CN109032145B - 对多机器人路径的调度方法及装置 - Google Patents
对多机器人路径的调度方法及装置 Download PDFInfo
- Publication number
- CN109032145B CN109032145B CN201810996258.XA CN201810996258A CN109032145B CN 109032145 B CN109032145 B CN 109032145B CN 201810996258 A CN201810996258 A CN 201810996258A CN 109032145 B CN109032145 B CN 109032145B
- Authority
- CN
- China
- Prior art keywords
- robot
- robots
- total time
- shortest path
- consumed
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Abstract
本发明涉及机器人技术领域,具体涉及一种对多机器人路径的调度方法及装置。该方法包括按照预定算法根据每个机器人的多个目标点为对应机器人计算最短路径,计算每个机器人按照自身最短路径行驶需消耗的总时间,根据所述总时间确定每个机器人与其他机器人相遇时的移动优先级。进而在机器人再次按照自身最短路径行驶过程中,根据每个相遇时刻的移动优先级调节避让其他机器人,以重新得到行驶完最短路径需消耗的时间,进而再根据该得到的时间计算所有机器人行驶的总时间待所述总时间收敛后计算得到所有机器人消耗的总时间。本方案对所有机器人进行调度,使得机器人的路径被合理安排,减少机器人系统整体运行的代价。
Description
技术领域
本发明涉及机器人技术领域,具体而言,涉及一种对多机器人路径的调度方法及装置。
背景技术
在多个机器人的执行移动任务过程中,会经常出现与其他机器人路径干涉而进行避让的情况,机器人因为路径干涉而进行避让将会增加整个路径行驶的时间。如果机器人能根据路径干涉和避让时间的情况,合理调整任务的执行顺序,将使执行多个任务的路径最短,同时调整机器人之间的避让关系,能使机器人整体的运行时间减少,从而提高机器人系统整体的运行效率。因此,提供一种对多个机器人路径的调度方法是十分必要的。
发明内容
本发明的目的在于提供一种对多机器人路径的调度方法,以实现对单个机器人路径的合理调度,使机器人执行多个任务的路径最短。
本发明的另一目的在于提供一种对多机器人路径的调度装置,以实现对多个机器人避让的合理调度,使多个机器人执行任务的总时间最少。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种对多机器人路径的调度方法,应用于服务器,所述服务器与多个机器人均连接,所述方法包括:按照预定算法根据每个机器人的多个目标点为对应机器人计算最短路径;计算每个机器人按照自身最短路径行驶需消耗的时间和所有机器人消耗的总时间;根据所述总时间确定每个机器人在每个相遇处的移动优先级;在所述机器人再次按照自身最短路径行驶过程中,根据所述移动优先级调节避让其他机器人得到行驶完所述最短路径需消耗的时间和所有机器人消耗的总时间;反复计算所有机器人行驶自身的最短路径需消耗的时间和所有机器人消耗的总时间,待所述所有机器人消耗的总时间之和收敛后,得到所有机器人之间的避让关系和避让时间。
第二方面,本发明实施例还提供了一种对多机器人路径的调度装置,应用于服务器,所述服务器与多个机器人均连接,所述装置包括:第一计算模块,用于按照预定算法根据每个机器人的多个目标点为对应机器人计算最短路径;第二计算模块,用于计算每个机器人按照自身最短路径行驶需消耗的时间和所有机器人行驶的总时间;确定模块,用于根据所述总时间确定每个机器人的移动优先级;调节模块,用于在所述机器人再次按照自身最短路径行驶过程中,根据所述移动优先级避让其他机器人得到行驶完所述最短路径需消耗的时间和调整后所有机器人行驶的总时间;第三计算模块,用于反复计算所有机器人行驶自身的最短路径需消耗的总时间和所有机器人消耗的总时间,待所述所有机器人消耗的总时间之和收敛后得到所有机器人避让关系和避让时间。本发明实施例提供的一种对多机器人路径的调度方法及装置,该方法及装置应用于服务器,该服务器与多个机器人均连接。该方法包括按照预定算法根据每个机器人的多个目标点为对应机器人计算最短路径,计算每个机器人按照自身最短路径行驶需消耗的时间和所有机器人行驶的总时间,根据所述总时间确定每个机器人的移动优先级。