2.什 么 是 路 徑 規(guī) 劃3.路 徑 規(guī) 劃 的 常 用 方 法 4.人 工 勢 場 法 1.災 難 救 援 機 器 人 研 究 現(xiàn) 狀 1.1日本的研究l 2002年開始, 日本文化科學部確立了“ 大都市大震災減災特別計劃” 的研究計劃,進一步開發(fā)在地震中使用的救援機器人。 研發(fā)內(nèi)容包括用于觀察災難環(huán)境的機器人系統(tǒng)、傳感技術、人類接口技術和系統(tǒng)集成l川崎市為該項目建立了公用試驗場地,并建立了國際救援系統(tǒng)研究所。l目的是實現(xiàn)在非常困難的大規(guī)模災害救援活動中, 即使是在混亂中也能對進行情報收集和判斷, 根據(jù)災害狀況進行最優(yōu)的救助。l計劃中主要研究工作有對機器人、智能傳感器、攜帶終端裝置和人機接口等進行研究開發(fā), 進行能動地、智能地情報收集, 用網(wǎng)絡進行情報的傳遞、匯總和歸納等。 1.1日本的研究l 日本東京工業(yè)大學的廣獺是最早從事救援機器人研究的學者之一, 從仿生的角度和基于超機械系統(tǒng)的思想先后研制了多系列救援機器人樣機。 1.1日本的研究l一些大公司也介入了救援機器人的研究和開發(fā), 他們通常采用與研究所或和大學進行合作的形式進行研究, 一方面企業(yè)為研究所提供必要的研究資金和試驗場地, 同時企業(yè)還為研究成果的產(chǎn)品化提供通往市場的橋梁l 如圖所示的五種機器人分別為東芝、三菱重工等公司研制。 1.2美國的研究l“ 9.11” 事件后, 災難救援機器人技術在美國日益受到重視?！?.11 ” 事件的災難現(xiàn)場救援認為是災難救援機器人的第一次實際應用。l在紐約世界貿(mào)易中心遭到恐怖襲擊發(fā)生后幾小時, 美國“ 機器人輔助搜救中心” 應紐約市緊急事務管理辦公室要求, 立即組織了一支由機器人專家和生產(chǎn)廠家技術人員構成的隊伍。 1.3中國的研究l提出圍繞奧運會和世博會的安保工作, 研發(fā)我國的立體安全保衛(wèi)裝備系統(tǒng)的建議， 具體是研究開發(fā)適用于地面、墻面、涵道的先進探測機器人、超小型飛行器、淺水潛游探測機器人, 形成能對奧運會的運動場館、世博會的會展現(xiàn)場以及重要設施和場所進行全方位立體的危險品探測以及對重要場所進行立體應急處理安全保衛(wèi)裝備系統(tǒng)。 l在863計劃資助下, 中國科學院沈陽自動化研究所開展了多項危險作業(yè)和極限作業(yè)機器人研究,其中救援機器人是重要的一個部分。 1.3其它國家的研究l意大利羅馬大學系統(tǒng)科學與工程學院人工智能實驗室啟動了“ 救援工程” l 加拿大國防部從國防安全的角度制定了救援機器人研究計劃l 英國、伊朗等國也涌現(xiàn)了許多救援機器人研究者和救援機器人比賽的參與者 1.4 災難救援機器人關鍵性能救援機器人的關鍵性能主要有以下幾個方面: l存活能力l運動能力l感知能力l通訊能力l作業(yè)能力。 1.4 災難救援機器人關鍵性能存活能力:l 救援機器人的存活能力主要是機器人本體的可靠性、耐用性和適應性問題。災難后環(huán)境中存在毒氣、毒液、生化、放射性、非常溫和二次倒塌等危險, 機器人對環(huán)境的適應特別重要。在溫度方面,災難后環(huán)境存在高溫可能, 機器人本體必須能夠克服條件的影響, 設計時在材質的選擇上需要進行周密的考慮。l在救援機器人的能源供給方面, 需要采用有線和無線相結合的方式, 以保障救援機器人足夠的動力和工作時間。l應該具有自適應能力, 具有預見能力。它們應該能適應環(huán)境, 適合完成挑戰(zhàn)性的工作, 并且具有智能以至于能夠應對由各種不穩(wěn)定和不確定的因素所引起的干擾。 1.4 災難救援機器人關鍵性能運動能力:l災難救援環(huán)境對機器人的運動能力要求較高,機器人移動平臺十分重要。l機器人必須不斷地翻越各種垂直的障礙物, 平臺的穩(wěn)定性和自調(diào)整能力很重要, 要盡可能避免由從高度墜下而將機器人摔碎。目前解決這些困難的方法是設計一種蛇形機構, 這種機構已被證實是有效的搜救機構之一。l災難后環(huán)境存在松軟的灰土地面、由于消防用水或漏水導致的泥濘路面及坎坷不平的廢墟地面等多種地面地形, 機器人必須具有高度的地面適應性能, 在輪式、履帶式和腿式等移動機構當中,履帶、輪、腿復合的復合移動機構將被廣泛采用。 1.4 災難救援機器人關鍵性能感知能力:l對救援機器人而言, 救援機器人的傳感器是最脆弱的元件, 它主要有三個方面的傳感要求對機器人的控制、對環(huán)境的檢測和對遇難者的發(fā)現(xiàn)。l機器人的控制方面, 為了讓機器人正常工作, 必須對機器人的位置、姿態(tài)、速度和系統(tǒng)內(nèi)部狀態(tài)等進行檢測, 系統(tǒng)可以采用傳統(tǒng)機器人的攝像機、激光測距儀、超聲測距儀、接觸和接近傳感器、紅外線傳感器和雷達定位傳感器等。