移動機器人路徑規劃算法的研究優化

呂晟巖 顧海毅 黃沖

摘要：移動機器人的路徑規劃技術是機器人研究非常重要的研究內容。本文介紹了移動機器人路徑規劃的相關概念并介紹了當前國內外的研究進展，并對比了傳統和現代機器人關于其路徑規劃的研究差異，對今后的路徑規劃算法研究具有一定參考價值。

關鍵詞：移動機器人;路徑規劃算法;螢火蟲自由變異

近年來，國內外針對智能移動機器人室內移動路徑算法方面的應用積極展開了相關的課題研究，并取得了相當卓越的成果。英國人休伯特·布茲（Hubert Cecil Booth）在1901年發明了真空吸塵器，成為掃地機器人的前世。 2002年9月，iRobot公司于推出的Roomba是掃地機器人發展史上的里程碑式事件。從2015年左右開始發展，國內倉儲機器人行業的熱度從來沒有真正降溫過。美國德雷克賽爾大學學生發明可用于核事故中拯救人類的機器人，它可以從雙腳行進的方式轉換至四足行進的方式，并擁有極其強壯的雙手可用于抓取物體和攀爬臺階。移動機器人路徑規劃主要需要實現點對點的可行路徑、障礙物的繞行、行走路徑的優化，使得選擇的路徑是所有可行路徑中最短最平滑的。本文分別從傳統和現代的機器人路徑規劃兩個方面進行研究介紹。

1.傳統機器人移動路徑規劃方式

關于移動機器人的路徑規劃有很多種方式，然而機器人路徑規劃中所選取路徑的運行效率和選取軌道的好壞，對機器人最終的任務完成情況都起著決定性的作用。一般由于機器人移動的空間環境約束，關于其路徑規劃一般會分為離散和連續路徑規劃兩種方式。

1.1 A*算法路徑規劃

A*算法是移動機器人路徑規劃領域非常經典的一種規劃方式，應用與此機器人的移動路徑主要由估值函數來決定。A*算法的具體運行原理是從機器人的運動起始點作為初始點，以此搜索周圍的八個節點，然后運用估價函數計算八個節點的最低代價值的點作為下個運行節點，之后以此循環過程直至到達終止點。

1.2 人工勢場路徑規劃

人工勢場法是由Khatib在二十世紀提出，其基本的實現方法是將機器人的路徑規劃同磁場相結合，同時將人工勢場函數用作機器人的環境模擬狀態。并將終止點的吸引磁場，和運行過程中的潛在運行障礙物體的排斥磁場，兩相復合作為參照指標。人工勢場由于其實時能力和控制簡潔的優勢在機器人路徑規劃領域應用廣泛。

1.3 快速擴展隨機樹路徑規劃

這是一種搜索算法，其實在采集樣本的基礎上進行路徑規劃，一般適用于三維空間的目標搜尋。其設計原理是將空間中的某點作為起始點，然后規定一定原則，在原則約束下以起始點來確定一個新的節點，重復直至找到目標終止點。快速隨機樹算法是一種較為迅捷搜索的方式，其優點明顯，主要體現在其較強的搜索能力，并且運用快速拓展隨機樹的路徑規劃對路徑運行環境沒有限制要求。但是在動態環境中會有一定局限性。

2. 現代機器人移動路徑規劃方式

2.1蟻群算法路徑規劃

蟻群算法是在20世紀90年代由Macro Dorigo提出，這是一種利用隨機搜索的方法，螞蟻外出覓食總是會體現覓食路線趨向最優選擇的趨向性。基本思路是研究發現螞蟻在外出的時候會在行走的路線上，對路線進行標記，并發出信息素告示其他螞蟻，螞蟻會有對同類的信息素感知的能力，并會根據信息素的濃度高低進行選擇，在眾多路線中，螞蟻會選擇信息濃度最高的線路，形成正態反饋，從而濃度高的線路，信息素濃度會越來越高，濃度低的線路信息素會越來越少，最終蟻群由于正反饋機制，會選擇最優的線路。

2.2 遺傳算法路徑規劃

該算法是以基因學原理為理論基礎，對路線選擇進行優化。運用該算法，首先會先隨機產生一個初始點，在設定的選擇函數，還有環境條件等多種條件的綜合約束下，選擇最優的路徑規劃。該種方式借鑒了進化論的觀點，將即將解決的問題比作一個種群，再各種函數條件的約束下，種群不斷發展繁衍，在繁衍的過程中實現物種的進化，最終實現優勝劣汰的目標。該種方法特點是有向且高效，不同以往無向的搜索方式，因此能夠選擇最優的搜索方向，進而能較快的選擇出最優的路徑規劃。但是該種方法需要的約束條件比較多，需要的參數也比較多，在復雜的路徑環境下容易出現錯誤。

2.3 粒子群算法路徑規劃

粒子群算法是在20世紀末提出，該算法是一種現代的路徑優化算法，該算法借鑒了鳥類外出覓食或者飛行過程中，之間的通行方式。粒子群算法是將空間中的某一個地點作為初始點，然后在設定的函數條件判斷下，決定該點是否是有利點，然后在同類群體的路徑記憶進行篩選，選擇最優路徑。粒子群的路徑規劃方法有很多優點，其中最為突出的優點是該法需要的參數約束條件比較少，系統的運行效率、反應能力比較高;缺點是粒子群算法的路徑規劃在全局域環境路徑判斷較好，但是在局部環境的反應上比較差。但是粒子群算法的運行簡單、收斂迅速、參數約束較少等眾多優點，是現在機器人路徑規劃領域一個熱點研究方向。

3.總結

移動機器人的路徑規劃是為了幫機器人規劃線路從起點最終到達終點，并且所選擇的路徑運行方式能避開路徑中的障礙物，且路徑選擇達到最佳。本文對移動機器人路徑規劃算法應用方式的發展做了一個介紹，希望能對以后移動機器人的路徑規劃發展起到一定參考意義。

參考文獻：

[1]Feiyi Xu，Haolun Li，Chi-Man Pun，Haidong Hu，Yujie Li，Yurong Song，Hao Gao. A new global best guided artificial bee colony algorithm with application in robot path planning[J]. Applied Soft Computing Journal，2020，88.

[2]韓顏，許燕，周建平.粒子群-蟻群融合算法的機器人路徑規劃[J].組合機床與自動化加工技術，2020（02）：47-50.

[3]李海彬，沈顯慶.改進蟻群算法的路徑規劃研究[J].電子測試，2020（03）：38-39+87.

項目來源：

本文系江蘇大學2019年度大學生科研立項項目，項目編號18A088