動態(tài)環(huán)境下移動機器人避障策略研究

邱萌萌 徐林 沈洋洋 朱小峰

摘 要：【目的】分析動態(tài)環(huán)境下移動機器人避障技術(shù)，從而實現(xiàn)有效的動態(tài)避障及新技術(shù)應(yīng)用?！痉椒ā恳砸苿訖C器人為研究對象，對人工勢場法、避障控制法、人工神經(jīng)網(wǎng)絡(luò)避障控制法、快速擴展隨機樹算法等避障策略進行分析，在此基礎(chǔ)上對人工勢場法避障策略進行改進?！窘Y(jié)果】解決路徑規(guī)劃對象徘徊于局部極小值點的問題。當移動機器人抵達局部極小處時，在新勢場作用下，會擺脫局部極小點束縛，能有效解決目標點不可達的問題?！窘Y(jié)論】通過彌補人工勢場法來解決路徑規(guī)劃過程中缺少全局信息的缺陷，使移動機器人在未知、動態(tài)、復雜的環(huán)境中行進，有針對性地增加數(shù)個虛擬目標點，在不過多增加計算量的前提下，能有效提高移動機器人在避障過程使用人工勢場法的適用性。

關(guān)鍵詞：機器人；動態(tài)環(huán)境；避障策略；探究

中圖分類號：TP242 ? ? ? ? ? ? ? ? ?文獻標志碼：A ? ? ? ? ? ? ? ? 文章編號：1003-5168（2023）14-0021-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2023.14.004

Research on Obstacle Avoidance Strategy of Mobile Robot in Dynamic Environment

QIU Mengmeng XU Lin SHEN Yangyang ZHU Xiaofeng

（Anhui Vocational College of Mechanical and Electrical Engineering，Wuhu 241000， China）

Abstract： [Purposes] This paper aims to analyze the obstacle avoidance technology of mobile robot in dynamic environment， so as to realize effective dynamic obstacle avoidance and new technology application. [Methods] Taking the mobile robot as the research object， the artificial potential field method， obstacle avoidance control method， artificial neural network obstacle avoidance control method and fast extended random tree algorithm and other strategies were analyzed， on this basis the obstacle avoidance strategy of artificial potential field method was improved. [Findings] The problem that the path planning object wanders around the local minimum point is solved. When the mobile robot reaches the local minimum， under the action of the new potential field， it will get rid of the constraint of the local minimum point， which can effectively solve the problem that the target point is not reachable. [Conclusions] By making up for the lack of global information in the path planning process by the artificial potential field method， the mobile robot can move in an unknown， dynamic and complex environment， and increase several virtual target points in a targeted manner. On the premise of not increasing the amount of calculation， it can effectively improve the applicability of the artificial potential field method used by the mobile robot in the obstacle avoidance process.

Keywords： robot; dynamic environment; obstacle avoidance strategy; explore

0 引言

機器人的開發(fā)應(yīng)用能代替人類在生產(chǎn)、軍事、科研等領(lǐng)域中從事危險工作，人類生活的人性化服務(wù)水平不斷提高，使“上天攬月，龍宮探寶”等神話故事變成現(xiàn)實。從智能玩具、電子寵物、讀書機、掃地機器人、AGV，到深海調(diào)查設(shè)備、煉鋼爐內(nèi)無傷探測器、軍用民用無人機等，機器人能“看”到人眼無法識別到的物體，能進入無法保證人類生命安全的作業(yè)空間，能快速計算出大量數(shù)據(jù)的精確結(jié)果，能存儲、復制、共享海量數(shù)據(jù)?？傊?，機器人能提升人類生活、學習和工作水平。在動態(tài)環(huán)境下，移動機器人避障策略是為移動機器人賦能的具體措施，使移動機器人能隨機探測出障礙物目標， 并據(jù)此規(guī)劃出有效規(guī)避的行動線路，或在給定的地圖環(huán)境中自由行進。通過對移動機器人避障策略進行深入研究，有助于動態(tài)環(huán)境下移動機器人避障技術(shù)的創(chuàng)新和升級換代［1］。

