外文翻译---实时自适应运动规划在动态环境下移动机器人无法预见的变化 中文版.doc

实时自适应运动规划（机坪）在动态环境下移动机器人无法预见的变化约翰凡诺伊和静肖，高级会员，电机及电子学工程师联合会抽象介绍了新颖的实时自适应运动规划（机坪）的方式规划适合高自由度或余的机器人，如移动轨迹机械手，在动态环境中的障碍与移动未知的轨迹。在RAMP方式，能同时路径和轨迹规划，同步规划和实施在实时的议案。它助于实时优化在不同的轨迹优化的标准，如减少精力和时间，最大限度地提高可操作性。它还可容纳部分指定的目标任务的机在RAMP方式器人很容易。该方法利用冗余（冗余机器人运动等在移动与操纵机械臂）通过机器人配置变量，以最好地实现松散耦合的障碍避免和优化的目标。已落实和在一个多样化的模拟测试集工作环境，包括与环境中的多个移动机器人。结果（以及附带的视频）显示说了RAMP计划者，其高效率和灵活性，而不是只处理一个单一的移动机人在动态环境良好与未知的议案，除了各种障碍静态的障碍，但也可以很容易和有效地计划的议案为机每个移动械臂在多个共享的环境移动机械臂和其他移动障碍。指数计算，自适应，动态不明运动障碍，松散的耦合，移动机器人，部分指定的目标，真正的时间，冗余机器人，轨迹优化。一，引言运动规划是一个根本问题机器人技术1，2设计一个有关一个机可取的议案器人到达目标。运动规划高自由度移动机械臂的关节机械手或更具挑战性比移动机器人，因为高维配置机器人空间5月收到很少或根本没有相似之处物理空间的机器人工程，以及如何构建手稿16，2007；修改2007年12月13日和3月5日2008年。首先公布2008年10月1出版的最新版本，2008年。本文建议由副主编出版山根光属帕克和编辑后，评论者的评价意见。这份文件的部分已提交初步的IEEE国际会议智能机器人与系统，仙台，日本，2004年。提交人与智能，多媒体和互动系统（IMI）的实验室，计算机科学系，中北大学在北卡罗来纳州夏洛特，夏洛特，北卡罗来纳州28223美国（电子邮件：；）。本文的补充材料可在下载，由作者提供：1视频的实时显示规划和执行移动机械臂运动我们的爬坡算法。这部影片是14MB的大小。更多的数字，这个文件是在网上提供颜色版本在。数字对象标识符10.1109/TRO.2008.2003277空间配置效率高于三个层面在很大程度上仍是一个未解决的问题。运动相关研究规划随机算法，如流行的概率路线图（PRM）是法3和快速扩展随机树复审庭）方法4，发现是非常有效的寻找一个具有高自由度机器人无碰撞路径脱机，因为这种算法避免建造机器人的配置明确抽样的空间配置空间。大罗马尼亚党方法有很大的启发提高抽样工作和路线图施工2，包括最近的一篇文章5生产紧凑的路线图，以便更好地捕捉不同伦路径组。通过建立一个树，而不是一图，随机回应法更是产生在一个合适的拍摄或路径直接产生的轨迹，从而更适合在线操作6。这两种方法都看到很多变种2。也有基于遗传路径规划方法算法（气），或者更广泛地说，进化计算78，这是总的框架随机搜索受到用户定义的优化准则。这种优化技术已被广泛使用，并成功在许多应用领域8优化问题。有两种主要方式的应用。一个简单的方法是映射到窗体问题适合标准的，现成的，的遗传算法，解决运行它联大，然后，地图的结果返回到应用程序域。这一个可以适用于所有的方法是有效的，因为往往不它的力量把东西人工改造的一个问题还有就是在一个标准遗传算法，但只限于格式可能会失去某些原问题的一个重要性质。一些基于遗传算法的路径规划方法10，1采用这种方法其中C-空间离散成一个网格，而路径是在条件一格点固定长度的序列。为标准GA对固定长度的位串操作，搜索往往是非常缓慢。一个更有效的方法是采用一般的思想进化计算解决一个问题更为自然和适当的代表性。报告的路径规划方法12-14属于这种定制方式。一个实时路径规划方法报道122点移动自由度机器人，这是扩展13点的三自由度飞行机器人具体限制。阿多分辨率路径代表建议在路径规划14。但是，所有的进化算法有一个必须设置参数的数量适当，这往往不是一个简单的任务。