进而在机器人再次按照自身最短路径行驶过程中,根据每个机器人的移动优先级调节避让其他机器人,以重新得到行驶完最短路径需消耗的时间,进而再根据该得到的时间计算所有机器人行驶的总时间确定每个机器人在相遇处的移动优先级,以通过该移动优先级对机器人的行驶进行调节,重新计算得到机器人行驶完自身最短路径需消耗的时间。循环上述过程,反复计算所有机器人行驶自身的最短路径需消耗的时间之和所有机器人消耗的总时间,待所述所有机器人消耗的总时间收敛后得到所有机器人避让关系和避让时间。。通过本方案对所有机器人进行调度,使得机器人的路径被合理安排,所有机器人行驶的总时间最少。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的一种对多机器人路径的调度方法的流程示意图。
图2示出了本发明实施例提供的一种对多机器人路径的调度装置的功能模块示意图。
图示:100-对多机器人路径的调度装置;110-第一计算模块;120-第二计算模块;130-确定模块;140-调节模块;150-第三计算模块。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
随着人们生活水平的提高,机器人越来越多地应用到人们生活的方方面面,如送快递、送餐等,但是多个机器人在同一个区域运行时,将会出现避让问题,由于机器人之间的相互避让将会增加所有机器人执行任务的总时间。因此,本发明实施例提供了一种对多机器人路径的调度方法,以对多个机器人的行驶路径进行调度,使得多个机器人可以选择较优路径进行行驶,并有序避让,以减少所有机器人执行任务的总时间。
请参照图1,是本发明实施例提供的一种对多机器人路径的调度方法的流程示意图,该方法应用于服务器中,该服务器与多个机器人均连接,用于对多个机器人进行路径的调度。该方法包括:
步骤S110,按照预定算法根据每个机器人的多个目标点为对应机器人计算最短路径。
亦即是说,一个机器人可能有多个需执行任务的目标点,因而根据遗传算法在多个目标点之间为机器人确定遍历所有目标点的最短路径。需要说明的是,该最短路径为机器人行驶完所有目标点耗时最短的路径,该耗时仅为机器人的行驶时间,不考虑机器人的停靠时间、排队时间或避让时间等其他耗时。此外,确定每个机器人的最短路径还需考虑其他机器人的路径行驶,因此,最后确定的机器人的行驶路径应为综合考虑其他机器人路径的相对较优的路径。该根据预定算法计算最短路径的方式为:
L=min(∑lij)
i≠j,1≤i,j≤m
其中,lij为两个目标点之间路径的长度,L为根据多个目标点确定的最短路径。
步骤S120,计算每个机器人按照自身最短路径行驶需消耗的总时间。
具体为,确定每个机器人行驶的最短路径后,将控制机器人按照自身最短路径进行行驶,并计算每个机器人按照自身最短路径行驶需消耗的总时间。该总时间的计算方式为:
其中,ti为机器人的避让时间,tj为机器人的排队时间,tk为机器人的停靠时间,Ll为各段路径上机器人的移动时间,s为机器人的平均速度,T为需消耗的总时间。
步骤S130,根据所述总时间确定每个机器人在相遇处的移动优先级。
具体为,该机器人的移动优先级为在行驶路径上机器人相遇时,哪个机器人优先通过的判断条件,即是说,移动优先级高的机器人将优先通过,移动优先级低的机器人将稍后通过。该机器人的移动优先级的确定因素包括两个方面,分别为机器人本身数据和机器人按照最短路径行驶的总时间。其机器人的移动优先级的计算方式为:
其中,P为机器人的移动优先级,Pi为根据机器人本身因素确定的第一影响因素,Pt为根据所有机器人行驶的总时间确定的第二影响因素,a为预先设定的调节因子,Ta为所有机器人行驶时间的和。。
需要说明的是,机器人行驶的总时间越长,第二影响因素的值越小,机器人行驶的总时间越短,第二影响因素的值越大。
步骤S140,在所述机器人再次按照自身最短路径行驶过程中,根据所述移动优先级调节避让其他机器人得到行驶完所述最短路径需消耗的总时间。
具体为,确定每个机器人在每个相遇处的移动优先级后,继续控制机器人按照确定的自身最短路径进行行驶,同时在机器人行驶过程中,根据自身在相遇处的移动优先级对机器人的行驶情况进行调节以合理避让其他机器人。如当两个机器人相向而行通过一个路口,则此时移动优先级较高的机器人将优先通过该路口,移动优先级较低的机器人将避让移动优先级较高的机器人。进而,再计算得出每个机器人经过调节后得出的行驶完整个最短路径消耗的总时间。
