一种基于拓扑图的移动机器人自主探索方法

  • 国民经济行业:信息传输、软件和信息技术服务业/软件和信息技术服务业/软件开发
  • 学科类别:电子、通信与自动控制技术/电子、通信与自动控制技术其他学科
  • 权利人:上海交通大学

知识产权简介

智能机器人一直是许多领域追求的目标,但在很多作业场景下,仍处于人工作业状态,自主作业能力仍缺乏。近年来,得益于在搜索救援、环境监测、行星探索等多个领域的潜在应用,自主机器人探索引起了越来越广泛的关注。现有的自主探索技术受限于不完整的环境信息,很难做出全局最优的决策,在这种前提下,基于对信息增益的预测求解贪婪的“最优解”很容易导致来回摆动的现象(BFMs),导致低质量的探索移动轨迹,从而降低了探索效率。与此同时,为了缓解这一现象,基于TSP的方法需要不断求解优化问题,带来较高的计算负担,且由于信息的不完全性,不能从根本上应对该问题。本发明利用环境的拓扑结构引导探索行为,提出了一种基于轻量级骨架拓扑图的新颖的自主探索方法,具体而言,我们首先设计了一种基于波前的增量式骨架提取方法并在此基础上生成轻量级的骨架拓扑图,该骨架拓扑图能够简洁且充分的反应环境的结构特性。然后,我们设计了一个有限状态机,基于拓扑结构的引导,计算高效的生成显著减少BFM的覆盖路径。此外,这种方式还能够避免复杂的TSP问题求解,以极低的计算消耗实现高效的探索。

转化前景

本发明涉及移动机器人自主探索领域,尤其适用于未知环境部署机器人或环境随时间发生改变导致原有地图失效需重新进行地图构建的场景,如仓库自动化、室内服务机器人、救援和探测任务等。 自主探索的一个关键挑战是在不确定和动态环境中进行高效决策的需求。机器人必须不断做出明智的决策,关于下一步移动到哪里以最大化信息获取,同时最小化资源消耗,如时间、能量和计算能力。 目前,主流的自主探索方法在探索效率和计算延迟都存在不足,尤其是在探索未知环境时容易出现来回摆动,导致探索效率低下和时间浪费。 本发明通过引入环境的骨架拓扑结构,有效引导机器人的探索行为,显著减少无效移动。 我们在以下四个复杂的仿真环境中进行测试,对比现有的先进水平算法,探索时间可减少19.8%以上,移动路径长度减少15.6%以上,与此同时,每轮决策的计算延迟对比现有方法快4倍以上,具体的量化指标可参考表格。

基本信息

权利人 上海交通大学
知识产权类型 专利
意向合作模式 入股,许可,转让
预估金额
联系合作