CN106647736B - 一种用于智能机器人的路径学习方法及系统 - Google Patents
一种用于智能机器人的路径学习方法及系统 Download PDFInfo
- Publication number
- CN106647736B CN106647736B CN201610966587.0A CN201610966587A CN106647736B CN 106647736 B CN106647736 B CN 106647736B CN 201610966587 A CN201610966587 A CN 201610966587A CN 106647736 B CN106647736 B CN 106647736B
- Authority
- CN
- China
- Prior art keywords
- virtual
- path
- robot
- place
- intelligent robot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
一种用于智能机器人的路径学习方法及系统,其中,该方法包括:虚拟场所生成步骤,根据目标智能机器人需要行进的实际场所生成对应的虚拟场所;路径信息生成步骤,生成对应于目标智能机器人的虚拟机器人,获取虚拟机器人在虚拟场所需要行进的路径信息;路径策略生成步骤,控制虚拟机器人依据路径信息在虚拟场所中行进并生成路径策略,并将路径策略传输至目标智能机器人。本方法不再需要将智能机器人放置于实际场所中,而是通过虚拟出对应与该智能机器人的虚拟机器人,并利用该虚拟机器人在一对应于实际场所的虚拟场所中行进来获得路径策略。本方法能够有效简化智能机器人进行路径学习的过程以及成本,有助于提高智能机器人的实用性和产品竞争力。
Description
技术领域
本发明涉及机器人技术领域,具体地说,涉及一种用于智能机器人的路径学习方法及系统。
背景技术
随着科学技术的不断发展,信息技术、计算机技术以及人工智能技术的引入,机器人的研究已经逐步走出工业领域,逐渐扩展到了医疗、保健、家庭、娱乐以及服务行业等领域。
在机器人的日常应用中,机器人往往需要在无人控制的状态下在某一空间内行进,如果机器人无法按照合理的路径行进,那么机器人则无法有效地穿过该空间或在该空间内进行有效巡游。
发明内容
为解决上述问题,本发明提供了一种用于智能机器人的路径学习方法,其包括:
虚拟场所生成步骤,根据目标智能机器人需要行进的实际场所生成对应的虚拟场所;
路径信息生成步骤,生成对应于所述目标智能机器人的虚拟机器人,获取所述虚拟机器人在所述虚拟场所需要行进的路径信息;
路径策略生成步骤,控制所述虚拟机器人依据所述路径信息在所述虚拟场所中行进并生成路径策略,并将所述路径策略传输至所述目标智能机器人。
根据本发明的一个实施例,在所述虚拟场所生成步骤中,生成对应于所述实际场所的二维虚拟场所和三维虚拟场所,其中,所述二维虚拟场所是通过对所述实际场所平面图进行缩放得到的,所述三维虚拟场所用于显示实际环境特征。
根据本发明的一个实施例,在所述路径策略生成步骤中,
当所述虚拟机器人依据所述路径信息在所述二维虚拟场所行进时,获取所述虚拟机器人与所述二维虚拟场所轮廓的距离,结合所述三维虚拟场所中的实际环境特征,得到所述路径策略。
根据本发明的一个实施例,在所述路径信息生成步骤中,
通过在所述二维虚拟场所中设定所述虚拟机器人行进过程中需要经过的点,生成所述路径信息。
根据本发明的一个实施例,在所述路径策略生成步骤中,分次地使得所述虚拟机器人依据所述路径信息在所述虚拟场所中进行路径学习,并对已有的路径策略进行逐步优化。
本发明还提供了一种用于智能机器人的路径学习系统,其包括:
接入端口,其用于与目标智能机器人的相应端口连接,以实现与所述目标智能机器人之间的数据通讯;
操作台,其与所述接入端口连接,用于根据所述目标智能机器人需要行进的实际场所生成对应的虚拟场所,并生成对应于所述目标智能机器人的虚拟机器人,根据所述虚拟机器人和虚拟场所生成路径策略,并将所述路径策略传输至所述接入端口;
显示器,其与所述操作台连接,用于显示所述虚拟场所。
根据本发明的一个实施例,所述操作台包括:
虚拟场所生成模块,其用于根据目标智能机器人需要行进的实际场所生成对应的虚拟场所;
路径信息生成模块,其用于生成对应于所述目标智能机器人的虚拟机器人,获取所述虚拟机器人在所述虚拟场所需要行进的路径信息;
路径策略生成模块,其用于控制所述虚拟机器人依据所述路径信息在所述虚拟场所中行进并生成路径策略,并将所述路径策略传输至所述接入端口。
根据本发明的一个实施例,所述操作台还包括:
操作设备,其与所述路径信息生成模块连接,用于从多个虚拟机器人中选取对应于所述目标智能机器人的虚拟机器人。
根据本发明的一个实施例,所述虚拟场所生成模块配置为生成对应于所述实际场所的二维虚拟场所和三维虚拟场所,其中,所述二维虚拟场所是通过对所述实际场所平面图进行缩放得到的,所述三维虚拟场所用于显示实际环境特征。