再通过重新得到的行驶完自身最短路径消耗的时间和所有机器人消耗的总时间去重新计算机器人自身在相遇处的移动优先级,进而再根据重新确定的移动优先级在机器人按照最短路径行驶过程中进行调节,并重新计算得到机器人当次行驶完最短路径消耗的时间和所有机器人消耗的总时间。待总时间趋于收敛或稳定后,所有机器人在相遇处的移动优先级就将确定下来,以后相同路径,将通过该移动优先级对机器人的行驶路径进行调控,以使得多个机器人执行任务的总时间最短。
步骤S150,反复计算所有机器人行驶自身的最短路径需消耗的时间和所有机器人消耗的总时间,待所有机器人消耗的总时间收敛后得到所有机器人的避让关系和避让时间。
即是说,当所有机器人行驶自身最短路径需消耗的时间之和收敛后,,即为所有机器人执行任务的整体代价最小。
亦即是说,运用启发式算法,如遗传算法、模拟退火算法等,以所有机器人行驶完各自的路径后需消耗的总时间的最小值为评价函数,根据不断调整的每个机器人的移动优先级反复计算机器人行驶自身最短路径需消耗的时间,并进一步计算所有机器人行驶完各自的路径后需消耗的总时间,待该总时间收敛后,此时确定下来的机器人的避让关系(即机器人自身的移动优先级)即为最优的机器人的移动优先级,此时所有机器人消耗的总时间即为需消耗的最小总时间。
由此可见,本发明实施例提供的一种对多机器人路径的调度方法,以实现通过多次实验确定出多个机器人路径的最佳避让方案,使得多个机器人执行任务的总时间最短,极大地优化了系统。
请参照图2,是本发明实施例提供的一种对多机器人路径的调度装置100的功能模块示意图,该装置包括第一计算模块110、第二计算模块120、确定模块130、调节模块140以及第三计算模块150。
第一计算模块110,用于按照预定算法根据每个机器人的多个目标点为对应机器人计算最短路径。
在本发明实施例中,步骤S110可以由第一计算模块110执行。
第二计算模块120,用于计算每个机器人按照自身最短路径行驶需消耗的总时间。
在本发明实施例中,步骤S120可以由第二计算模块120执行。
确定模块130,用于根据所述总时间确定每个机器人的移动优先级。
在本发明实施例中,步骤S130可以由确定模块130执行。
调节模块140,用于在所述机器人再次按照自身最短路径行驶过程中,根据所述移动优先级避让其他机器人得到行驶完所述最短路径需消耗的总时间。
在本发明实施例中,步骤S140可以由调节模块140执行。
第三计算模块150,用于反复计算所有机器人行驶自身的最短路径需消耗的时间和所有机器人消耗的总时间,待所有机器人消耗的总时间收敛后得到所有机器人避让关系和避让时间。在本发明实施例中,步骤S150可以由第三计算模块150执行。
由于在对多机器人路径的调度方法部分已经详细描述,在此不再赘述。
综上所述,本发明实施例提供的一种对多机器人路径的调度方法及装置,该方法及装置应用于服务器,该服务器与多个机器人均连接。该方法包括按照预定算法根据每个机器人的多个目标点为对应机器人计算最短路径,计算每个机器人按照自身最短路径行驶需消耗的总时间,根据所述总时间确定每个机器人的移动优先级。进而在机器人再次按照自身最短路径行驶过程中,根据每个机器人的移动优先级调节避让其他机器人,以重新得到行驶完最短路径需消耗的总时间,进而再根据该得到的总时间确定每个机器人与其他机器人相遇时的移动优先级,以通过该移动优先级对机器人的行驶进行调节,重新计算得到机器人行驶完自身最短路径需消耗的时间。循环上述过程,反复计算所有机器人行驶自身的最短路径需消耗的时间和所有机器人消耗的总时间,待所述所有机器人消耗的总时间收敛后得到所有机器人的避让关系和避让时间。通过本方案对所有机器人进行调度,使得机器人的路径被合理安排,所有机器人行驶的总时间最少。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种对多机器人路径的调度方法,应用于服务器,所述服务器与多个机器人均连接,其特征在于,所述方法包括:
按照预定算法根据每个机器人的多个目标点为对应机器人计算最短路径;
计算每个机器人按照自身最短路径行驶需消耗的总时间;
根据所述总时间确定每个机器人的移动优先级;
在所述机器人再次按照自身最短路径行驶过程中,根据所述移动优先级调节避让其他机器人得到行驶完所述最短路径需消耗的时间;
反复计算所有机器人在相遇处的移动优先级,进而计算每个机器人自身行驶最短路径需消耗的时间,再求所有机器人消耗的总时间,待所述所有机器人消耗的总时间之和收敛后得到所有机器人的避让关系和避让时间。
2.如权利要求1所述的方法,其特征在于,所述按照预定算法根据每个机器人的多个目标点为对应机器人计算最短路径的方法为:
L=min(∑lij)
i≠j,1≤i,j≤m
其中,lij为两个目标点之间路径的长度,L为根据多个目标点确定的最短路径。