1 動態(tài)環(huán)境下移動機器人避障策略

近年來，隨著數(shù)字技術(shù)的發(fā)展，移動機器人在工業(yè)生產(chǎn)、科研及人們?nèi)粘Ｉ钪械膽?yīng)用范圍也越來越廣。規(guī)避障礙、自由高效運行、提高人性化服務(wù)水平一直是移動機器人研究的內(nèi)容和目標。動態(tài)環(huán)境下移動機器人避障策略方面的研究成果有很多，并有研究成果已經(jīng)在實際中應(yīng)用。目前，常見的動態(tài)環(huán)境下移動機器人避障策略研究方法歸納為7種，即人工勢場法、避障控制法、快速擴展隨機數(shù)算法、模糊邏輯控制避障控制法、人工神經(jīng)網(wǎng)絡(luò)避障控制法、柵格法避障控制法、聲波避障控制法［2］。本研究對使用頻率較高的4種策略方法進行探究。

1.1 人工勢場法

人工勢場法用勢場來定義移動機器人所處的環(huán)境，通過位置信息來控制機器人的避障行駛。該避障策略通過虛擬力場法對機器人移動路徑進行規(guī)劃，基本思路是把機器人的移動環(huán)境設(shè)計為一種抽象的、完美的人造引力場，如圖1所示。把機器人當作一個運動的質(zhì)點，在規(guī)劃的人工勢場內(nèi)，所有需要到達的目標點能對移動機器人產(chǎn)生相應(yīng)的“引力”，而障礙物對移動機器人產(chǎn)生相應(yīng)的“斥力”，通過對引力、斥力的求合，能有效控制移動機器人運動，達到理想的避障效果。采用人工勢場法對動態(tài)環(huán)境下移動機器人避障策略進行規(guī)劃，規(guī)劃出來的路徑比較平滑且安全，局部亟須最優(yōu)化。為此，多位學者開展了大量研究，期望以建立統(tǒng)一的勢能函數(shù)來解決路徑規(guī)劃的局部最優(yōu)化問題。這種設(shè)想的基本要求是障礙物具有規(guī)則性，應(yīng)盡可能減少算法的計算量，才能解決障礙物不規(guī)則計算量大而無法計算的問題。在實際環(huán)境中，機器人與障礙物的距離不可能都很遠，有的很近，甚至靠近所要到達的目標，在這樣的環(huán)境中，移動機器人將永遠規(guī)避障礙，無法到達目的地［3］。

1.2 避障控制法

在已有的動態(tài)環(huán)境下移動機器人避障策略研究中，避障控制法屬較早的研究成果，且應(yīng)用廣泛，適用于多類型機器人工具裝置。避障能力是機器人自動化、智能化的核心功能，需要完善其自主避障系統(tǒng)。避障控制法利用傳感、北斗衛(wèi)星定位及地球物理探測技術(shù)裝置，對機器人避障能力進行控制，確保機器人在遇到障礙物時能自動精準識別，從而實現(xiàn)有效規(guī)避。機器人避障控制策略分為4個階段，即感知障礙物、繞過障礙物、路徑搜索和場景建模。4個階段相互銜接、共同作用，從而使機器人避障技術(shù)能有效發(fā)揮作用［4］。機器人在發(fā)現(xiàn)障礙物后，會自動繞開障礙物，并自我規(guī)劃到達目的地路徑。

1.3 快速擴展隨機樹算法

快速擴展隨機樹算法（RRT）是動態(tài)環(huán)境下移動機器人避障策略研究較為先進的成果。該算法通過與隨機路徑規(guī)劃理論相結(jié)合，把移動機器人起始點設(shè)定為根節(jié)點，以在自由可行空間內(nèi)生長出一棵擴展隨機樹的方式來選定一條避障路徑，算法示意如圖2所示。從左上角出發(fā)，呈樹形向目標點延伸，即從一個起始構(gòu)型出發(fā)，不斷延伸樹形數(shù)據(jù)，最終與目標節(jié)點相連。在隨機樹生長過程中，隨機選取最新節(jié)點，以此類推，直到目標節(jié)點。該算法分兩個階段［1］，即構(gòu)建擴展隨機樹、路徑查詢。構(gòu)建擴展隨機樹完成后，要停止添加新節(jié)點［5］。

