動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)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(dòng)態(tài)環(huán)境下移動(dòng)機(jī)器人避障技術(shù)，從而實(shí)現(xiàn)有效的動(dòng)態(tài)避障及新技術(shù)應(yīng)用。【方法】以移動(dòng)機(jī)器人為研究對(duì)象，對(duì)人工勢(shì)場(chǎng)法、避障控制法、人工神經(jīng)網(wǎng)絡(luò)避障控制法、快速擴(kuò)展隨機(jī)樹(shù)算法等避障策略進(jìn)行分析，在此基礎(chǔ)上對(duì)人工勢(shì)場(chǎng)法避障策略進(jìn)行改進(jìn)。【結(jié)果】解決路徑規(guī)劃對(duì)象徘徊于局部極小值點(diǎn)的問(wèn)題。當(dāng)移動(dòng)機(jī)器人抵達(dá)局部極小處時(shí)，在新勢(shì)場(chǎng)作用下，會(huì)擺脫局部極小點(diǎn)束縛，能有效解決目標(biāo)點(diǎn)不可達(dá)的問(wèn)題。【結(jié)論】通過(guò)彌補(bǔ)人工勢(shì)場(chǎng)法來(lái)解決路徑規(guī)劃過(guò)程中缺少全局信息的缺陷，使移動(dòng)機(jī)器人在未知、動(dòng)態(tài)、復(fù)雜的環(huán)境中行進(jìn)，有針對(duì)性地增加數(shù)個(gè)虛擬目標(biāo)點(diǎn)，在不過(guò)多增加計(jì)算量的前提下，能有效提高移動(dòng)機(jī)器人在避障過(guò)程使用人工勢(shì)場(chǎng)法的適用性。

關(guān)鍵詞：機(jī)器人；動(dòng)態(tài)環(huán)境；避障策略；探究

中圖分類(lèi)號(hào)：TP242 ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ? ? ? ? ? ? 文章編號(hào)：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(jī)器人的開(kāi)發(fā)應(yīng)用能代替人類(lèi)在生產(chǎn)、軍事、科研等領(lǐng)域中從事危險(xiǎn)工作，人類(lèi)生活的人性化服務(wù)水平不斷提高，使“上天攬?jiān)拢垖m探寶”等神話(huà)故事變成現(xiàn)實(shí)。從智能玩具、電子寵物、讀書(shū)機(jī)、掃地機(jī)器人、AGV，到深海調(diào)查設(shè)備、煉鋼爐內(nèi)無(wú)傷探測(cè)器、軍用民用無(wú)人機(jī)等，機(jī)器人能“看”到人眼無(wú)法識(shí)別到的物體，能進(jìn)入無(wú)法保證人類(lèi)生命安全的作業(yè)空間，能快速計(jì)算出大量數(shù)據(jù)的精確結(jié)果，能存儲(chǔ)、復(fù)制、共享海量數(shù)據(jù)。總之，機(jī)器人能提升人類(lèi)生活、學(xué)習(xí)和工作水平。在動(dòng)態(tài)環(huán)境下，移動(dòng)機(jī)器人避障策略是為移動(dòng)機(jī)器人賦能的具體措施，使移動(dòng)機(jī)器人能隨機(jī)探測(cè)出障礙物目標(biāo)， 并據(jù)此規(guī)劃出有效規(guī)避的行動(dòng)線路，或在給定的地圖環(huán)境中自由行進(jìn)。通過(guò)對(duì)移動(dòng)機(jī)器人避障策略進(jìn)行深入研究，有助于動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)器人避障技術(shù)的創(chuàng)新和升級(jí)換代［1］。

1 動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)器人避障策略

近年來(lái)，隨著數(shù)字技術(shù)的發(fā)展，移動(dòng)機(jī)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(lái)越廣。規(guī)避障礙、自由高效運(yùn)行、提高人性化服務(wù)水平一直是移動(dòng)機(jī)器人研究的內(nèi)容和目標(biāo)。動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)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(shí)際中應(yīng)用。目前，常見(jiàn)的動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)器人避障策略研究方法歸納為7種，即人工勢(shì)場(chǎng)法、避障控制法、快速擴(kuò)展隨機(jī)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(duì)使用頻率較高的4種策略方法進(jìn)行探究。