根据本发明的一个实施例,所述路径策略生成模块配置为分次地使得所述虚拟机器人依据所述路径信息在所述虚拟场所中进行路径学习,并对已有的路径策略进行逐步优化。
本发明所提供的用于智能机器人的路径学习方法不再像现有方法那样需要将智能机器人放置于实际场所中,而是通过虚拟出对应与该智能机器人的虚拟机器人,并利用该虚拟机器人在一对应于实际场所的虚拟场所中行进来获得路径策略。相较于现有方法,本发明所提供的方法能够有效简化智能机器人进行路径学习的过程以及成本,有助于提高智能机器人的实用性和产品竞争力。
同时,本发明所提供的方法不仅能够为一台智能机器人提供路径学习的条件,同时还能够允许多台智能机器人分别进行相应的路径学习,这能够进一步提高智能机器人的路径学习效率。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要的附图做简单的介绍:
图1是根据本发明一个实施例的用于智能机器人的路径学习方法的实现流程示意图;
图2是根据本发明另一个实施例的用于智能机器人的路径学习方法的实现流程示意图;
图3是根据本发明一个实施例的用于智能机器人的路径学习装置的结构示意图;
图4是根据本发明一个实施例的操作台的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
同时,在以下说明中,出于解释的目的而阐述了许多具体细节,以提供对本发明实施例的彻底理解。然而,对本领域的技术人员来说显而易见的是,本发明可以不用这里的具体细节或者所描述的特定方式来实施。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在一些应用场景(例如展会等)中,智能机器人往往需要在较大的场地空间内自动行进。而为了使得智能机器人能够知晓自身的路径策略,现有的方法通常是将智能机器人运往这些场地中,并控制智能机器人进行实际的行进来生成相关的路径策略。现有的这种方法显然降低了智能机器人的使用效率,因此针对现有技术中所存在的上述问题,本发明提供了一种新的用于智能机器人的路径学习方法。
为了更加清楚地阐述本发明所提供的用于智能机器人的路径学习方法的实现原理、实现过程以及优点,以下分别结合不同的实施例来对该方法作进一步的说明。
实施例一:
图1示出了本实施例所提供的用于智能机器人的路径学习方法的实现流程示意图。
如图1所示,本实施例所提供的路径学习方法首先在步骤S101中根据目标智能机器人需要行进的实际场所生成对应的虚拟场所。其中,上述虚拟场所是与实际场所相对应的,其能够体现实际场所的一些特征(例如空间信息等)。
在得到与上述实际场所相对应的虚拟场所后,该方法会在步骤S102中生成对应于目标智能机器人的虚拟机器人。本实施例中,该方法在步骤S102中将目标机器人在所得到的虚拟场所中显示为一个图形点,该图形点也就代表了该目标机器人。
需要指出的是,根据实际需要,该方法在步骤S102中所生成的对应于目标智能机器人的虚拟机器人还可以采用其他合理表现形式,本发明不限于此。例如,在本发明的一个实施例中,该方法在步骤S102中还可以将目标智能机器人虚拟为一具有一定几何形状的图像,该图像所具有的几何形状与目标智能机器人本身的几何形状相对应,这样也就考虑了目标智能机器人自身几何尺寸所带来的影响,从而有助于提高最终得到路径策略的准确性和精确性。
在生成对应于目标智能机器人的虚拟机器人后,如图1所示,本实施例所提供的方法会在步骤S103中获取该虚拟机器人在虚拟场所中需要行进的路径信息。本实施例中,虚拟机器人在上述虚拟场所中需要行进的路径信息优选地采用一行进线来表示,该行进线优选地由用户事先设定。当然,在本发明的其他实施例中,上述路径信息还可以采用其他合理的形式或方式来表示,本发明不限于此。
当获取到虚拟机器人在虚拟场所中需要行进的路径信息后,该方法会在步骤S104中控制虚拟机器人依据步骤S103中所确定的路径信息在虚拟场所中行进并生成路径策略。
在得到上述路径策略后,该方法最后在步骤S105中将步骤S104中所生成的路径策略传输至目标智能机器人,由目标智能机器人将上述路径策略存储在自身的相关数据存储器中。至此,目标智能机器人也就知晓了如何在上述实际场所中行进的路径策略,即实现了路径学习过程。
需要指出的是,为了使得最终得到的路径策略更加准确、合理,在本发明的其他实施例中,该方法还可以在步骤S104中分次地使得虚拟机器人依据步骤S103所得到的路径信息来在虚拟场所中进行路径学习,并根据学习结果来对已有的路径策略进行优化。通过多次逐步优化,最终得到的路径策略将更加合理和准确。
从上述描述中可以看出,本实施例所提供的用于智能机器人的路径学习方法不再像现有方法那样需要将智能机器人放置于实际场所中,而是通过虚拟出对应于该智能机器人的虚拟机器人,并利用该虚拟机器人在一对应于实际场所的虚拟场所中行进来获得路径策略。相较于现有方法,本实施例所提供的方法能够有效简化智能机器人进行路径学习的过程以及成本,有助于提高智能机器人的实用性和产品竞争力。
