智能机器人技术：自主性与适应性研究
本专题深入探讨了当前机器人技术领域的前沿研究方向，涵盖了从机器人能源驱动、路径规划技术到智能搜救和生态圈自主任务决策等多个关键议题。这不仅推动了机器人技术的创新和发展，而且对于提高机器人在搜索救援、环境监测、军事侦察等应用场景中的效率和适应性具有重要意义。
关键词：
2023, 45(3):76-85.
DOI: 10.11887/j.cn.202303009
摘要:
具有高柔顺性、低能耗、高功率等特点的微型软体机器人在管道检修、战场侦察等复杂环境中具有广阔的应用前景。能源与驱动器决定了微型软体机器人运动方式和运动性能。为使更多研究人员了解现有柔性驱动技术及其能量来源的研究进展,从物理能源驱动、化学能源驱动以及生物混合驱动三方面入手,总结了基于这三种能源的典型驱动方式并分析其优劣。对现有柔性驱动及其能源存在的不足与未来发展进行讨论与总结,可为后续软体机器人柔性驱动技术发展与性能提升提供参考。
具有高柔顺性、低能耗、高功率等特点的微型软体机器人在管道检修、战场侦察等复杂环境中具有广阔的应用前景。能源与驱动器决定了微型软体机器人运动方式和运动性能。为使更多研究人员了解现有柔性驱动技术及其能量来源的研究进展,从物理能源驱动、化学能源驱动以及生物混合驱动三方面入手,总结了基于这三种能源的典型驱动方式并分析其优劣。对现有柔性驱动及其能源存在的不足与未来发展进行讨论与总结,可为后续软体机器人柔性驱动技术发展与性能提升提供参考。
2021, 43(1):127-138.
DOI: 10.11887/j.cn.202101017
摘要:
受社会型生物群体行为启发,群体智能得到日益广泛的关注,机器人集群作为群体智能的重要承载者得到了大量研发和广泛应用。机器人集群路径规划技术作为一项核心关键技术也得到快速发展。为此全面深入地调研了机器人集群路径规划的技术发展现状,创新性地归纳了适用于不同集群规模、可扩展性要求、通信需求以及算法要求的集群规划基础计算架构,包括冗余计算架构、分布计算架构和分层计算架构。从可扩展性和适用性角度,分类梳理了最适用于机器人集群的路径规划方法,包括仿生学方法、人工势场法、几何学方法、经典搜索法和进化学习法,并为集群仿真验证研究提供了七款可免费下载或开源的机器人集群仿真验证平台。
受社会型生物群体行为启发,群体智能得到日益广泛的关注,机器人集群作为群体智能的重要承载者得到了大量研发和广泛应用。机器人集群路径规划技术作为一项核心关键技术也得到快速发展。为此全面深入地调研了机器人集群路径规划的技术发展现状,创新性地归纳了适用于不同集群规模、可扩展性要求、通信需求以及算法要求的集群规划基础计算架构,包括冗余计算架构、分布计算架构和分层计算架构。从可扩展性和适用性角度,分类梳理了最适用于机器人集群的路径规划方法,包括仿生学方法、人工势场法、几何学方法、经典搜索法和进化学习法,并为集群仿真验证研究提供了七款可免费下载或开源的机器人集群仿真验证平台。
2023, 45(6):132-142.
DOI: 10.11887/j.cn.202306015
摘要:
为了解决带有辅助摆臂的智能搜救机器人自动规划构型以实现自主越障的难题，提出一种能够适应复杂地面形状的搜救机器人越障构型规划新方法，其核心是一种高适应性、高效率的机器人姿态预测算法。通过将地形表示为离散的点集，建立了搜救机器人的单侧姿态预测数学模型；进一步提出了快速求解该问题的算法，每秒可预测1000~1500个姿态。基于此，设计了机器人越障过程中状态、动作的评价指标，运用动态规划算法与滚动优化思想构建了具有优化能力的、能够实时运行的构型规划器。仿真与实物实验的结果表明，该方法能够使机器人自主调整构型穿越复杂地形，且相较强化学习算法和人工操作具有更平稳的越障效果。
为了解决带有辅助摆臂的智能搜救机器人自动规划构型以实现自主越障的难题，提出一种能够适应复杂地面形状的搜救机器人越障构型规划新方法，其核心是一种高适应性、高效率的机器人姿态预测算法。通过将地形表示为离散的点集，建立了搜救机器人的单侧姿态预测数学模型；进一步提出了快速求解该问题的算法，每秒可预测1000~1500个姿态。基于此，设计了机器人越障过程中状态、动作的评价指标，运用动态规划算法与滚动优化思想构建了具有优化能力的、能够实时运行的构型规划器。仿真与实物实验的结果表明，该方法能够使机器人自主调整构型穿越复杂地形，且相较强化学习算法和人工操作具有更平稳的越障效果。
2023, 45(1):208-214.
DOI: 10.11887/j.cn.202301024
摘要:
两栖仿生机器人是一种能够同时在水下和陆地工作的无人平台,在抢险救灾、环境勘探与资源开发等领域具有广泛应用。本文提出了一种具有自适应登陆越障能力的轮鳍复合式两栖机器人,对其越障过程进行了运动学与力学分析,以其在临界越障时刻转矩为目标函数,应用遗传算法优化设计了结构与运行参数,同时与其他两栖机器人越障能力进行对比。结果表明,优化后越障所需转矩相比优化前降低了718.4 N·mm,轮鳍复合式机器人能够攀越相比自身尺寸更高的垂直障碍。模拟仿真了所设计机器人的越障过程,获得了其在平地行走、越障以及上坡推进过程中的速度、位移与力矩的变化规律,并通过实验进行了验证。
两栖仿生机器人是一种能够同时在水下和陆地工作的无人平台,在抢险救灾、环境勘探与资源开发等领域具有广泛应用。本文提出了一种具有自适应登陆越障能力的轮鳍复合式两栖机器人,对其越障过程进行了运动学与力学分析,以其在临界越障时刻转矩为目标函数,应用遗传算法优化设计了结构与运行参数,同时与其他两栖机器人越障能力进行对比。结果表明,优化后越障所需转矩相比优化前降低了718.4 N·mm,轮鳍复合式机器人能够攀越相比自身尺寸更高的垂直障碍。模拟仿真了所设计机器人的越障过程,获得了其在平地行走、越障以及上坡推进过程中的速度、位移与力矩的变化规律,并通过实验进行了验证。
2022, 44(5):209-219.