1.1 人工勢(shì)場(chǎng)法

人工勢(shì)場(chǎng)法用勢(shì)場(chǎng)來(lái)定義移動(dòng)機(jī)器人所處的環(huán)境，通過(guò)位置信息來(lái)控制機(jī)器人的避障行駛。該避障策略通過(guò)虛擬力場(chǎng)法對(duì)機(jī)器人移動(dòng)路徑進(jìn)行規(guī)劃，基本思路是把機(jī)器人的移動(dòng)環(huán)境設(shè)計(jì)為一種抽象的、完美的人造引力場(chǎng)，如圖1所示。把機(jī)器人當(dāng)作一個(gè)運(yùn)動(dòng)的質(zhì)點(diǎn)，在規(guī)劃的人工勢(shì)場(chǎng)內(nèi)，所有需要到達(dá)的目標(biāo)點(diǎn)能對(duì)移動(dòng)機(jī)器人產(chǎn)生相應(yīng)的“引力”，而障礙物對(duì)移動(dòng)機(jī)器人產(chǎn)生相應(yīng)的“斥力”，通過(guò)對(duì)引力、斥力的求合，能有效控制移動(dòng)機(jī)器人運(yùn)動(dòng)，達(dá)到理想的避障效果。采用人工勢(shì)場(chǎng)法對(duì)動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)器人避障策略進(jìn)行規(guī)劃，規(guī)劃出來(lái)的路徑比較平滑且安全，局部亟須最優(yōu)化。為此，多位學(xué)者開(kāi)展了大量研究，期望以建立統(tǒng)一的勢(shì)能函數(shù)來(lái)解決路徑規(guī)劃的局部最優(yōu)化問(wèn)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(jì)算量，才能解決障礙物不規(guī)則計(jì)算量大而無(wú)法計(jì)算的問(wèn)題。在實(shí)際環(huán)境中，機(jī)器人與障礙物的距離不可能都很遠(yuǎn)，有的很近，甚至靠近所要到達(dá)的目標(biāo)，在這樣的環(huán)境中，移動(dòng)機(jī)器人將永遠(yuǎn)規(guī)避障礙，無(wú)法到達(dá)目的地［3］。

1.2 避障控制法

在已有的動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)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(lèi)型機(jī)器人工具裝置。避障能力是機(jī)器人自動(dòng)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(cè)技術(shù)裝置，對(duì)機(jī)器人避障能力進(jìn)行控制，確保機(jī)器人在遇到障礙物時(shí)能自動(dòng)精準(zhǔn)識(shí)別，從而實(shí)現(xiàn)有效規(guī)避。機(jī)器人避障控制策略分為4個(gè)階段，即感知障礙物、繞過(guò)障礙物、路徑搜索和場(chǎng)景建模。4個(gè)階段相互銜接、共同作用，從而使機(jī)器人避障技術(shù)能有效發(fā)揮作用［4］。機(jī)器人在發(fā)現(xiàn)障礙物后，會(huì)自動(dòng)繞開(kāi)障礙物，并自我規(guī)劃到達(dá)目的地路徑。

1.3 快速擴(kuò)展隨機(jī)樹(shù)算法

快速擴(kuò)展隨機(jī)樹(shù)算法（RRT）是動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)器人避障策略研究較為先進(jìn)的成果。該算法通過(guò)與隨機(jī)路徑規(guī)劃理論相結(jié)合，把移動(dòng)機(jī)器人起始點(diǎn)設(shè)定為根節(jié)點(diǎn)，以在自由可行空間內(nèi)生長(zhǎng)出一棵擴(kuò)展隨機(jī)樹(shù)的方式來(lái)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(shù)形向目標(biāo)點(diǎn)延伸，即從一個(gè)起始構(gòu)型出發(fā)，不斷延伸樹(shù)形數(shù)據(jù)，最終與目標(biāo)節(jié)點(diǎn)相連。在隨機(jī)樹(shù)生長(zhǎng)過(guò)程中，隨機(jī)選取最新節(jié)點(diǎn)，以此類(lèi)推，直到目標(biāo)節(jié)點(diǎn)。該算法分兩個(gè)階段［1］，即構(gòu)建擴(kuò)展隨機(jī)樹(shù)、路徑查詢(xún)。構(gòu)建擴(kuò)展隨機(jī)樹(shù)完成后，要停止添加新節(jié)點(diǎn)［5］。