实施例二:
图2示出了本实施例所提供的用于智能机器人的路径学习方法的实现流程示意图。
如图2所示,本实施例所提供的方法首先在步骤S201中针对多个智能机器人分别生成与之对应的虚拟机器人,并从这些虚拟机器人中选取出与目标智能机器人相对应的虚拟机器人,从而确定出需要进行路径学习的智能机器人。
本实施例中,该方法在步骤S201中可以获取用户的操作信息,并根据用户的操作信息来从虚拟机器人中选取出与目标智能机器人相对应的虚拟机器人。需要指出的是,在本发明的其他实施例中,该方法在步骤S201中还可以采用其他合理方式来选取相应的虚拟机器人以此确定需要进行路径学习的智能机器人,本发明不限于此。例如,在本发明的一个实施例中,该方法在步骤S201中还可以通过依次将上述多个智能机器人作为目标智能机器人的方式来选取与当前目标智能机器人相对应的虚拟机器人。
在步骤S202中,该方法会根据目标智能机器人需要行进的实际场所来生成与该实际场所相对应的虚拟场所。其中,该虚拟场所包括二维虚拟场所和三维虚拟场所,二维虚拟场所是通过对实际场所平面图进行缩放得到的,而三维场所则用于虚拟机器人视角中的显示相关的实际环境特征。需要指出的是,在本发明的不同实施例中,根据实际需要,二维虚拟场所相对应于实际场所的缩放比例可以设定为不同的合理值,本发明不限于此。
在生成出与实际场所相对应的虚拟场所后,该方法会在步骤S203中获取虚拟机器人在步骤S202中所生成的虚拟场所中需要行进的路径信息。本实施例中,虚拟机器人在虚拟场所中需要行进的路径信息可以由用户在虚拟场所中设定行进点来生成。需要指出的是,在本发明的其他实施例中,该方法在步骤S203中还可以通过其他合理方式来生成上述路径信息,本发明不限于此。
在步骤S204中,该方法会控制虚拟机器人在上述虚拟场所中行进,并获取虚拟机器人与二维虚拟场所轮廓的距离,结合三维虚拟场所中的实际环境特征,从而生成目标智能机器人在实际场所中行进的路径策略。
本实施例中,通过将二维虚拟场所与三维虚拟场所相结合的方式,使得最终生成的路径策略中不仅包含了虚拟机器人与二维虚拟场所轮廓之间的距离信息,还能够包含虚拟机器人所经过的场所的实际环境特征信息,这样能够使得最终得到的路径策略更加准确和合理。
同时,需要指出的是,由于二维虚拟场所是通过对实际场所进行比例缩放得到的,因此上述步骤中得到的虚拟机器人与二维虚拟场所轮廓之间的距离信息也需要进行相应的缩放来应用于目标智能机器人中。
如图2所示,在得到路径策略后,该方法会在步骤S205中将步骤S204中所得到的路径策略传输至目标智能机器人,以由目标智能机器人将上述路径策略存储在自身的相关数据存储器中。需要指出的是,在本发明的不同实施例中,该方法在步骤S205中既可以通过有线传输线路来将路径策略传输至目标智能机器人,也可以通过无线传输的方式来将上述路径策略传输至目标智能机器人,本发明不限于此。
从上述描述中可以看出,对于智能机器人在复杂或者大范围场所进行路径学习来说,本实施例所提供的用于智能机器人的路径学习方法不仅能够有效降低智能机器人进行路径学习的成本,还能够大幅缩短其学习时间,从而提高学习效率。
同时,本实施例所提供的方法不仅能够为一台智能机器人提供路径学习的条件,同时还能够允许多台智能机器人分别进行相应的路径学习,这能够进一步提高智能机器人的路径学习效率。
本实施例还提供了一种新的用于智能机器人的路径学习装置,图3示出了本实施例中该装置的结构示意图。
如图3所示,本实施例所提供的用于智能机器人的路径学习装置优选地包括:接入端口302、操作台303以及显示器304。其中,接入端口302用于与智能机器人的相应信号传输端口连接。本实施例中,接入端口302优选地可以同时与多个智能机器人连接,即与接入端口302可以同时与第一智能机器人301_1、第二智能机器人301_2直至第N智能机器人301_N连接。
需要指出的是,在本发明的不同实施例中,接入端口302与各个智能机器人之间的连接方式既可以是有线连接(例如串口连接或光纤连接),也可以是无线连接(例如蓝牙连接或WiFi连接),本发明不限于此。
操作台303与接入端口302连接,其能够根据目标机器人需要行进的实际场所生成对应的虚拟场所,并生成对应于目标机器人的虚拟机器人。操作台303还能够根据上述虚拟机器人以及虚拟场所生成目标智能机器人在实际场所中行进的路径策略,并将该路径策略传输至接入端口302,以由接入端口302发送至目标智能机器人。
显示器304与操作台303连接,其能够将操作台生成的虚拟场所中实际环境特征以及虚拟机器人以图形形式直观地显示出来,以方便用户观看。
图4示出了本实施例中操作台303的结构示意图。如图4所示,操作台303优选地包括:虚拟场所生成模块401、路径信息生成模块402以及路径策略生成模块403。其中,虚拟场所生成模块401用于根据目标智能机器人需要行进的实际场所生成对应的虚拟场所。
