CN108803614A - 一种无人驾驶机器人路径规划系统 - Google Patents
一种无人驾驶机器人路径规划系统 Download PDFInfo
- Publication number
- CN108803614A CN108803614A CN201810726774.0A CN201810726774A CN108803614A CN 108803614 A CN108803614 A CN 108803614A CN 201810726774 A CN201810726774 A CN 201810726774A CN 108803614 A CN108803614 A CN 108803614A
- Authority
- CN
- China
- Prior art keywords
- path
- robot
- module
- machine people
- unmanned machine
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 230000002068 genetic effect Effects 0.000 claims abstract description 11
- 230000007613 environmental effect Effects 0.000 claims abstract description 10
- 230000008447 perception Effects 0.000 claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 230000004888 barrier function Effects 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 16
- 230000002265 prevention Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000006978 adaptation Effects 0.000 claims 1
- 238000000465 moulding Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种无人驾驶机器人路径规划系统,包括环境感知模块、路径规划模块、路径优化模块、路径控制模块和行驶监测模块,所述环境感知模块用于对无人驾驶机器人行驶的周围环境信息进行实时采集,所述路径规划模块采用遗传算法对无人驾驶机器人的行驶路径进行全局路径,所述路径优化模块用于对规划所得的全局路径进行优化,所述路径控制模块用于控制无人驾驶机器人沿着规划好的行驶路径进行行驶,所述行驶监测模块用于在无人驾驶机器人行驶的过程中偏离规划好的行驶路径时进行报警。本发明有益效果为:提供一种无人驾驶机器人路径规划系统,采用改进的遗传算法和势场法对无人驾驶的机器人进行有效的路径规划,可以提高无人驾驶机器人避障的精确度。
Description
技术领域
本发明创造涉及机器人领域,具体涉及一种无人驾驶机器人路径规划系统。
背景技术
随着机械、电子、计算机、自动控制、信息技术及人工智能等学科理论与技术的发展,机器人的研究与应用领域日益广发,而越来越智能化的机器人也不断涌现。如今,机器人在灾害救护、军事作战、航天探测、深海作业、医疗护理、生活服务等领域发展出了新的需求与新的市场。近几年来,无人驾驶机器人的研究获得了全球大量的关注度,无人驾驶机器人实际是一种智能轮式移动机器人,主要依靠车内装载的以计算机系统为主的智能驾驶设备来实现无人驾驶。机器人路径规划是智能机器人研究领域的一个重要分支,路径规划是根据优化策略找到从起始点到目标点并能避开障碍物的最优路径,好的路径规划方法可以节约大量的时间,减少机器人的损失,节约人力资源,减少资金投入,为无人驾驶机器人在工业中的应用内打下良好的基础。
针对上述问题,本发明提供一种无人驾驶机器人路径规划系统,采用改进的遗传算法和势场法对无人驾驶的机器人进行有效的路径规划,可以提高无人驾驶机器人避障的精确度,加快路径规划,满足实际应用的需求。
发明内容
针对上述问题,本发明旨在提供一种无人驾驶机器人路径规划系统。
本发明创造的目的通过以下技术方案实现:
一种无人驾驶机器人路径规划系统,包括环境感知模块、路径规划模块、路径优化模块、路径控制模块和行驶监测模块,所述环境感知模块用于对无人驾驶机器人行驶的环境信息进行实时采集,并采用栅格法建立无人驾驶机器人的行驶空间模型,所述路径规划模块采用遗传算法对无人驾驶机器人的行驶路径进行全局路径,所述路径优化模块采用改进的人工势场法对路径规划模块规划所得的全局路径进行优化,所述路径控制模块用于控制机器人沿着路径规划模块和路径优化模块规划好的行驶路径进行行驶,所述行驶监测模块用于在无人驾驶机器人行驶的过程中偏离规划好的行驶路径时进行报警。
本发明创造的有益效果:本系统提供一种无人驾驶机器人路径规划系统,采用改进的遗传算法和势场法对无人驾驶的机器人进行有效的路径规划,可以提高无人驾驶机器人避障的精确度,加快路径规划,满足实际应用的需求。
附图说明
利用附图对发明创造作进一步说明,但附图中的实施例不构成对本发明创造的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明结构示意图;
