研究嵌入式智能機器人路徑規劃運用

徐瑤　王春玲　楊思想　秦麗云

【摘 要】摘要：隨著我國科學技術的進步，路徑規劃在嵌入式智能機器人的研究中得到廣泛應用。本文主要對嵌入式智能機器人路徑技術和智能機器人路徑規劃的算法進行研究，提出了以嵌入式實時系統為基礎的智能機器人的路徑算法。

【關鍵詞】智能機器人；路徑規劃；應用

路徑規劃在嵌入式智能機器人的研究過程中有重要的意義。隨著我國科學技術的提高，機器人技術得到了廣泛的發展和應用，我國智能機器人技術進步的最顯著特征是嵌入式系統與機器人技術的結合，嵌入式系統具體集成度較高、功耗較低等方面的優勢，不僅可以充分滿足系統的實時性，在一定程度上還能夠使控制軟件的開發工作變得簡化。

1 嵌入式智能機器人路徑技術的研究

智能機器人路徑規劃是指處于有障礙物的工作條件下，如何尋找一條適當的運動路徑（從給定起點到終點），在運動過程中，使機器人能夠安全的規避全部障礙物。

（1）嵌入式智能機器人路徑規劃的發展趨勢

從近些年的研究成果來看，有以下趨勢：第一，以功能或行為為基礎的智能機器熱的路徑規劃。以功能或行為為基礎的機器人具有一種典型的慎思結構，又被稱為基于功能的控制體系結構，其主要內容是基于模型自頂向下的感知、建模、規劃和動作。智能機器人路徑規劃問題，建模時，能夠設置成為有約束性的規劃問題，確保機器人能夠完成路徑規劃、路徑規避和定位等方面的任務。由于不同的機器人掌握信息環境的程度存在差異，可將智能機器人的路徑規劃分為兩種，其一是以傳感器為基礎的局部路徑規劃，具體是獲知了作業環境中的所有信息，主要包括：自由空間法、構型空間法以及神經網絡法等；其二是以模型為基礎的全局路徑規劃，具體是指已經全部獲知或部分獲知作業環境中的信息，主要包括混合法、滾動窗口法、人工勢場法等。第二，神經網絡、模糊控制等一系列算法不斷涌現并相互結合形成新的算法。第三，智能機器人的系統路徑規劃。智能機器人的工作環境逐漸復雜化，再加上工作任務的增加，單智能機器人無法負荷這樣的工作要求。因此，將會出現單個智能機器人路徑規劃與多智能機器人的合作相結合的發展趨勢。

（2）機器人智能規劃中的特點

智能機器人路徑規劃中主要存在以下特點，①復雜性，是指環境復雜，機器人的路徑規劃復雜，且路徑規劃過程中需要很大的計算量支持。②隨機性，是指工作環境的變化復雜，存在較多的不確定因素和隨機性。③約束性，在機器人運動的過程中，其速度、形狀等方面均存在約束。

2 智能機器人路徑規劃的算法研究

（1）局部路徑規劃算法研究

1）模糊邏輯控制法

在環境模型不完善的情況下，可以使用模糊邏輯算法。這種算法的推理和計算簡單，對傳感器信息的要求較低，且對機器人的行為有較高的穩定性、一致性以及連續性，能夠有效的解決在路徑規劃過程中遇到的一些問題。雖然這種算法能夠圓滿的解決未知環境下的規劃問題，但仍存在靈活性較差、無法學習的不足之處。

2）遺傳算法

遺傳算法是解決最佳化的搜索方法，屬于進化算法的一種。這種算法最初借鑒了進化生物學中突變、自然選擇、交叉和變異等現象而發展起來的，它采用群體搜索技術，實施選擇、交叉、變異等一系列遺傳操作后，使種群在迭代中不斷進化。這種算法的理論推導簡單，問題的最優解能夠直接得出。遺傳算法的基本思想是路徑轉換為二進制串，首先將路徑群體實施初始化操作，然后對路徑群體實施選擇、復制等一系列遺傳操作。通過多次進化后，達到最佳的進化狀態，停止進化并將當前存在的最優個體輸出。雖然遺傳算法得推導理論簡單，但路徑規劃過程中仍存在效率低、個體編碼不合理等問題。