5.如权利要求4所述的方法,其特征在于,所述所有机器人行驶的总时间越长,所述第二影响因素的值越小;所述所有机器人行驶的总时间越短,所述第二影响因素的值越大。
6.一种对多机器人路径的调度装置,应用于服务器,所述服务器与多个机器人均连接,其特征在于,所述装置包括:
第一计算模块,用于按照预定算法根据每个机器人的多个目标点为对应机器人计算最短路径;
第二计算模块,用于计算每个机器人按照自身最短路径行驶需消耗的时间和所有机器人消耗的总时间;
确定模块,用于根据所述总时间确定每个机器人的移动优先级;
调节模块,用于在所述机器人再次按照自身最短路径行驶过程中,根据各相遇处移动优先级避让其他机器人得到行驶完所述最短路径需消耗的时间和所有机器人消耗的总时间;
第三计算模块,用于反复计算所有机器人行驶自身的最短路径需消耗的时间和所有机器人消耗的总时间,待所述所有机器人消耗的总时间收敛后得到所有机器人的避让关系和避让时间。
7.如权利要求6所述的装置,其特征在于,所述第一计算模块的计算方式为:
L=min(∑lij)
i≠j,1≤i,j≤m
其中,lij为两个目标点之间路径的长度,L为根据多个目标点确定的最短路径。
10.如权利要求9所述的装置,其特征在于,所述所有机器人行驶的总时间越长,所述第二影响因素的值越小;所述所有机器人行驶的总时间越短,所述第二影响因素的值越大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810996258.XA CN109032145B (zh) | 2018-08-29 | 2018-08-29 | 对多机器人路径的调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810996258.XA CN109032145B (zh) | 2018-08-29 | 2018-08-29 | 对多机器人路径的调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109032145A CN109032145A (zh) | 2018-12-18 |
CN109032145B true CN109032145B (zh) | 2021-09-10 |
Family
ID=64625149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810996258.XA Active CN109032145B (zh) | 2018-08-29 | 2018-08-29 | 对多机器人路径的调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109032145B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109901578B (zh) * | 2019-03-01 | 2022-07-05 | 深圳优地科技有限公司 | 一种控制多机器人的方法、装置及终端设备 |
CN110377038A (zh) * | 2019-07-15 | 2019-10-25 | 深圳优地科技有限公司 | 一种机器人避让行驶方法、装置及机器人 |
CN112749866A (zh) * | 2019-10-31 | 2021-05-04 | 阿里巴巴集团控股有限公司 | 实体餐饮店内的运输车调度方法、装置及计算机系统 |
CN110727272B (zh) * | 2019-11-11 | 2023-04-18 | 广州赛特智能科技有限公司 | 一种多台机器人的路径规划调度系统及方法 |
CN110986989A (zh) * | 2019-12-24 | 2020-04-10 | 广东嘉腾机器人自动化有限公司 | 混合车型路径规划方法和相关装置 |
CN111369129B (zh) * | 2020-02-29 | 2023-04-07 | 广东博智林机器人有限公司 | 一种建筑机器人的生产调度方法和系统 |
CN113534787A (zh) * | 2020-04-15 | 2021-10-22 | 北京旷视机器人技术有限公司 | Agv调度方法、装置、电子设备及可读存储介质 |
CN112068544A (zh) * | 2020-07-20 | 2020-12-11 | 上海擎朗智能科技有限公司 | 一种自主移动装置的调度方法、装置、设备及存储介质 |