附图标记:
环境感知模块1;路径规划模块2;路径优化模块3;路经控制模块4;行驶监测模块5。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种无人驾驶机器人路径规划系统,包括环境感知模块1、路径规划模块2、路径优化模块3、路径控制模块4和行驶监测模块5,所述环境感知模块1用于对无人驾驶机器人行驶的环境信息进行实时采集,并采用栅格法建立无人驾驶机器人的行驶空间模型,所述路径规划模块2采用遗传算法对无人驾驶机器人的行驶路径进行全局路径,所述路径优化模块3采用改进的人工势场法对路径规划模块规划所得的全局路径进行优化,所述路径控制模块4用于控制机器人沿着路径规划模块和路径优化模块规划好的行驶路径进行行驶,所述行驶监测模块5用于在无人驾驶机器人行驶的过程中偏离规划好的行驶路径时进行报警。
本优选实施例提供一种无人驾驶机器人路径规划系统,采用改进的遗传算法和势场法对无人驾驶的机器人进行有效的路径规划,可以提高无人驾驶机器人避障的精确度,加快路径规划,满足实际应用的需求。
优选地,所述路径规划模块2采用遗传算法对无人驾驶机器人的行驶路径进行全局路径,对传统遗传算法中的适应度函数进行改进,具体为:
式中,ωd和wz为权重因子,l(si)为节点si和节点si-1之间的路径长度,K为路径中的节点总数,z(si)为节点si和节点si-1之间路径距离最近障碍物的距离,q是障碍物和路径之间的安全距离,γ是系数。
本优选实施例在适应度函数的设计中,综合考虑了路径的长度因素和与障碍物之间的距离关系,使得选取的全局路径具有距离最短并且无碰撞的优点。
优选地,路径优化模块3采用改进的人工势场法对路径规划模块规划所得的全局路径进行优化,定义Utotal为总势场,Uatt为引力场,Urep为斥力场,Ftotal为合力,Fatt为引力,Frep为斥力,则采用的人工势场表示如下:
Utotal=Uatt+Urep
Ftotal=Fatt+Frep
人工势场中的引力场函数Uatt的计算公式为:
Uatt=μ1||qgoal(t)-q(t)||m+μ2||vgoal(t)-v(t)||n
根据引力场函数构建的引力函数为:
Fatt=A1mu1||qgoal(t)-q(t)||m-1+A2nu2||vgoal(t)-v(t)||n-1
式中,||qgoal(t)-q(t)||表示t时刻机器人和目标点之间的欧几里得距离,||vgoal(t)-v(t)||表示t时刻机器人和目标点之间的相对速度,μ1和μ2表示正比例因子,m和n是正常数,A1是从机器人指向目标点的单位向量,A2是机器人和目标点的相对速度的单位向量。
本优选实施例在人工势场的引力函数中既引入了机器人和目标点之间的位置信息,又考虑了机器人和目标点之间的相对速度,使得无人驾驶机器人能够避免陷入局部最小的问题,从而到达目标点。
优选地,所述路径优化模块3采用改进的人工势场法对路径规划模块规划所得的全局路径进行优化,对人工势场法中的斥力场函数进行改进,
式中,η1和η2是斥力增益系数,t(Xr,Xobs)是机器人和障碍物的碰撞时间, v是机器人和障碍物之间的相对速度,θ是机器人和障碍物之间的碰撞角,θm是机器人和障碍物之间的避碰角,t0是机器人的感知范围,ρ0是斥力场的影响半径,ρ(Xr,Xobs)是机器人与障碍物之间的最小距离,ρ(Xr,Xgoal)是机器人与目标点之间的距离,n是正常数。
本优选实施例对人工势场法中的斥力场函数进行改进,综合考虑了机器人和障碍物之间的最小距离和碰撞时间,有效的提高了机器人在行驶过程中的避障能量,同时避免了机器人容易陷入局部最小的问题,从而使得机器人能够到达目标点。
优选地,根据改进的斥力场函数构建新的斥力公式为:
式中,ρ(Xr,Xobs)是机器人与障碍物之间的最小距离,ρ(Xr,Xgoal)是机器人与目标点之间的距离,n是正常数,η1和η2是斥力增益系数,t(Xr,Xobs)是机器人和障碍物的碰撞时间,v是机器人和障碍物之间的相对速度,θ是机器人和障碍物之间的碰撞角,θm是机器人和障碍物之间的避碰角,t0是机器人的感知范围,ρ0是斥力场的影响半径,B1是从障碍物指向机器人的单位向量,B2是从机器人指向目标点的单位向量,B3是从障碍物指向机器人的单位向量。
本优选实施例根据改进的斥力场函数对斥力公式进行改进,综合考虑了机器人和障碍物之间的相对位置、相对速度以及机器人和目标点之间的位置关系,使得机器人在行驶过程中能够有效的进行避障行为,又能到达目标点,避免了陷入局部最小的问题。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (5)
1.一种无人驾驶机器人路径规划系统,其特征是,包括环境感知模块、路径规划模块、路径优化模块、路径控制模块和行驶监测模块,所述环境感知模块用于对无人驾驶机器人行驶的周围环境信息进行实时采集,并采用栅格法建立无人驾驶机器人的行驶空间模型,所述路径规划模块采用遗传算法对无人驾驶机器人的行驶路径进行全局路径,所述路径优化模块采用改进的人工势场法对路径规划模块规划所得的全局路径进行优化,所述路径控制模块用于控制无人驾驶机器人沿着路径规划模块和路径优化模块规划好的行驶路径进行行驶,所述行驶监测模块用于在无人驾驶机器人行驶的过程中偏离规划好的行驶路径时进行报警。
2.根据权利要求1所述的一种无人驾驶机器人路径规划系统,其特征是,所述路径规划模块采用遗传算法对无人驾驶机器人的行驶路径进行全局路径,对传统遗传算法中的适应度函数进行改进,具体为:
式中,ωd和wz为权重因子,l(si)为节点si和节点si-1之间的路径长度,K为路径中的节点总数,z(si)为节点si和节点si-1之间路径距离最近障碍物的距离,q是障碍物和路径之间的安全距离,γ是系数。
3.根据权利要求2所述的一种无人驾驶机器人路径规划系统,其特征是,路径优化模块采用改进的人工势场法对路径规划模块规划所得的全局路径进行优化,定义Utotal为总势场,Uatt为引力场,Urep为斥力场,Ftotal为合力,Fatt为引力,Frep为斥力,则采用的人工势场表示如下:
Utotal=Uatt+Urep
Ftotal=Fatt+Frep
人工势场中的引力场函数Uatt的计算公式为:
Uatt=μ1||qgoal(t)-q(t)||m+μ2||vgoal(t)-v(t)||n
根据引力场函数构建的引力函数为:
Fatt=A1mu1||qgoal(t)-q(t)||m-1+A2nu2||vgoal(t)-v(t)||n-1
式中,||qgoal(t)-q(t)||表示t时刻机器人和目标点之间的欧几里得距离,||vgoal(t)-v(t)||表示t时刻机器人和目标点之间的相对速度,μ1和μ2表示引力增益系数,m和n是正常数,A1是从机器人指向目标点的单位向量,A2是机器人和目标点的相对速度的单位向量。
4.根据权利要求3所述的一种无人驾驶机器人路径规划系统,其特征是,所述路径优化模块采用改进的人工势场法对路径规划模块规划所得的全局路径进行优化,对人工势场法中的斥力场函数进行改进,
式中,η1和η2是斥力增益系数,t(Xr,Xobs)是机器人和障碍物的碰撞时间, v是机器人和障碍物之间的相对速度,θ是机器人和障碍物之间的碰撞角,θm是机器人和障碍物之间的避碰角,t0是机器人的感知范围,ρ0是斥力场的影响半径,ρ(Xr,Xobs)是机器人与障碍物之间的最小距离,ρ(Xr,Xgoal)是机器人与目标点之间的距离,n是正常数。
5.根据权利要求4所述的一种无人驾驶机器人路径规划系统,其特征是,根据改进的斥力场函数构建新的斥力公式为:
式中,ρ(Xr,Xobs)是机器人与障碍物之间的最小距离,ρ(Xr,Xgoal)是机器人与目标点之间的距离,n是正常数,η1和η2是斥力增益系数,t(Xr,Xobs)是机器人和障碍物的碰撞时间,v是机器人和障碍物之间的相对速度,θ是机器人和障碍物之间的碰撞角,θm是机器人和障碍物之间的避碰角,t0是机器人的感知范围,ρ0是斥力场的影响半径,B1是从障碍物指向机器人的单位向量,B2是从机器人指向目标点的单位向量,B3是从障碍物指向机器人的单位向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810726774.0A CN108803614A (zh) | 2018-07-04 | 2018-07-04 | 一种无人驾驶机器人路径规划系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810726774.0A CN108803614A (zh) | 2018-07-04 | 2018-07-04 | 一种无人驾驶机器人路径规划系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108803614A true CN108803614A (zh) | 2018-11-13 |
Family
ID=64074600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810726774.0A Withdrawn CN108803614A (zh) | 2018-07-04 | 2018-07-04 | 一种无人驾驶机器人路径规划系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108803614A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109557922A (zh) * | 2018-12-21 | 2019-04-02 | 江苏大学 | 一种智能拖拉机田间避障控制系统及方法 |
CN111360841A (zh) * | 2020-05-27 | 2020-07-03 | 北京云迹科技有限公司 | 机器人监控方法及装置、存储介质及电子设备 |
CN111369038A (zh) * | 2020-02-25 | 2020-07-03 | 华南理工大学 | 一种基于遗传算法的多目标动态调度方法 |
CN111694357A (zh) * | 2020-06-19 | 2020-09-22 | 国网福建省电力有限公司福州供电公司 | 基于遗传算法和人工势场法的机器人行走路径规划方法 |
CN112965471A (zh) * | 2021-02-10 | 2021-06-15 | 大连理工大学 | 一种考虑角速度约束和改进斥力场的人工势场路径规划方法 |
CN113848927A (zh) * | 2021-10-07 | 2021-12-28 | 兰州理工大学 | 一种自主规划路径的自动驾驶系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103092204A (zh) * | 2013-01-18 | 2013-05-08 | 浙江大学 | 一种混合的机器人动态路径规划方法 |