DOI: 10.11887/j.cn.202205023
摘要:
借鉴自然界生态系统的典型特征,提出机器人生态圈概念。通过使集群机器人进行智能协同与复杂演化,涌现自我维持、自我复制与自我进化等生命特征,实现无人条件下的长期生存、繁衍与进化,并执行特定的任务。针对机器人生态圈典型任务场景的自主任务决策需求,分析不同机器学习任务决策方法的特点,建立机器人生态圈自主任务决策的决策树模型和神经网络模型。分析表明,两种模型的正确率均在80%~90%,且均具有良好的稳定性。这说明,机器人生态圈自主任务决策问题可以通过决策树、神经网络等机器学习方法来很好地加以解决,从而为面向无人化场景的任务应用提供技术支持。
借鉴自然界生态系统的典型特征,提出机器人生态圈概念。通过使集群机器人进行智能协同与复杂演化,涌现自我维持、自我复制与自我进化等生命特征,实现无人条件下的长期生存、繁衍与进化,并执行特定的任务。针对机器人生态圈典型任务场景的自主任务决策需求,分析不同机器学习任务决策方法的特点,建立机器人生态圈自主任务决策的决策树模型和神经网络模型。分析表明,两种模型的正确率均在80%~90%,且均具有良好的稳定性。这说明,机器人生态圈自主任务决策问题可以通过决策树、神经网络等机器学习方法来很好地加以解决,从而为面向无人化场景的任务应用提供技术支持。
2021, 43(6):85-94.
DOI: 10.11887/j.cn.202106011
摘要:
针对人与远程无人设备协同精准配合的迫切需求,以机器人操作系统为基础构建了一种人机共融的远程态势感知系统,并开展了实验与分析。该系统以视觉定位技术为基础,以人机感知共融为切入点,通过实时三维场景重建技术与场景一致性融合方法,将无人设备探测到的环境及目标信息进行三维重构,并通过增强现实设备进行显示,与人的视觉信息进行一致性融合,实现无GPS条件下远程无人设备与人所佩戴的增强现实设备之间的协同定位。实验结果表明,系统在近距离时具有较好的人机协同定位准确度,定位精度随着距离的增加而逐渐降低。所构建的系统使无人设备成为人眼的延伸,在不干扰人员正常行动的情况下实现了穿障碍、跨视距的感知能力,在未来信息化作战中可发挥重要作用。
针对人与远程无人设备协同精准配合的迫切需求,以机器人操作系统为基础构建了一种人机共融的远程态势感知系统,并开展了实验与分析。该系统以视觉定位技术为基础,以人机感知共融为切入点,通过实时三维场景重建技术与场景一致性融合方法,将无人设备探测到的环境及目标信息进行三维重构,并通过增强现实设备进行显示,与人的视觉信息进行一致性融合,实现无GPS条件下远程无人设备与人所佩戴的增强现实设备之间的协同定位。实验结果表明,系统在近距离时具有较好的人机协同定位准确度,定位精度随着距离的增加而逐渐降低。所构建的系统使无人设备成为人眼的延伸,在不干扰人员正常行动的情况下实现了穿障碍、跨视距的感知能力,在未来信息化作战中可发挥重要作用。
2022, 44(4):52-59.
DOI: 10.11887/j.cn.202204006
摘要:
针对机器人在障碍物分布密集的复杂环境中运行时,动态窗口法(dynamic window approach,DWA)易出现避障失败或规划不合理的情况,提出一种基于多目标粒子群优化算法(multi-objective particle swarm optimization,MOPSO)的改进DWA规划算法。在建立多障碍物环境覆盖模型的基础上,提出一种障碍物密集度的判断方法；优化DWA算法中的子评价函数；利用改进的MOPSO算法实现DWA权重系数的动态调整,将权重系数的自适应变化问题转化为多目标优化问题；根据路径规划的要求将安全距离和速度作为优化目标,并使用改进的MOPSO算法对相应的多目标优化模型进行优化求解。仿真结果表明,该算法使机器人有效地通过障碍物密集区的同时兼顾了运行的安全性和速度,具有更好的路径规划效果。
针对机器人在障碍物分布密集的复杂环境中运行时,动态窗口法(dynamic window approach,DWA)易出现避障失败或规划不合理的情况,提出一种基于多目标粒子群优化算法(multi-objective particle swarm optimization,MOPSO)的改进DWA规划算法。在建立多障碍物环境覆盖模型的基础上,提出一种障碍物密集度的判断方法；优化DWA算法中的子评价函数；利用改进的MOPSO算法实现DWA权重系数的动态调整,将权重系数的自适应变化问题转化为多目标优化问题；根据路径规划的要求将安全距离和速度作为优化目标,并使用改进的MOPSO算法对相应的多目标优化模型进行优化求解。仿真结果表明,该算法使机器人有效地通过障碍物密集区的同时兼顾了运行的安全性和速度,具有更好的路径规划效果。
