近年來,移動機器人的研究受到了人們的高度重視,人們對于機器人的要求不再局限于簡單的移動,而是希望機器人能夠根據(jù)周圍環(huán)境變化采取對應措施,做到自主移動的能力。因此,路徑規(guī)劃作為移動機器人的一個重要因素就顯得尤為重要。

路徑規(guī)劃是指移動機器人能夠規(guī)劃出一條從起始狀態(tài)到目標狀態(tài)的最優(yōu)或近似最優(yōu)的路徑。大致包括信息獲取-感知-通信-決策-控制-執(zhí)行這幾點。

移動機器人路徑規(guī)劃的實現(xiàn)又可分為全局路徑規(guī)劃和局部路徑規(guī)劃:

全局路徑規(guī)劃是指在已知環(huán)境中為機器人規(guī)劃一條路線,路徑規(guī)劃的精度取決于環(huán)境獲取的準確度,全局路徑規(guī)劃可以找到最優(yōu)解,但是需要預先知道環(huán)境的準確信息,當環(huán)境發(fā)生變化,如出現(xiàn)未知障礙物時,該方法就無能為力了。它是一種事前規(guī)劃,因此對機器人系統(tǒng)的實時計算能力要求不高,雖然規(guī)劃結果是全局的、較優(yōu)的,但是對環(huán)境模型的錯誤及噪聲魯棒性差。

而局部路徑規(guī)劃則環(huán)境信息完全未知或有部分可知,側重于考慮機器人當前的局部環(huán)境信息,讓機器人具有良好的避障能力,通過傳感器對機器人的工作環(huán)境進行探測,以獲取障礙物的位置和幾何性質等信息,這種規(guī)劃需要搜集環(huán)境數(shù)據(jù),并且對該環(huán)境模型的動態(tài)更新能夠隨時進行校正,局部規(guī)劃方法將對環(huán)境的建模與搜索融為一體,要求機器人系統(tǒng)具有高速的信息處理能力和計算能力,對環(huán)境誤差和噪聲有較高的魯棒性,能對規(guī)劃結果進行實時反饋和校正,但是由于缺乏全局環(huán)境信息,所以規(guī)劃結果有可能不是最優(yōu)的,甚至可能找不到正確路徑或完整路徑。

全局路徑規(guī)劃和局部路徑規(guī)劃并沒有本質上的區(qū)別,很多適用于全局路徑規(guī)劃的方法經過改進也可以用于局部路徑規(guī)劃,而適用于局部路徑規(guī)劃的方法同樣經過改進后也可適用于全局路徑規(guī)劃。兩者協(xié)同工作,機器人可更好的規(guī)劃從起始點到終點的行走路徑。

在實際情況中,機器人路徑規(guī)劃除了考慮已知環(huán)境和未知環(huán)境地圖,還要考慮到動態(tài)和靜態(tài)環(huán)境下的路徑規(guī)劃。

A*(A-Star)算法是一種靜態(tài)路網中求解最短路徑最有效的直接搜索方法,也是解決許多搜索問題的有效算法。算法中的距離估算值與實際值越接近,最終搜索速度越快。但是,A*算法同樣也可用于動態(tài)路徑規(guī)劃當中,只是當環(huán)境發(fā)生變化時,需要重新規(guī)劃路線。

而D*算法則是一種動態(tài)啟發(fā)式路徑搜索算法,它事先對環(huán)境位置,讓機器人在陌生環(huán)境中行動自如,在瞬息萬變的環(huán)境中游刃有余。D*算法的最大優(yōu)點是不需要預先探明地圖,機器人可以和人一樣,即使在未知環(huán)境中,也可以展開行動,隨著機器人不斷探索,路徑也會時刻調整。

從目前的研究成果來看,移動機器人路徑規(guī)劃已取得了豐碩的成果,但在全局與局部路徑規(guī)劃方法中仍有諸多不足之處,為此,國內已有針對這類算法的改進,例如思嵐科技的SLAMWARE模塊化自主定位導航,SLAMWARE內采用改良的D*算法進行路徑規(guī)劃,這也是美國火星探測器采用的核心尋路算法。是一種動態(tài)啟發(fā)式路徑搜索算法。該算法的最大優(yōu)點在于不需要預先探明地圖,機器人可以和人一樣,即使在未知環(huán)境中,也可以展開行動,隨著機器人不斷探索,路徑也會時刻調整。

審核編輯 黃昊宇