CN104317291A (zh) * | 2014-09-16 | 2015-01-28 | 哈尔滨恒誉名翔科技有限公司 | 一种基于人工势场法的机器人避碰路径规划方法 |
KR101585374B1 (ko) * | 2015-04-29 | 2016-01-15 | 중앙대학교 산학협력단 | 유전자 알고리즘을 이용한 로봇 경로 탐색 장치 및 방법 |
CN105717929A (zh) * | 2016-04-29 | 2016-06-29 | 中国人民解放军国防科学技术大学 | 一种多分辨率障碍物环境下移动机器人混合路径规划方法 |
CN106990777A (zh) * | 2017-03-10 | 2017-07-28 | 江苏物联网研究发展中心 | 机器人局部路径规划方法 |
CN107092255A (zh) * | 2017-05-19 | 2017-08-25 | 安徽工程大学 | 一种基于改进遗传算法的多移动机器人路径规划方法 |
-
2018
- 2018-07-04 CN CN201810726774.0A patent/CN108803614A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103092204A (zh) * | 2013-01-18 | 2013-05-08 | 浙江大学 | 一种混合的机器人动态路径规划方法 |
CN104317291A (zh) * | 2014-09-16 | 2015-01-28 | 哈尔滨恒誉名翔科技有限公司 | 一种基于人工势场法的机器人避碰路径规划方法 |
KR101585374B1 (ko) * | 2015-04-29 | 2016-01-15 | 중앙대학교 산학협력단 | 유전자 알고리즘을 이용한 로봇 경로 탐색 장치 및 방법 |
CN105717929A (zh) * | 2016-04-29 | 2016-06-29 | 中国人民解放军国防科学技术大学 | 一种多分辨率障碍物环境下移动机器人混合路径规划方法 |
CN106990777A (zh) * | 2017-03-10 | 2017-07-28 | 江苏物联网研究发展中心 | 机器人局部路径规划方法 |
CN107092255A (zh) * | 2017-05-19 | 2017-08-25 | 安徽工程大学 | 一种基于改进遗传算法的多移动机器人路径规划方法 |
Non-Patent Citations (2)
Title |
---|
刘传领 等: "基于量子遗传算法的移动机器人的一种路径规划方法", 《计算机科学》 * |
王雷 等: "改进自适应遗传算法在移动机器人路径规划中的应用", 《南京理工大学学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109557922A (zh) * | 2018-12-21 | 2019-04-02 | 江苏大学 | 一种智能拖拉机田间避障控制系统及方法 |
CN111369038A (zh) * | 2020-02-25 | 2020-07-03 | 华南理工大学 | 一种基于遗传算法的多目标动态调度方法 |
CN111369038B (zh) * | 2020-02-25 | 2022-06-14 | 华南理工大学 | 一种基于遗传算法的多目标动态调度方法 |
CN111360841A (zh) * | 2020-05-27 | 2020-07-03 | 北京云迹科技有限公司 | 机器人监控方法及装置、存储介质及电子设备 |
CN111360841B (zh) * | 2020-05-27 | 2020-08-18 | 北京云迹科技有限公司 | 机器人监控方法及装置、存储介质及电子设备 |
CN111694357A (zh) * | 2020-06-19 | 2020-09-22 | 国网福建省电力有限公司福州供电公司 | 基于遗传算法和人工势场法的机器人行走路径规划方法 |
CN111694357B (zh) * | 2020-06-19 | 2022-05-13 | 国网福建省电力有限公司福州供电公司 | 基于遗传算法和人工势场法的机器人行走路径规划方法 |
CN112965471A (zh) * | 2021-02-10 | 2021-06-15 | 大连理工大学 | 一种考虑角速度约束和改进斥力场的人工势场路径规划方法 |
CN112965471B (zh) * | 2021-02-10 | 2022-02-18 | 大连理工大学 | 一种考虑角速度约束和改进斥力场的人工势场路径规划方法 |
CN113848927A (zh) * | 2021-10-07 | 2021-12-28 | 兰州理工大学 | 一种自主规划路径的自动驾驶系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108803614A (zh) | 一种无人驾驶机器人路径规划系统 | |
Pandey et al. | Optimum path planning of mobile robot in unknown static and dynamic environments using Fuzzy-Wind Driven Optimization algorithm | |