CN112068576B (zh) * | 2020-07-21 | 2022-07-12 | 华中科技大学 | 一种基于任务分级时序优化的水下无人艇-双机械臂协同控制方法 |
CN113110503A (zh) * | 2021-05-12 | 2021-07-13 | 深圳市千乘机器人有限公司 | 一种基于移动机器人的多检测目标最短路径计算方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007108879A (ja) * | 2005-10-11 | 2007-04-26 | Nippon Steel Corp | 無人搬送台車の干渉防止制御システム及び方法 |
CN103810541A (zh) * | 2014-03-05 | 2014-05-21 | 上海振华重工电气有限公司 | 码头轨道式起重机最优路径调度方法和系统 |
CN105117791A (zh) * | 2015-07-29 | 2015-12-02 | 沈阳工业大学 | 大件加工车间天车调度优化方法 |
CN105652838A (zh) * | 2016-01-29 | 2016-06-08 | 哈尔滨工大服务机器人有限公司 | 一种基于时间窗的多机器人路径规划方法 |
CN106647763A (zh) * | 2017-01-06 | 2017-05-10 | 深圳优地科技有限公司 | 一种机器人调度方法、装置和服务器 |
CN107045343A (zh) * | 2016-12-30 | 2017-08-15 | 芜湖哈特机器人产业技术研究院有限公司 | 一种agv交通管制方法和系统 |
CN107479552A (zh) * | 2017-08-29 | 2017-12-15 | 烟台大学 | 基于Agent的轨道机器人自组织控制系统 |
CN107731010A (zh) * | 2017-11-30 | 2018-02-23 | 重庆邮电大学 | 车联网环境下前车智能避让推荐方法及系统 |
-
2018
- 2018-08-29 CN CN201810996258.XA patent/CN109032145B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007108879A (ja) * | 2005-10-11 | 2007-04-26 | Nippon Steel Corp | 無人搬送台車の干渉防止制御システム及び方法 |
CN103810541A (zh) * | 2014-03-05 | 2014-05-21 | 上海振华重工电气有限公司 | 码头轨道式起重机最优路径调度方法和系统 |
CN105117791A (zh) * | 2015-07-29 | 2015-12-02 | 沈阳工业大学 | 大件加工车间天车调度优化方法 |
CN105652838A (zh) * | 2016-01-29 | 2016-06-08 | 哈尔滨工大服务机器人有限公司 | 一种基于时间窗的多机器人路径规划方法 |
CN107045343A (zh) * | 2016-12-30 | 2017-08-15 | 芜湖哈特机器人产业技术研究院有限公司 | 一种agv交通管制方法和系统 |
CN106647763A (zh) * | 2017-01-06 | 2017-05-10 | 深圳优地科技有限公司 | 一种机器人调度方法、装置和服务器 |
CN107479552A (zh) * | 2017-08-29 | 2017-12-15 | 烟台大学 | 基于Agent的轨道机器人自组织控制系统 |
CN107731010A (zh) * | 2017-11-30 | 2018-02-23 | 重庆邮电大学 | 车联网环境下前车智能避让推荐方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109032145A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109032145B (zh) | 对多机器人路径的调度方法及装置 | |
CN109108972B (zh) | 多机器人通过狭窄区域的调度方法及装置 | |
JP2020531993A5 (zh) | ||
WO2020079066A4 (en) | Autonomous vehicle planning and prediction | |
JP5463945B2 (ja) | 飛行体順序付けシステム、飛行体順序付け方法および飛行体順序付けプログラム | |
