)不同的序號變量值來控制電機做出相應(yīng)的動作,程序結(jié)構(gòu)見圖5。

圖5 電機運動子程序結(jié)構(gòu)

該機器人尋找光源、前進、后退等運動子程序就不在這里冗述了。

3 結(jié)束語

在未知環(huán)境下,由于未知環(huán)境隨機性太強,無法獲取環(huán)境信息,采取局部路徑規(guī)劃方法,通過傳感器感知各種未知情況,使機器人采取相應(yīng)的判斷,實現(xiàn)相應(yīng)的智能化動作,對行走路線不斷地修正,最后到達目標,解決了目標定位、避障、路徑規(guī)劃等問題。通過慧魚模型尋光避障機器人實驗,實驗結(jié)果表明這種方法很好地解決了未知環(huán)境下機器人的自主移動問題。

References)

[1] Fox D.International assessment of research and development in robotics[R].Arlington,VA,USA:World Technology Evaluation Center,2006.

[2] Sarif N,Buniyamin N.An overview of autonomous mobile robot path planningalgorithms:4th Student Conference on Research and Development“Towards Enhancing Research Excellence in the Region”[C]//Shah Alum,Malaysia:IEEE,2006:183-188.

[3] Sun X,Yeoh W,Kenning S.Moving Target D Lite[C]//International Joint Conference on Autonomous Agents and Multi-agent Systems(AAMAS).2010:67-74.

[4] Nasrollahy A Z,Javadi H.Using Particle Swarm Optimization for Robot Path Planning in Dynamic Environments with Obstacles and Target[C]//UK-Sim 3rdEuropeanModelling Symposium on Computer Modeling and Simulation.Athens,Greece:IEEE,2009:60-65.

[5] Yang G,Shu-dong S.Local Path Planning of Mobile Robots in Dynamic Unknown Environment Based on Prediction of Collision[C]//International Conference on Mechatronics Technology and Mechatronics Automation.Zhangjiajie,Hunan,China:IEEE Computer Society,2009:84-88.

[6] DZ,CZ,ZR ZR.A hybrid approach of virtual force and A*search algorithm for UAV pathpreplanning[C]//IEEE Conference on Industrial Electronics and Applications 0CIEA).Beijing.IEEE,2011:1140-1145.

[7] Urdiales C,Perez E J,Sandoval F, et al.A hybrid architecture for autonomous navigation using a CBR reactive layer[C]//IEEE/WIC International Conference on Intelligent Agent Technology.Banff,Canada:Int Assoc of Science and Technology for Development,2003:225-232.

[8] Ge S S,Lai X C,AI Mamun A.Sensor-based path planning forno homonymic mobile robots subject to dynamic constraints[J].Robotics and Autonomous Systems,2007,55(7):513-526.

[9] Xiaoyu Y,Moallem M,Patel R V.A layered goal-oriented fuzzy motion planning strategy for mobile robot navigation[J].IEEE Transactions on Systems,Man,and Cybernetics,Part B:Cybernetics,2005,35(6):1214-1224.

[10] Wooden D Power,MacKenzie D C,Balch T, et al.Control-driven mapping and planning[C]//2007 IEEFJRSJ International Conference on Intelligent Robots and Systems.San Diego,CA,USA:IEEE,2007:3056-3061.

[11] Julia M,Gil A,Reinoso O.A comparison of path planning strategies for autonomous exploration and mapping of unknown environments[J].Autonomous Robots,2012,33(4):427-444.

[12] 劉歡,王健,李金鳳,等.未知環(huán)境下機器人避障設(shè)計研究[J].機械設(shè)計與制造,2013(10):236-238.

[13] 高揚,鄒丹,胡大偉,等.未知環(huán)境中移動機器人的路徑規(guī)劃與探索算法[M].電子設(shè)計工程,2014,22(3):1-3.

[14] 慧魚機器人技術(shù)實驗手冊[M].北京:中國教學(xué)儀器有限公司.

Discussion on application of method of local path planning in fischer technic mobile robot under unknown environment

Xu Wei

(Engineering Training Center, Jianghan University, Wuhan 430056, China)

The mobile robot navigation is mainly to solve two problems, i.e., robot localization and path planning.This article discusses on the two methods of path planning,namely the method of global path planning and local path planning, and puts forward that it is suitable for using the method of local path planning under the unknown environment.Through the fischer search-light and obstacle-avoidance of mobile robot under the unknown environment experiment,the results indicate that the method of local path planning could solve the problems of mobile robot better.

fischer technic robot; unknown environment; method of local path planning

2014- 07- 22 修改日期：2014- 09- 17

徐偉(1977—),男,湖北武漢,碩士,實驗師,主要研究方向為機器人、機械創(chuàng)新.

E-mail：370324931@qq.com

TP242.6

A

1002-4956(2015)2- 0110- 04