Savkin et al. | Safe robot navigation among moving and steady obstacles | |
Cheah et al. | Region-based shape control for a swarm of robots | |
Khatib | Real-time obstacle avoidance for manipulators and mobile robots | |
Din et al. | Behavior-based swarm robotic search and rescue using fuzzy controller | |
Duan et al. | Optimal formation reconfiguration control of multiple UCAVs using improved particle swarm optimization | |
Sharma et al. | Tunnel passing maneuvers of prescribed formations | |
Jiang et al. | Autonomous navigation system of greenhouse mobile robot based on 3D Lidar and 2D Lidar SLAM | |
US11945097B2 (en) | Robot and robot system comprising same | |
US20210101288A1 (en) | Moving bed robot | |
Sharma et al. | Flocking of multi-agents in constrained environments | |
Lagaza et al. | Spider monkey optimization algorithm based collision-free navigation and path optimization for a mobile robot in the static environment | |
Cheng et al. | Flocking control of mobile robots with obstacle avoidance based on simulated annealing algorithm | |
Sun et al. | Cooperative strategy for pursuit-evasion problem with collision avoidance | |
Wang et al. | A collision avoidance strategy for safe autonomous navigation of an intelligent electric-powered wheelchair in dynamic uncertain environments with moving obstacles | |
Kundu et al. | A fuzzy approach towards behavioral strategy for navigation of mobile agent | |
Mohanty et al. | Navigation of autonomous mobile robot using adaptive neuro-fuzzy controller | |
Kato et al. | Image-based fuzzy trajectory tracking control for four-wheel steered mobile robots | |
Soltani-Zarrin et al. | Pointwise angle minimization: A method for guiding wheeled robots based on constrained directions | |
Peng | Formation control of multiple nonholonomic wheeled mobile robots | |
Kumar et al. | New players in intelligent transportation: Autonomous Segway in a dynamic environment | |
Kretzschmar et al. | Feature-based prediction of trajectories for socially compliant navigation | |
Al-Mayyahi | Motion control of unmanned ground vehicle using artificial intelligence | |
Claes et al. | Towards human-safe navigation with pro-active collision avoidance in a shared workspace |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181113 |