基于Lyapunov方法的双臂空间机器人避障碍分级非完整运动规划

以Lyapunov方法为基础,讨论了载体姿态与位置均不受控制的双臂空间机器人系统的避障碍分级非完整运动规划问题.该方法充分利用系统的非完整动力学性质,以系统动量矩守恒关系及运动Jacobi关系为基础,建立控制设计所需的系统状态方程及控制输出方程;并在Lyapunov函数的选取上采用两级采取方式,即初级Lyapunov函数确保双臂空间机器人的两个末端抓手从初始位置运动到指定的终点位置,次级Lyapunov函数则确保两个末端抓手避开工作空间中的障碍区域;两级合成则使双臂空间机器人的两个末端抓手既实现了指定的位置移动又避开了障碍区域.系统数值仿真,证明了方法的有效性.      

基于改进遗传算法的移动机器人路径规划

路径规划是实现移动机器人自主导航的关键技术。针对常规路径规划算法求解的路径长度非最短以及在前后两次规划过程中规划路径不连贯的问题,提出一种基于改进遗传算法的帧间关联平稳路径规划方法。首先,结合随机和定向两种搜索方式生成候选路径;然后,在常规遗传操作算子中引入插入算子和删除算子,并将规划路径的连贯性考虑进适应度函数中来计算每条候选路径的适应度值;最后,输出适应度值最高的路径作为当前最优路径。仿真结果表明了所提方法的正确性和可行性。实验结果表明,所提方法与A*算法和常规遗传算法相比,移动机器人行驶路径长度分别减少了3.05%和1.85%;行驶过程中的最大偏航角变化量分别减少了38.02%和32.43%,转角绝对值之和分别减少了23.97%和19.94%,所提方法能规划出更优的路径,并显著提高移动机器人的行驶效率和平稳性。      

基于障碍物代价势场的移动机器人避障算法

移动机器人所处的环境通常是动态的,机器人需要及时做出响应,同时保证路径的平滑度及与障碍物间的安全距离。针对此问题,提出了一种基于障碍物代价势场的移动机器人动态避障算法。通过建立静态栅格地图及障碍物的代价势场,获得动态场景下的等势线及经过起点、终点的切线,求解最小生成树获得初始候选路径,针对路径的长度、障碍物距离及平滑度对候选路径锚点进行调整。通过引入障碍物速度对代价势场的影响,使得机器人能对移动中的障碍物做出及时的响应。为验证所提算法的有效性,在分辨率为1 200×1 000 m的栅格场景下分别对静态场景和动态场景进行仿真,结果表明：所提算法能够在保证路径具有较高的平滑度且与障碍物间保持安全距离的条件下使路径尽可能得短;同时在动态障碍物场景下依然能保持路径的平滑和避障的安全性,满足动态场景下移动机器人路径规划的要求。     

基于DDPG-PID的机器人动态目标跟踪与避障控制研究

针对机器人在动态复杂环境下的操作问题,研究机械臂跟踪运动目标及避障的运动控制方法。采用传统PID控制方法与DDPG强化学习算法相结合的方式,利用PID控制使得机械臂的工作平面快速接近目标物并与之重合,再使用DDPG算法让机械臂在平面内自主学习追踪目标物投影同时避开障碍物投影,最终在三维空间中实现跟踪与避障。该方法将机械臂作为一个智能体,智能体通过感知目标物和障碍物的距离偏差来自主学习避障跟踪策略。将本方法用于多自由度机械臂路径规划与避障任务中,对比单纯使用DDPG算法将机械臂作为智能体在空间中进行决策控制,仿真结果显示本文所提出的方法收敛效果和控制性能更好,机械臂能在训练后实现目标物的稳定跟踪和障碍物的躲避。     

微小型无人直升机避障最优轨迹规划

针对无人直升机在低空复杂环境下避障飞行问题,提出了一种基于非线性最优控制理论的求解策略.以避障机动飞行时间为优化目标,无人直升机六自由度非线性动力学方程为等式约束,直升机飞行性能限制以及三维空间中障碍物限制等因素为不等式约束,建立了避障机动飞行的最优控制模型.然后利用高斯伪谱法（GPM,Gauss Pseudospectral Method）将轨迹规划问题转化为非线性规划（NLP,Non-Linear Programming）问题,并采用序列二次规划算法进行求解.在此基础上研究了障碍物尺寸对最优轨迹的影响.计算结果表明,该方法能够以较高的精度生成真实可行的避障飞行轨迹,最优机动动作取决于障碍物纵横向尺寸比.      

基于增量式发育深度强化学习的无人机路径规划

为了克服深度强化学习训练时间长、收敛速度慢的问题,针对密集动态障碍环境下的无人机(UAV)路径规划,引入了增量式发育知识库,对深度确定性策略梯度(Deep Deterministic Policy Gradient, DDPG)算法进行改进。首先,根据模糊匹配的思想建立威胁模式知识库,将飞行过程中遇到的密集动态障碍作为知识进行增量式存储,避免对相似障碍环境的重复训练。其次,在底层DDPG算法规划安全航路的基础上构建避障策略知识库,根据威胁模式直接输出避障策略,缩短训练时间。最后,搭建发育式的威胁-避障映射关系,实现“线上实时避障,线下自主寻优”,不断提升UAV避障性能。对比实验结果表明,所提方法能极大提高DDPG训练效率,满足UAV在密集动态障碍环境中实时避障的需求。     

美国梦神号行星着陆器原型系统发展及启示

详细介绍了美国梦神号行星着陆器原型系统的发展情况,包括任务实施背景、着陆器平台及关键技术发展、试验测试结果以及新型研制模式等,分析了梦神号快速取得自由飞行、避障着陆等成果并具备良好后续发展前景的原因,结合我国实践,提出了小风险换大成果、有效继承已有基础、发展路线多样化以及重视与非传统伙伴合作互动等几点启示,可为我国载人深空探测发展规划及技术预先研究提供参考。     

基于强化学习的多智能体系统目标围捕控制

针对多智能体系统目标围捕问题，提出了基于强化学习的目标围捕控制方法。首先，对多智能体系统进行马尔可夫博弈建模，设计能够控制系统到期望围捕状态并满足避障要求的势能函数，将模型控制与强化学习原理结合，利用势能模型引导的改进多智能体强化学习算法进行围捕。其次，在已有势能模型的基础上建立跟踪围捕和环航围捕2种围捕策略。前者通过设计速度势能函数实现多智能体一致跟踪。后者加入虚拟环航点，设计虚拟环航点势能函数实现期望环航。最终，仿真验证了多智能体强化学习围捕控制策略的有效性。     

基于自组网策略的多机编队与防撞任务研究

近年来多旋翼无人机编队飞行技术取得了巨大的突破,将无人机技术与自组网技术相结合将会促进无人机集群技术的发展。为了促进无人机编队飞行技术的发展,以5架六旋翼无人机为研究对象,重点研究了基于自组网策略的多旋翼无人机队形组成、队形保持、队形重构以及飞行过程中的避碰策略,设计了数据闭环的地面编队控制软件并进行试飞验证。测试结果表明,该数据闭环地面编队控制软件稳定可靠,实现了编队队形组成、保持、重构以及在队形变换过程中的机间避碰等功能,对多旋翼无人机编队飞行工程化实现具有一定的参考价值。