1.4 人工神經(jīng)網(wǎng)絡(luò)避障控制法

近年來，在動態(tài)環(huán)境下移動機器人避障策略研究方面，因人工勢場法存在陷阱區(qū)域，柵格法實施過程的空間分辨率與實時性要求、內(nèi)存量、時間復雜度之間存在矛盾。因此，這兩種方法均存在缺陷。人工神經(jīng)網(wǎng)絡(luò)避障控制法是以機器人和障礙物之間的相對運動為研究依據(jù)，在未知或部分未知的環(huán)境及信息不確定時，機器人實現(xiàn)避障更為困難，通過簡化機器人避障步驟，使機器人能靈活對障礙物進行精準判斷，在確定障礙物確實存在時，才能選擇有效合適的避障方式來躲避路障，并快速跟蹤規(guī)劃路徑，如圖3所示。

基于人工神經(jīng)網(wǎng)絡(luò)避障控制法的動態(tài)環(huán)境下移動機器人避障策略分為4個階段［6］。一是避障行為規(guī)劃。機器人以其所在位置為圓心來設(shè)置運動安全距離扇形圖，連接障礙物的歷史點和當前點，延長連線，從而使其與扇形邊沿相交，交點在邊沿弧線上，標志著距離安全，不用躲避。在扇形區(qū)域內(nèi)，要發(fā)揮超聲波測距傳感器、紅外/激光TOF傳感器、雙目視覺傳感器的技術(shù)優(yōu)勢，對安全距離進行判斷，從而規(guī)劃出規(guī)避措施。二是從扇形區(qū)域到屏幕坐標的映射。人工網(wǎng)絡(luò)技術(shù)有很多優(yōu)點，如自學習和自組織功能、并行處理和分布式存儲結(jié)構(gòu)、很強的魯棒性和容錯性機制等。用人工神經(jīng)網(wǎng)絡(luò)技術(shù)來標定相對誤差半徑和相對坐標，從而實現(xiàn)非線性逼近，尤其是誤差反轉(zhuǎn)算法和前潰型神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用，能精確測算出擬合誤差在屏幕中心點的位置，擬合誤差值越大，證明運動取向越安全。三是控制避障過程的運動。規(guī)避障礙物碰撞風險的方法有多種。通過改變機器人運動行為來控制避障過程的運動，從而實現(xiàn)對障礙物的有效規(guī)避。機器人從出發(fā)點到目的地的路徑規(guī)劃一般劃分為4個區(qū)域，即自由規(guī)劃區(qū)、減速區(qū)、加速區(qū)、停止運行區(qū)，這4個區(qū)域只是針對機器人實施避障過程而設(shè)計的不同運動環(huán)境區(qū)域，在實際運動過程是不可能絕對分開的，其或重疊、或交叉、或分開、或相接；四是基于任務(wù)的動態(tài)環(huán)境下仿真效果。機器人在運動過程中，障礙物的出現(xiàn)存在著不確定性，可能會與機器人直線運動軌跡或曲線運動軌跡相交而產(chǎn)生碰撞。機器人要實現(xiàn)對不確定性障礙物的規(guī)避，就要模擬真實的運動環(huán)境，根據(jù)模擬環(huán)境的仿真效果，對規(guī)避障礙物的方式進行選擇，使機器人模擬路徑在沒有最優(yōu)的條件下，也能完成規(guī)避障礙的具體行為，路徑規(guī)劃如圖4所示。目前，在規(guī)劃避免碰撞的快速性、準確性、進退自如性上還有很大的改善空間，還要進一步完善機器人避障策略措施。