1.4 人工神經(jīng)網(wǎng)絡(luò)避障控制法

近年來(lái)，在動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)器人避障策略研究方面，因人工勢(shì)場(chǎng)法存在陷阱區(qū)域，柵格法實(shí)施過(guò)程的空間分辨率與實(shí)時(shí)性要求、內(nèi)存量、時(shí)間復(fù)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(jī)器人和障礙物之間的相對(duì)運(yùn)動(dòng)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(shí)，機(jī)器人實(shí)現(xiàn)避障更為困難，通過(guò)簡(jiǎn)化機(jī)器人避障步驟，使機(jī)器人能靈活對(duì)障礙物進(jìn)行精準(zhǔn)判斷，在確定障礙物確實(shí)存在時(shí)，才能選擇有效合適的避障方式來(lái)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(dòng)態(tài)環(huán)境下移動(dòng)機(jī)器人避障策略分為4個(gè)階段［6］。一是避障行為規(guī)劃。機(jī)器人以其所在位置為圓心來(lái)設(shè)置運(yùn)動(dòng)安全距離扇形圖，連接障礙物的歷史點(diǎn)和當(dāng)前點(diǎn)，延長(zhǎng)連線，從而使其與扇形邊沿相交，交點(diǎn)在邊沿弧線上，標(biāo)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(cè)距傳感器、紅外/激光TOF傳感器、雙目視覺(jué)傳感器的技術(shù)優(yōu)勢(shì)，對(duì)安全距離進(jìn)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(biāo)的映射。人工網(wǎng)絡(luò)技術(shù)有很多優(yōu)點(diǎn)，如自學(xué)習(xí)和自組織功能、并行處理和分布式存儲(chǔ)結(jié)構(gòu)、很強(qiáng)的魯棒性和容錯(cuò)性機(jī)制等。用人工神經(jīng)網(wǎng)絡(luò)技術(shù)來(lái)標(biāo)定相對(duì)誤差半徑和相對(duì)坐標(biāo)，從而實(shí)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(cè)算出擬合誤差在屏幕中心點(diǎn)的位置，擬合誤差值越大，證明運(yùn)動(dòng)取向越安全。三是控制避障過(guò)程的運(yùn)動(dòng)。規(guī)避障礙物碰撞風(fēng)險(xiǎn)的方法有多種。通過(guò)改變機(jī)器人運(yùn)動(dòng)行為來(lái)控制避障過(guò)程的運(yùn)動(dòng)，從而實(shí)現(xiàn)對(duì)障礙物的有效規(guī)避。機(jī)器人從出發(fā)點(diǎn)到目的地的路徑規(guī)劃一般劃分為4個(gè)區(qū)域，即自由規(guī)劃區(qū)、減速區(qū)、加速區(qū)、停止運(yùn)行區(qū)，這4個(gè)區(qū)域只是針對(duì)機(jī)器人實(shí)施避障過(guò)程而設(shè)計(jì)的不同運(yùn)動(dòng)環(huán)境區(qū)域，在實(shí)際運(yùn)動(dòng)過(guò)程是不可能絕對(duì)分開(kāi)的，其或重疊、或交叉、或分開(kāi)、或相接；四是基于任務(wù)的動(dòng)態(tài)環(huán)境下仿真效果。機(jī)器人在運(yùn)動(dòng)過(guò)程中，障礙物的出現(xiàn)存在著不確定性，可能會(huì)與機(jī)器人直線運(yùn)動(dòng)軌跡或曲線運(yùn)動(dòng)軌跡相交而產(chǎn)生碰撞。機(jī)器人要實(shí)現(xiàn)對(duì)不確定性障礙物的規(guī)避，就要模擬真實(shí)的運(yùn)動(dòng)環(huán)境，根據(jù)模擬環(huán)境的仿真效果，對(duì)規(guī)避障礙物的方式進(jìn)行選擇，使機(jī)器人模擬路徑在沒(méi)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(zhǔn)確性、進(jìn)退自如性上還有很大的改善空間，還要進(jìn)一步完善機(jī)器人避障策略措施。

2 動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)器人避障策略?xún)?yōu)化

2.1 人工勢(shì)場(chǎng)法避障策略的優(yōu)化改進(jìn)