本实施例中,虚拟场所生成模块401所生成的虚拟场所优选地包括二维虚拟场所和三维虚拟场所。其中,二维虚拟场所是通过对实际场所平面图进行缩放得到的,而三维场所可以通过连接的显示器304以显示相关的实际环境特征(障碍物及其位置)。需要指出的是,在本发明的不同实施例中,根据实际需要,二维虚拟场所相对应于实际场所的缩放比例可以设定为不同的合理值,本发明不限于此。
虚拟场所生成模块401在生成与实际场所相对应的虚拟场所后,会将该虚拟场所传输至路径信息生成模块402。本实施例中,路径信息生成模块402能够生成对应于目标智能机器人的虚拟机器人,并获取该虚拟机器人在上述虚拟场所中需要行进的路径信息。
本实施例中,虚拟机器人在上述虚拟场所中需要行进的路径信息优选地采用一行进线来表示,该行进线优选地由用户事先设定。当然,在本发明的其他实施例中,上述路径信息还可以采用其他合理的形式或方式来表示,本发明不限于此。
路径信息生成模块402会将自身生成的虚拟机器人以及路径信息传输至路径策略生成模块403,以由路径策略生成模块403控制虚拟机器人依据上述路径信息在虚拟场所中行进并最终生成目标智能机器人在实际场所中行进的路径策略。在生成上述路径策略后,路径策略生成模块403会将该路径策略传输至接入端口302,以由接入端口302反馈至目标智能机器人。
具体地,本实施例中,路径策略生成模块403会控制虚拟机器人在上述虚拟场所中行进,并获取虚拟机器人与二维虚拟场所轮廓的距离,结合三维虚拟场所中的实际环境特征,从而生成目标智能机器人在实际场所中行进的路径策略。
在得到上述路径策略后,路径策略生成模块403会将生成的路径策略传输至接入端口,以由接入端口传输至目标智能机器人。至此,目标智能机器人也就知晓了如何在上述实际场所中行进的路径策略,即实现了路径学习过程
本实施例中,操作台303优选地还包括操作设备,该操作设备与路径生成模块连接。通过该操作设备,用户可以从多个虚拟机器人中选取出对应于目标智能机器人的虚拟机器人,即从与接入端口连接的多个智能机器人中选取出当前需要进行路径学习的智能机器人。
需要指出的是,为了使得最终得到的路径策略更加准确、合理,在本发明的其他实施例中,路径策略生成模块也可以分次地使得虚拟机器人依据路径信息生成模块所生成的路径信息来在虚拟场所中进行路径学习,并根据学习结果来对已有的路径策略进行优化。通过多次逐步优化,最终得到的路径策略将更加合理和准确。
应该理解的是,本发明所公开的实施例不限于这里所公开的特定结构或处理步骤,而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是,在此使用的术语仅用于描述特定实施例的目的,而并不意味着限制。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
虽然上述示例用于说明本发明在一个或多个应用中的原理,但对于本领域的技术人员来说,在不背离本发明的原理和思想的情况下,明显可以在形式上、用法及实施的细节上作各种修改而不用付出创造性劳动。因此,本发明由所附的权利要求书来限定。
Claims (8)
1.一种用于智能机器人的路径学习方法,其特征在于,包括:
虚拟场所生成步骤,根据目标智能机器人需要行进的实际场所生成对应的虚拟场所,所述虚拟场所包括二维虚拟场所和三维虚拟场所;
路径信息生成步骤,生成对应于所述目标智能机器人的虚拟机器人,获取在所述二维虚拟场所中设定的所述虚拟机器人行进过程中需要经过的点,生成所述虚拟机器人在所述虚拟场所需要行进的路径信息;
路径策略生成步骤,控制所述虚拟机器人依据所述路径信息在所述虚拟场所中行进并生成路径策略,并将所述路径策略传输至所述目标智能机器人;
其中,在所述路径策略生成步骤中,当所述虚拟机器人依据所述路径信息在所述二维虚拟场所行进时,获取所述虚拟机器人与所述二维虚拟场所轮廓的距离,结合所述三维虚拟场所中的实际环境特征,得到所述路径策略。
2.如权利要求1所述的方法,其特征在于,所述二维虚拟场所是通过对所述实际场所平面图进行缩放得到的,所述三维虚拟场所用于显示实际环境特征。
3.如权利要求1或2中任一项所述的方法,其特征在于,在所述路径策略生成步骤中,分次地使得所述虚拟机器人依据所述路径信息在所述虚拟场所中进行路径学习,并对已有的路径策略进行逐步优化。
4.一种用于智能机器人的路径学习系统,其特征在于,所述路径学习系统通过实施如权利要求1~3中任一项所述的方法来实现智能机器人的路径学习,所述系统包括:
接入端口,其用于与目标智能机器人的相应端口连接,以实现与所述目标智能机器人之间的数据通讯;
操作台,其与所述接入端口连接,用于根据所述目标智能机器人需要行进的实际场所生成对应的虚拟场所,并生成对应于所述目标智能机器人的虚拟机器人,根据所述虚拟机器人和虚拟场所生成路径策略,并将所述路径策略传输至所述接入端口;
显示器,其与所述操作台连接,用于显示所述虚拟场所。