l新的技術如數(shù)字溫度攝像機具有很好的識別能力, 但是對操作者具有很高的要求。地面穿透雷達、微波雷達、激光探測儀具有很好的效果, 但是系統(tǒng)的花費和能量消耗均較多, 另外的一種可能就是利用人工智能技術、納米技術或仿生技術來開發(fā)價格低傳感器。 l救援機器人多傳感器之間存在信息的處理和融合問題。 1.4 災難救援機器人關鍵性能通信能力:l操作人員和機器人之間的通信、操作人員和遇難者之間的通信和多救援機器人之間的通信。所有的通信通常采用無線的方式。l理想的情況是自主機器人具有通過災難現(xiàn)場一切環(huán)境的能力, 對遇難者進行定位,與救援隊伍進行通訊和聯(lián)系實際上, 這里包含了大量的軟件處理與計算, 機器人自身難以獨立完成,人機交互的介入是必要和必須的。l多救援機器人之間的通訊, 受到廢墟遮擋的影響, 目前還不能夠很好地在救援機器人系統(tǒng)中實現(xiàn), 但是它也是迫切需要解決的問題之一。 1.4 災難救援機器人關鍵性能 機器人的作業(yè)能力是機器人的存活能力、運動能力、感知能力、通信能力和人機交互有機結合的體現(xiàn),它主要包括以下幾個方面：l勘探l搜尋l救助 1.5 災難救援機器人發(fā)展方向1、多種技術融合化 1.5 災難救援機器人發(fā)展方向2、多智能體網(wǎng)絡化 依據(jù)某種最優(yōu)準則，在工作空間中尋找一條從起始狀態(tài)到目標狀態(tài)的避開障礙物的最優(yōu)路徑。 1. 始于初始點止于目標點。2. 避障。3. 盡可能優(yōu)化的路徑。 3.1基于幾何構造的方法（自由空間法）l基本步驟：1.將機器人抽象為點，適當擴大障礙物的大小。 2.構造自由空間。 3.采用圖搜索算法如Dijkstra算法尋找最優(yōu)路徑。 3.1.1基于幾何構造的常用算法可視圖法l Voronoi法 3.2柵格法（1）圖中灰色區(qū)域為障礙物 3.2柵格法（2）圖中黃色的路線表示該算法得到的最優(yōu)路徑 3.2D*（dynamic A*)算法（3）l美國火星探測器核心的尋路算法就是采用的D*算法 l適合于動態(tài)路徑規(guī)劃l D*算法的思路可以推廣到改造自由空間法使其具有動態(tài)規(guī)劃功能 3.3智能化路徑規(guī)劃方法l基于邏輯推理的路徑規(guī)劃方法l基于模糊邏輯的路徑規(guī)劃方法l基于強化學習的路徑規(guī)劃方法l基于遺傳算法的路徑規(guī)劃方法l基于神經(jīng)網(wǎng)絡的路徑規(guī)劃方法 3.3.1基于邏輯推理的路徑規(guī)劃方法1.定義一個狀態(tài)（state）集，該集合反映機器人通過傳感器測得的當前狀態(tài)。2.定義一個行為（action）集，該集合反映了機器人當前可以采取的動作。3.確定從狀態(tài)到行為的映射關系。 3.3.2基于模糊邏輯的路徑規(guī)劃方法l在基于邏輯推理的路徑規(guī)劃方法基礎進行改進：l傳感器的一次測量值與多個狀態(tài)對應，每個狀態(tài)有一個隸屬度對應。l根據(jù)模糊推理結果確定行為。 3.3.3基于強化學習的路徑規(guī)劃l在基于邏輯推理的路徑規(guī)劃方法基礎進行改進：l具有在線學習功能（通過Q學習算法實現(xiàn)） 3.3.4基于遺傳算法的路徑規(guī)劃（1）建模： 對2維路徑規(guī)劃問題，將待規(guī)劃的路徑看成是n個點組成的點集，除初始點和目標點外其余n-2個點（xi， yi ） i=2,3,4n-1都未知，共有2(n-2)個未知參數(shù)。 3.3.4基于遺傳算法的路徑規(guī)劃（2）1 12 2 22, 2, 3, 3, 1, 1 1 12 2min ( . ) ( ) ( ) n nl n n i i i i ii iE f x y x y x y L x x y y 優(yōu)化目標：約束：（xi， yi ）必須在障礙物外部。采用懲罰函數(shù)法轉化為無約束優(yōu)化問題進行處理： min l cE E wE (EC為懲罰項） 3.3.4基于遺傳算法的路徑規(guī)劃（3）l遺傳算法具有全局尋優(yōu)性能，對上述無約束優(yōu)化問題可以得到全局最優(yōu)解。l當然，其他的優(yōu)化算法同樣可以用于路徑規(guī)劃。 3.3.5基于神經(jīng)網(wǎng)絡的路徑規(guī)劃1.按照3.3.4的方法，轉化為優(yōu)化問題。2.用神經(jīng)網(wǎng)絡表示懲罰函數(shù)。3根據(jù)E遞減推導出相應的反向傳播算法用于神經(jīng)網(wǎng)絡的訓練.優(yōu)勢：神經(jīng)元可以并行計算 3.4人工勢場法基本原理障礙物對機器人施加排斥力，目標點對機器人施加吸引力合力形成勢場，機器人移動就像球從山上滾下來一樣機器人在合力作用下向目標點移動 3.2人工勢場法的實用算法