針對(duì)動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)器人采用人工勢(shì)場(chǎng)法規(guī)避障礙技術(shù)存在的缺陷，有相關(guān)人員展開(kāi)深入研究，并進(jìn)行了大量試驗(yàn)，獲得很多優(yōu)秀成果，并得到學(xué)術(shù)界和工程界的廣泛認(rèn)可。其中，余滕偉等［1］對(duì)動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)器人避障策略?xún)?yōu)化措施研究成果的影響較大。當(dāng)障礙物與目標(biāo)非常靠近時(shí)，其對(duì)移動(dòng)機(jī)器人產(chǎn)生的斥力與規(guī)劃行進(jìn)目標(biāo)點(diǎn)對(duì)機(jī)器人產(chǎn)生吸引力大小相等、方向相反。當(dāng)二者的合力趨近于0時(shí)，盡管是機(jī)器人在行進(jìn)過(guò)程中的局部或極小值區(qū)域，但移動(dòng)機(jī)器人深陷其中，無(wú)法脫離，難以準(zhǔn)時(shí)到達(dá)規(guī)劃路徑的目的地，導(dǎo)致機(jī)器人行進(jìn)路徑規(guī)劃失敗。當(dāng)移動(dòng)機(jī)器人處于復(fù)雜障礙物中，如O形障礙物，移動(dòng)機(jī)器人幾乎逃脫不了障礙物的環(huán)繞。有學(xué)者在已有研究成果基礎(chǔ)上，如“函數(shù)減少局部極小值點(diǎn)”“添加啟發(fā)式搜索算法”等，結(jié)合相關(guān)理論和試驗(yàn)數(shù)據(jù)，提出在路徑起點(diǎn)到目標(biāo)點(diǎn)之間增加臨時(shí)目標(biāo)點(diǎn)的方法，用來(lái)解決局部極小值點(diǎn)的問(wèn)題。當(dāng)移動(dòng)機(jī)器人抵達(dá)局部極小值區(qū)域時(shí)，在新勢(shì)場(chǎng)作用下，會(huì)擺脫局部極小點(diǎn)的束縛，解決目標(biāo)點(diǎn)不可達(dá)的問(wèn)題［7］。局部極小點(diǎn)情況如圖5所示。

因此，可通過(guò)彌補(bǔ)人工勢(shì)場(chǎng)法來(lái)解決路徑規(guī)劃過(guò)程中缺少全局信息的缺陷。當(dāng)移動(dòng)機(jī)器人行進(jìn)到未知、動(dòng)態(tài)、復(fù)雜的環(huán)境時(shí)，RRT算法通過(guò)增加若干虛擬目標(biāo)點(diǎn)，在不增加計(jì)算量的前提下，能提高移動(dòng)機(jī)器人在避障過(guò)程APF的適用性。

2.2 其他動(dòng)態(tài)機(jī)器人避障策略改進(jìn)

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(kāi)發(fā)應(yīng)用，動(dòng)態(tài)機(jī)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(dòng)機(jī)器人避障控制是在人工勢(shì)場(chǎng)、避障控制法的基礎(chǔ)上，簡(jiǎn)化動(dòng)態(tài)機(jī)器人避障步驟。在不考慮障礙物動(dòng)態(tài)、快速反應(yīng)的基礎(chǔ)上，結(jié)合非視覺(jué)傳感器避障，能有效彌補(bǔ)動(dòng)態(tài)機(jī)器人避障行為中障礙物目標(biāo)識(shí)別速度不高、不精準(zhǔn)的缺陷。快速擴(kuò)展隨機(jī)樹(shù)的改進(jìn)與不斷生長(zhǎng)且向四周發(fā)散的樹(shù)類(lèi)似，移動(dòng)機(jī)器人在自由空間中確定規(guī)劃路徑的起始根節(jié)點(diǎn)和隨機(jī)選取節(jié)點(diǎn)，作為判斷起始根節(jié)點(diǎn)不在障礙物內(nèi)的隨機(jī)選取節(jié)點(diǎn)，確定機(jī)器人能有效避障的空間條件和環(huán)境狀況［8］。

3 結(jié)語(yǔ)

在動(dòng)態(tài)環(huán)境下，移動(dòng)機(jī)器人避障策略的研究仍處于起步階段，很多研究成果在實(shí)際工程應(yīng)用中仍存在缺陷，特別是在動(dòng)態(tài)障礙物地圖中，動(dòng)態(tài)機(jī)器人單一路徑規(guī)劃算法很難使機(jī)器人在復(fù)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(xiàn)：

［1］余騰偉，劉昌力.動(dòng)態(tài)環(huán)境下的移動(dòng)機(jī)器人避障策略研究［J］.重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)版），2021（9）：131-136.

［2］陳冠星.動(dòng)態(tài)環(huán)境下多機(jī)器人編隊(duì)及避障控制策略研究［D］.南京：南京理工大學(xué)，2021.

［3］陳志明.移動(dòng)機(jī)器人在復(fù)雜環(huán)境下的動(dòng)態(tài)避障［D］.哈爾濱：哈爾濱工業(yè)大學(xué)，2020.

［4］尹鵬衡.動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)器人路徑規(guī)劃與避障算法研究［D］.秦皇島：燕山大學(xué)，2020.

［5］王仲民，劉開(kāi)緒.動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)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(jìn)人工勢(shì)場(chǎng)法的移動(dòng)機(jī)器人避障軌跡研究［J］.計(jì)算機(jī)工程與應(yīng)用，2022（6）：296-304.

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

［8］陳天德，黃炎焱，王振華.基于碰撞預(yù)測(cè)的無(wú)碰撞航路規(guī)劃［J］.系統(tǒng)工程理論與實(shí)踐，2020（4）：1057-1068.