2 動態(tài)環(huán)境下移動機器人避障策略優(yōu)化

2.1 人工勢場法避障策略的優(yōu)化改進

針對動態(tài)環(huán)境下移動機器人采用人工勢場法規(guī)避障礙技術(shù)存在的缺陷，有相關(guān)人員展開深入研究，并進行了大量試驗，獲得很多優(yōu)秀成果，并得到學術(shù)界和工程界的廣泛認可。其中，余滕偉等［1］對動態(tài)環(huán)境下移動機器人避障策略優(yōu)化措施研究成果的影響較大。當障礙物與目標非?？拷鼤r，其對移動機器人產(chǎn)生的斥力與規(guī)劃行進目標點對機器人產(chǎn)生吸引力大小相等、方向相反。當二者的合力趨近于0時，盡管是機器人在行進過程中的局部或極小值區(qū)域，但移動機器人深陷其中，無法脫離，難以準時到達規(guī)劃路徑的目的地，導致機器人行進路徑規(guī)劃失敗。當移動機器人處于復雜障礙物中，如O形障礙物，移動機器人幾乎逃脫不了障礙物的環(huán)繞。有學者在已有研究成果基礎(chǔ)上，如“函數(shù)減少局部極小值點”“添加啟發(fā)式搜索算法”等，結(jié)合相關(guān)理論和試驗數(shù)據(jù)，提出在路徑起點到目標點之間增加臨時目標點的方法，用來解決局部極小值點的問題。當移動機器人抵達局部極小值區(qū)域時，在新勢場作用下，會擺脫局部極小點的束縛，解決目標點不可達的問題［7］。局部極小點情況如圖5所示。

因此，可通過彌補人工勢場法來解決路徑規(guī)劃過程中缺少全局信息的缺陷。當移動機器人行進到未知、動態(tài)、復雜的環(huán)境時，RRT算法通過增加若干虛擬目標點，在不增加計算量的前提下，能提高移動機器人在避障過程APF的適用性。

2.2 其他動態(tài)機器人避障策略改進

隨著信息技術(shù)的集成及生物技術(shù)、人工智能、元宇宙等相關(guān)技術(shù)的開發(fā)應(yīng)用，動態(tài)機器人的避障策略也在逐漸完善，如基于神經(jīng)網(wǎng)絡(luò)的移動機器人避障控制是在人工勢場、避障控制法的基礎(chǔ)上，簡化動態(tài)機器人避障步驟。在不考慮障礙物動態(tài)、快速反應(yīng)的基礎(chǔ)上，結(jié)合非視覺傳感器避障，能有效彌補動態(tài)機器人避障行為中障礙物目標識別速度不高、不精準的缺陷?？焖贁U展隨機樹的改進與不斷生長且向四周發(fā)散的樹類似，移動機器人在自由空間中確定規(guī)劃路徑的起始根節(jié)點和隨機選取節(jié)點，作為判斷起始根節(jié)點不在障礙物內(nèi)的隨機選取節(jié)點，確定機器人能有效避障的空間條件和環(huán)境狀況［8］。

3 結(jié)語

在動態(tài)環(huán)境下，移動機器人避障策略的研究仍處于起步階段，很多研究成果在實際工程應(yīng)用中仍存在缺陷，特別是在動態(tài)障礙物地圖中，動態(tài)機器人單一路徑規(guī)劃算法很難使機器人在復雜環(huán)境中順利完成規(guī)避。因此，需要繼續(xù)不斷研究探討。

參考文獻：

［1］余騰偉，劉昌力.動態(tài)環(huán)境下的移動機器人避障策略研究［J］.重慶交通大學學報（自然科學版），2021（9）：131-136.

［2］陳冠星.動態(tài)環(huán)境下多機器人編隊及避障控制策略研究［D］.南京：南京理工大學，2021.

［3］陳志明.移動機器人在復雜環(huán)境下的動態(tài)避障［D］.哈爾濱：哈爾濱工業(yè)大學，2020.

［4］尹鵬衡.動態(tài)環(huán)境下移動機器人路徑規(guī)劃與避障算法研究［D］.秦皇島：燕山大學，2020.

［5］王仲民，劉開緒.動態(tài)環(huán)境下移動機器人路徑跟蹤與避障［J］.控制工程，2010（3）：397-400.

［6］李二超，王玉華.改進人工勢場法的移動機器人避障軌跡研究［J］.計算機工程與應(yīng)用，2022（6）：296-304.

［7］孫波，姜平，周根榮，等.基于改進遺傳算法的AGV路徑規(guī)劃［J］.計算機工程與設(shè)計，2020（2）：550-556.

［8］陳天德，黃炎焱，王振華.基于碰撞預測的無碰撞航路規(guī)劃［J］.系統(tǒng)工程理論與實踐，2020（4）：1057-1068.