5.如权利要求4所述的系统,其特征在于,所述操作台包括:
虚拟场所生成模块,其用于根据目标智能机器人需要行进的实际场所生成对应的虚拟场所,所述虚拟场所包括二维虚拟场所和三维虚拟场所;
路径信息生成模块,其用于生成对应于所述目标智能机器人的虚拟机器人,获取在所述二维虚拟场所中设定的所述虚拟机器人行进过程中需要经过的点,生成所述虚拟机器人在所述虚拟场所需要行进的路径信息;
路径策略生成模块,其用于控制所述虚拟机器人依据所述路径信息在所述虚拟场所中行进并生成路径策略,并将所述路径策略传输至所述接入端口;
所述路径策略生成模块进一步配置为:当所述虚拟机器人依据所述路径信息在所述二维虚拟场所行进时,获取所述虚拟机器人与所述二维虚拟场所轮廓的距离,结合所述三维虚拟场所中的实际环境特征,得到所述路径策略。
6.如权利要求5所述的系统,其特征在于,所述操作台还包括:
操作设备,其与所述路径信息生成模块连接,用于从多个虚拟机器人中选取对应于所述目标智能机器人的虚拟机器人。
7.如权利要求5或6所述的系统,其特征在于,所述二维虚拟场所是通过对所述实际场所平面图进行缩放得到的,所述三维虚拟场所用于显示实际环境特征。
8.如权利要求5或6所述的系统,其特征在于,所述路径策略生成模块配置为分次地使得所述虚拟机器人依据所述路径信息在所述虚拟场所中进行路径学习,并对已有的路径策略进行逐步优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610966587.0A CN106647736B (zh) | 2016-10-28 | 2016-10-28 | 一种用于智能机器人的路径学习方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610966587.0A CN106647736B (zh) | 2016-10-28 | 2016-10-28 | 一种用于智能机器人的路径学习方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106647736A CN106647736A (zh) | 2017-05-10 |
CN106647736B true CN106647736B (zh) | 2020-07-28 |
Family
ID=58821791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610966587.0A Active CN106647736B (zh) | 2016-10-28 | 2016-10-28 | 一种用于智能机器人的路径学习方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106647736B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102520718A (zh) * | 2011-12-02 | 2012-06-27 | 上海大学 | 一种基于物理建模的机器人避障路径规划方法 |
CN105953787A (zh) * | 2016-04-27 | 2016-09-21 | 河北德普电器有限公司 | 一种机器人导航地图生成系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9056396B1 (en) * | 2013-03-05 | 2015-06-16 | Autofuss | Programming of a robotic arm using a motion capture system |
CN104062630A (zh) * | 2014-07-02 | 2014-09-24 | 上海理工大学 | 展厅服务机器人立体定位与调度管理系统及定位方法 |
CN105700481A (zh) * | 2016-03-23 | 2016-06-22 | 北京光年无限科技有限公司 | 一种智能机器人动作生成方法及系统 |
CN106075906B (zh) * | 2016-06-03 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 一种模拟对象的寻路方法、场景的搭建方法和对应的装置 |
-
2016
- 2016-10-28 CN CN201610966587.0A patent/CN106647736B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102520718A (zh) * | 2011-12-02 | 2012-06-27 | 上海大学 | 一种基于物理建模的机器人避障路径规划方法 |
CN105953787A (zh) * | 2016-04-27 | 2016-09-21 | 河北德普电器有限公司 | 一种机器人导航地图生成系统 |