规划，运动规划，已产生一对于一个可执行的轨迹在配置机器人时间空间，或CT空间，而不仅仅是一个几何路径。一个常见的做法是在路径的基础上轨迹规划所产生的路径规划师。一个值得注意的框架的弹性条法15，它可以变形为机器人的轨迹当地以避免移动内无碰撞“隧道障碍”连接在一个三维的机器人的初始位置和目标工作区。这样的“隧道”是由一项分解基于路径规划策略16。另一种方法是路径与轨迹规划进行同步。然而，这一类中最努力的重点是离线算法假设环境是完全事先知道，也就是说，静态对象是已知的，和移动的物体被称为与17-20已知的轨迹。至于处理未知运动障碍，只是在最近的一些方法介绍移动机器人21，22。能力相结合使移动机器人适用于更广泛的范围比固定基地或移动机器人机械手的任务。对于移动机器人，任务目标状态往往是部分指定无论是作为的最终效应，我们称之为配置地点与地点之间的任务，或所需路径（或轨迹的最总效益）我们称之为一个轮廓，下面的任务和目标位置/基路径往往不明。在这里，一个重要的问题是运动规划的协调移动基地和机械手。这个问题，因为它涉及冗余的决议，提出了挑战与机遇并存。存在着丰富的文学处理这个问题从许多方面。一些研究人员把机械手和移动基地一起作为一个在规划路径冗余机器人为逐地任务23-25。一些重点规划序列“减刑配置为移动基地”当机器人执行任务序列26，27受到各种限制和优化准则。他人重点是协调移动基地和控制在一个轮廓，下面的任务机械臂试图28，29定位移动基地最大化操作性。许多考虑非完整约束。虽然现有的工作环境进行最假设与移动机械臂，少数已知的障碍研究人员认为是未知的地方避碰，移动上网的障碍。一种方法30采用随机回应作为地方企划来更新原先产生的一大罗马尼亚党的路线图处理移动障碍。轮廓跟踪任务，高效率法31允许基地调整路线，以避免一如果可能的话，同时保持移动的最终效应下列障碍如直线轮廓。另一种方法29允许暂停基础，以便让一个意想不到的障碍通过持续的手臂，而其轮廓跟踪议案下一个事件为基础的控制方案。其他方法包括：基于对潜在领域之一32，以避免未知障碍和在神经模糊控制器的一33修改基地的议案，以避免当地移动障碍稳定。那里也是一个特殊用途的规划线上规划师两个机器人手臂的动作越来越从一个地方输送机带34。但是，我们不是任何现有工作计划，可以知道高自由度机器人运动在全球许多未知动态障碍。二我们的问题与途径规划高自由度在这样的环境中机器人运动许多未知的动态障碍物构成的特殊挑战。首先，规划要做到实时，不能做脱机而不能基于某种原因预置地图环境是不断变化的不可预见的方式，即配置空间的障碍是未知的和不断变化的。这种环境的例子包括一个大型的公共广场全部以不同的方式，一个仓库充分地的人繁忙的移动机器人和人类的工人，等等。这样一环境是非常不同的静态或基本静止环境或已知的动态环境中（即与其他对象轨迹已知的），在那里可以合理地运动规划依靠探索的C-空间已知的静态环境（）或电脑断层空间已知的动态环境（）脱机（如罗马尼亚党）。弹性地带方法提供了灵活性，使一个机器人运动小调整，以避免未知的议案障碍，如果在C-空间的基本拓扑不改变。对于一个不断变化的C-空间的拓扑环境在未知的方式，有计划的路径/轨迹可以被宣布为无效完全在任何时间，因此，实时自适应全局规划能力是需要作出重大改变的机器人议案。规划和运动应同时执行并根据检测，从而确定规划必须非常快始终能适应环境的变化。从本质上看，解决运动规划中的未知动态环境不能产生一个完整的规划算法。也就是说，没有算法能够保证成功，这种未知环境。我们只能争取一个合理的算法作为“最佳司机高自由度机器人”，但是，即使是最好的驱动程序不能保证是无事故，如果其他的东西在环境没有受到他/她的控制。本文针对问题的实时同步路径和高自由度机器人，轨迹规划等移动机械臂，表演一般地到地方工作在一个未知的动态环境障碍的议案。该议案的障碍可以阻挡无论是基础或手臂移动机械手或两者。我们介绍一个独特的，一般的实时自适应运动规划（机坪）的方法。我们爬坡的方法是建立在无论是随机的想法规划和随时随地的，并行和优化规划进化计算，同时避免缺点。其结果是一个独特的和原始的方法有效的有关问题。在RAMP方法有以下几个特点。1）所有轨迹的代表在一次的CT空间在不断改善同步规划和执行，建立一个不同的算法路径/轨迹顺序（或递增），使一整个路径/轨迹可以成为只有在最后规划过程。我们随时可以提供规划者一个快速，有效的轨迹继续生产。后任何时间，轨迹，以适应实际需要的时间全球规划。2）不同的优化准则（例如减少能源和时间，优化操作性），可灵活，方便地安置在一个无缝的方式优化是直接在原来，连续电脑断层空间，而不是局限在某一个有限的图形或路线图。轨迹规划和优化的条件，而不是直接的结果路径规划。3）我们的计划者在本质上是不同的并行多目前所有的时间轨迹，让瞬间的，如果必要时，机器人的运动急剧调整，以适应意识到在新的环境的变化。这是不同的从规划者的只是本地轨迹调整能力基于对已知的同伦路径设置。这也是从，规划不同的顺序，如随时阿*搜索35，这也要求建立一个独立的国家空间搜索的限制，我们的规划师不有。4）轨道搜索和评估（其最优）的不断适应变化的结果，但经建以前的搜索（即知识积累）被高效的实时处理。5由于规划和执行）（即机器人的运动以下到目前为止，该计划的结果）是同时的，可行的部分轨迹是允许的，而机器人可以按照可行的一部分这样一个轨迹（如果它是当前最好的）并切换到一个更好的轨道，以避免不可行部分。6）由我们的策划者，每多轨迹轨迹可以结束在目标区域中的一个不同的目标位置，也就是说，部分指定的目标，而不是一个单一的目标配置。7）我们的规划师代表了一种冗余机器人轨迹，移动机器人，作为松耦合轨迹多余的变量采取了冗余的优势为了最好地实现避障各种优化目标。该文件的其余部分组织如下。第二节是我们爬坡方法的介绍；第三节和第四节描述问题的代表性和初始化；第五节概述了轨迹的评估，并优化准则介绍了评价的策略。第六和第七部分描述策略改变轨道，以产生更好的工作。第八节介绍了如何利用RAMP计划者可以创建和维持一个多样化的轨道。第九节规定的执行情况与实验结果和讨论表现该规划师。第十组的结论文件。二概述在舷梯方法我们的方法的一个基本前提是规划过程和运动执行相互交织，使同步机器人运动规划和执行。这是实现通过我们随时规划算法，始终保持一个在CT-空间的所谓机器人一套完整的轨迹人口。的可行性和最优每个轨迹，所谓健身，是通过评价评价函数编码优化标准。可行性是指无异性无。双方都不可行，可行的轨迹允许在一个人口。被认为是可行的轨迹钳工比trajectories.Within每个类型，轨迹而在健身最优。最初的人口是随机生成的组合故意种子轨迹。故意种子轨迹包括那些代表不同的亚群的构造为了实现人口的某些差异。如果环境包含已知的静态障碍，基于轨迹关于预先计划与可行路径已知的静态障碍，也可包括在内。见第四节了解更多详情。一旦最初的人口组成，它是那么提高到1钳工通过改善人口，被称为一代迭代。在每一代人，一个是随机选择的轨迹并以随机选择修改运营商之间的改变不同的运营商数量修改，以及由此产生轨迹可能被用来取代轨迹是不是优胜劣汰，形成一个新的一代。适者生存轨迹总是存放在人口，只能从一代提高到一代。每一代人也被称为一个规划周期。为了提高初始种群健身，有多少初步规划周期可能会运行基础上，初步检测环境信息前，机器人开始执行适者生存轨迹。该机器人不需要等待一个可行轨迹出现，如果没有可行的轨迹可用，机器人将开始沿可行的移动轨迹适者生存同时继续为钳工搜索，希望能找到一个可行的轨迹前在距离门限第一预测碰撞或奇异的执行轨迹。这一战略是有道理的因为：1）目前预计可能成为可行不可行轨迹稍后反之亦然；2）被形容后，我们的策划者使机器人切换到一个更好的轨迹，如果有可用的，因此，是目前在随后的轨迹不可行的一部分遇到，机器人可能已经切换到一个更好的轨道；3）策略使有限的遥感，机器人可在其中没有感觉，直到越来越近的障碍，以及4）它提供了一个在弹道测量的安全评价（见第五节）。由于机器人移动规划将继续提高人口的轨迹，