（2）全局路徑規劃算法研究

1）構型空間法

構型空間法主要包括優化算法和可視圖法。第一，優化算法。第二，可視圖算法。路徑圖主要由機器人中的一維網絡曲線自由空間中的節點構成。因此，在同路徑圖中，路徑初始狀態的點一一與目標狀態的點相對應，從而促使點間搜索路徑問題替代了路徑規劃問題。這就要求點與點之間的連線是無法穿越障礙物，即機器人與障礙物點、目標點與障礙物點、以及頂點與障礙物頂點之間的連線是可視的，然后，采取有效的搜索方法，搜索最優路徑（起始點到目標點），從而使搜索最優路徑問題演變為可視直線最短距離的問題。可視圖法雖然能夠得到最短路徑。第二，優化算法。采用優化算法時，為了簡化可視圖和減少路徑搜索時間，有部分可有可無的連線可以刪除，最終實現求得最短路徑的目的。

2）神經網絡法

人工神經網絡一種自適應非線性動態系統，主要是由大量神經元組成。在工作環境廣泛、精度要求高的條件下，采用神經網絡法表示環境，將會取得顯著效果。在全局路徑規劃中應用神經網絡法，能夠將障礙約束變成懲罰函數，并用神經網絡來描述碰撞懲罰函數進而將約束優化問題轉變為無約束最優問題，實現全局路徑規劃。神經網絡法具有較強的學習能力，但整體應用于路徑規劃中的效果不明顯，這是因為智能機器人的工作環境復雜，并伴有一定的隨機性，數學公式無法進行準確的描述。

3 嵌入式智能機器人路徑規劃算法的應用與實現

嵌入式智能機器人的組成部分主要有驅動控制器和嵌入式微處理器。嵌入式智能機器人的硬件結構有較高的可擴展性、良好的獨立性以及較小的功耗等特征，且能夠得到嵌入式系統的充分支持。嵌入式智能機器人的主板是機器人的大腦，主要擔任機器人運動過程中的實時計算工作。隨著嵌入式技術的不斷發展，為智能機器人的路徑規劃算法的實現和運用提供了無限的可能性，再加上以S OC 技術為基礎的高性能32位嵌入式微處理器的廣泛應用，為智能機器人研究領域中，引入實時操作系統提供了強有力的物質基礎，同時這將是機電控制系統的未來發展趨勢。嵌入式智能機器人路徑算法的主要從獲取和決策兩方面實現，獲取是指通過感知系統獲取所需要的環境信息，決策是指通過決策運算后，得出的控制數據由伺服控制系統接收，同還能夠實現與其他機器人的通訊和人機交互。嵌入式智能機器人路徑規劃的運用，需要嵌入式操作系統有較好的實時性、可靠性，并對系統成本提出了更高的要求，此外，根據系統擁有的定制和裁減的特點，在開展多任務管理的同時也能夠保證工作的實時性能。嵌入式智能機器人路徑算法，不需要使用復雜的系統即功能，如文件系統等。嵌入式智能機器人路徑技術的研究重點主要在仿人智能和仿生智能兩方面，隨著我國科學技術的發展，嵌入式智能機器人與多種學科交叉和結合，比如，人工智能、認知科學等，使其智能化的行為程度不斷的提升。此外，嵌入式系統還適用于在功能、體積等方面有嚴格規定的專業計算機系統，使計算機系統具體專用性強、實時性好、微內核精簡等優勢，由此可見將嵌入式智能機器人路徑規劃算法與嵌入式技術相結合是未來智能化機器人的重要發展方向。

4 總結

隨著我國科技水平的不斷提高，遙感技術、控制技術等諸多技術的進一步發展，在智能機器人研究領域，嵌入式智能機器人路徑技術也已經取得了顯著的成就。在未來的機器人系統中，遺傳算法、神經網絡法、模糊邏輯控制法等將會進一步應用于嵌入式智能機器人的研究中，使機器人的各方面性能得到顯著提升。

【參考文獻】

[1]王思德.基于Cortex A9平臺的雙目立體視覺機器人路徑規劃研究[D].山東大學，2016.

[2]蔣江紅.基于憶阻神經網絡的機器人路徑規劃研究[D].陜西師范大學，2016.