Non-Patent Citations (2)
Title |
---|
基于改进人工势场法的移动机器人路径规划研究;黄兴华;《中国优秀硕士学位论文全文数据库 信息科技辑》;20110315(第3期);第37-44页 * |
黄兴华.基于改进人工势场法的移动机器人路径规划研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2011,(第3期), * |
Also Published As
Publication number | Publication date |
---|---|
CN106647736A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200306974A1 (en) | Teleoperation System, Method, Apparatus, and Computer-Readable Medium | |
US20110223575A1 (en) | System and method for learning concept map | |
CN106060781B (zh) | 基于BIM与Zigbee技术融合的空间定位方法 | |
KR100929256B1 (ko) | 3차원 입체 콘텐츠 기반 실감형 인터랙티브 기술교육시스템 | |
KR102382419B1 (ko) | 3d 관절 점 회귀 모델의 생성 방법 및 장치 | |
CN115167182B (zh) | 自动驾驶仿真测试方法、装置、设备和计算机可读介质 | |
CN111859597B (zh) | 一种自动驾驶算法的评估方法和系统 | |
CN102350990A (zh) | 有人驾驶与无人驾驶车辆避障行为的对照模型 | |
CN108534789B (zh) | 一种多路径定位坐标统一方法、电子设备和可读存储介质 | |
Christensen et al. | Next generation robotics | |
Zhou et al. | Vetaverse: A survey on the intersection of Metaverse, vehicles, and transportation systems | |
CN103383552B (zh) | 一种任意平面圆弧插补运动控制器及其控制方法 | |
Ravisankar et al. | Harnessing 6G for Consumer-Centric Business Strategies Across Electronic Industries | |
Do Quang et al. | Mapping and navigation with four-wheeled omnidirectional mobile robot based on robot operating system | |
JP2022501667A (ja) | 移動ロボットを制御するための方法、装置及び制御システム | |
CN106647736B (zh) | 一种用于智能机器人的路径学习方法及系统 | |
CN110209175A (zh) | 基于分布式有限时间状态观测器的多智能车辆编队方法 | |
CN109491381A (zh) | 基于观测器的多移动机器人自适应编队跟踪控制方法 | |
Hsu | Obstacle avoidance path scheme of snake robot based on bidirectional fast expanding random tree algorithm | |
Hsueh et al. | Systematic comparison of path planning algorithms using PathBench | |
WO2020168493A1 (zh) | 三维场景建模方法、装置、设备及存储介质 | |
Zhang et al. | A context-aware framework supporting complex ubiquitous scenarios with augmented reality enabled | |
Li et al. | Ros based multi-sensor navigation of intelligent wheelchair | |
Pillai et al. | Digital Twin for Edge Computing in Smart Vehicular Systems | |
Reid | Towards semantic visual SLAM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |