A large number of logistics operations are needed to transport fabric rolls and dye barrels to different positions in printing and dyeing plants, and increasing labor cost is making it difficult for plants to recruit ...A large number of logistics operations are needed to transport fabric rolls and dye barrels to different positions in printing and dyeing plants, and increasing labor cost is making it difficult for plants to recruit workers to complete manual operations. Artificial intelligence and robotics, which are rapidly evolving, offer potential solutions to this problem. In this paper, a navigation method dedicated to solving the issues of the inability to pass smoothly at corners in practice and local obstacle avoidance is presented. In the system, a Gaussian fitting smoothing rapid exploration random tree star-smart(GFS RRT^(*)-Smart) algorithm is proposed for global path planning and enhances the performance when the robot makes a sharp turn around corners. In local obstacle avoidance, a deep reinforcement learning determiner mixed actor critic(MAC) algorithm is used for obstacle avoidance decisions. The navigation system is implemented in a scaled-down simulation factory.展开更多
针对基本的快速搜索随机树(rapidly-exploring random tree,RRT)算法用于路径规划时存在的树扩展无导向性、密集障碍物区域规划效率低、局部区域节点聚集等问题,提出一种新的RRT改进算法。该算法采用增强的目标偏向策略,并引入可变的权...针对基本的快速搜索随机树(rapidly-exploring random tree,RRT)算法用于路径规划时存在的树扩展无导向性、密集障碍物区域规划效率低、局部区域节点聚集等问题,提出一种新的RRT改进算法。该算法采用增强的目标偏向策略,并引入可变的权值系数,提高随机树扩展的导向性和灵活性;同时采用局部节点过滤机制,过滤局部区域内聚集的节点;最后,使用节点直连策略对初始路径进行优化处理。仿真实验的结果表明,改进的RRT算法规划路径的速度更快且生成的路径质量更高,充分证明了改进算法的有效可行性。展开更多
面对采摘作业的复杂环境,提出了一种终点区域RRT(Goal Area RRT,GA-RRT)算法,以提高路径生成的效率并降低路径成本。根据环境系数确定初始步长与终点区域,当拓展节点进入终点区域后,随机点生成范围缩小至终点区域,同时调整步长;然后,在...面对采摘作业的复杂环境,提出了一种终点区域RRT(Goal Area RRT,GA-RRT)算法,以提高路径生成的效率并降低路径成本。根据环境系数确定初始步长与终点区域,当拓展节点进入终点区域后,随机点生成范围缩小至终点区域,同时调整步长;然后,在此基础上引入目标概率偏向方法,提高路径搜索效率;最后,对生成的路径进行简化节点处理以减少路径代价,并使用三次B样条方法平滑路径。仿真实验结果表明:二维环境下,GA-RRT算法相较于RRT、RRT-Connect算法,耗时缩短85.15%、29.86%,路径代价减少19.18%、18.26%;机械臂仿真环境下,与引入目标概率偏向方法的RRT算法进行比较,耗时缩短54.70%,路径代价减少51.59°。利用IRB120机械臂实验平台,验证了算法的可行性。展开更多
由于果蔬采摘环境的不确定性和复杂性,机械臂在复杂环境中完成采摘,其路径规划需考虑实时避障。为实现采摘机械臂在不确定环境下安全采摘,提出一种改进RRT的动态避障算法,以提升机械臂在不确定采摘环境的适应性。针对基本快速扩展随机...由于果蔬采摘环境的不确定性和复杂性,机械臂在复杂环境中完成采摘,其路径规划需考虑实时避障。为实现采摘机械臂在不确定环境下安全采摘,提出一种改进RRT的动态避障算法,以提升机械臂在不确定采摘环境的适应性。针对基本快速扩展随机树算法(Rapidly-exploring Random Trees,RRT)在动态环境下迭代时间长、路径长、适应性差等问题,在RRT算法的基础上,引入目标导向策略,把终点以一定概率作为随机采样点的采样方向,提高算法的迭代效率;引入动态检测机制,对已完成规划的初始路径进行实时检测,使算法适应动态变化的环境。通过仿真分析改进RRT算法,结果表明:改进RRT算法的路径减少16%,迭代时间缩短86.5%;同时,动态检测机制使算法适应动态环境。展开更多
基金National Natural Science Foundation of China (No.61903078)。
文摘A large number of logistics operations are needed to transport fabric rolls and dye barrels to different positions in printing and dyeing plants, and increasing labor cost is making it difficult for plants to recruit workers to complete manual operations. Artificial intelligence and robotics, which are rapidly evolving, offer potential solutions to this problem. In this paper, a navigation method dedicated to solving the issues of the inability to pass smoothly at corners in practice and local obstacle avoidance is presented. In the system, a Gaussian fitting smoothing rapid exploration random tree star-smart(GFS RRT^(*)-Smart) algorithm is proposed for global path planning and enhances the performance when the robot makes a sharp turn around corners. In local obstacle avoidance, a deep reinforcement learning determiner mixed actor critic(MAC) algorithm is used for obstacle avoidance decisions. The navigation system is implemented in a scaled-down simulation factory.
文摘针对基本的快速搜索随机树(rapidly-exploring random tree,RRT)算法用于路径规划时存在的树扩展无导向性、密集障碍物区域规划效率低、局部区域节点聚集等问题,提出一种新的RRT改进算法。该算法采用增强的目标偏向策略,并引入可变的权值系数,提高随机树扩展的导向性和灵活性;同时采用局部节点过滤机制,过滤局部区域内聚集的节点;最后,使用节点直连策略对初始路径进行优化处理。仿真实验的结果表明,改进的RRT算法规划路径的速度更快且生成的路径质量更高,充分证明了改进算法的有效可行性。
文摘面对采摘作业的复杂环境,提出了一种终点区域RRT(Goal Area RRT,GA-RRT)算法,以提高路径生成的效率并降低路径成本。根据环境系数确定初始步长与终点区域,当拓展节点进入终点区域后,随机点生成范围缩小至终点区域,同时调整步长;然后,在此基础上引入目标概率偏向方法,提高路径搜索效率;最后,对生成的路径进行简化节点处理以减少路径代价,并使用三次B样条方法平滑路径。仿真实验结果表明:二维环境下,GA-RRT算法相较于RRT、RRT-Connect算法,耗时缩短85.15%、29.86%,路径代价减少19.18%、18.26%;机械臂仿真环境下,与引入目标概率偏向方法的RRT算法进行比较,耗时缩短54.70%,路径代价减少51.59°。利用IRB120机械臂实验平台,验证了算法的可行性。
文摘由于果蔬采摘环境的不确定性和复杂性,机械臂在复杂环境中完成采摘,其路径规划需考虑实时避障。为实现采摘机械臂在不确定环境下安全采摘,提出一种改进RRT的动态避障算法,以提升机械臂在不确定采摘环境的适应性。针对基本快速扩展随机树算法(Rapidly-exploring Random Trees,RRT)在动态环境下迭代时间长、路径长、适应性差等问题,在RRT算法的基础上,引入目标导向策略,把终点以一定概率作为随机采样点的采样方向,提高算法的迭代效率;引入动态检测机制,对已完成规划的初始路径进行实时检测,使算法适应动态变化的环境。通过仿真分析改进RRT算法,结果表明:改进RRT算法的路径减少16%,迭代时间缩短86.5%;同时,动态检测机制使算法适应动态环境。