Samsonov et al. | Manufacturing Control in Job Shop Environments with Reinforcement Learning. | |
JP6937658B2 (ja) | 予測制御装置及び方法 | |
Nagavalli et al. | Automated sequencing of swarm behaviors for supervisory control of robotic swarms | |
US20200285202A1 (en) | Control device, unmanned system, control method, and program | |
Liniger et al. | Racing miniature cars: Enhancing performance using stochastic MPC and disturbance feedback | |
JP2011031879A (ja) | 到着時刻制御を使用する垂直航法の方法及びシステム | |
Herman et al. | Inverse reinforcement learning of behavioral models for online-adapting navigation strategies | |
JP2017024113A (ja) | 人間協調型ロボットシステムのロボットシミュレーション装置 | |
JP2016019411A (ja) | 自動列車運転装置及び自動列車運転方法 | |
Weng et al. | Dynamic routing strategies for JIT production in hybrid flow shops | |
JP6721121B2 (ja) | 制御カスタマイズシステム、制御カスタマイズ方法および制御カスタマイズプログラム | |
Jin et al. | A learning based hierarchical control framework for human–robot collaboration | |
US20050182747A1 (en) | Method and system for executing multiple tasks at adaptively controlled resource utilization rates to achieve equal QoS levels | |
JP6224494B2 (ja) | 設定更新システム、走行車制御システム、設定更新方法及びコンピュータプログラム | |
Sheikhnezhad Fard et al. | A novel model for arbitration between planning and habitual control systems | |
Harutyunyan et al. | Off-policy shaping ensembles in reinforcement learning | |
KR20200109917A (ko) | Gpu 기반의 분산 딥 러닝 모델의 학습 속도 예측 방법 및 기록매체 | |
US11651282B2 (en) | Learning method for learning action of agent using model-based reinforcement learning | |
CN110362040A (zh) | 基于b样条的机器人运动轨迹规划方法 | |
CN113715845A (zh) | 一种自动驾驶方法、装置及电子设备 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210201 Address after: 510000 room 1005, 228 Qiaotou street, Beishan village, Xinjiao South Road, Haizhu District, Guangzhou City, Guangdong Province Applicant after: Guangzhou Anshang Intelligent Technology Co.,Ltd. Address before: 510000 Guangzhou high tech Industrial Development Zone, Guangdong Province, 31 Kefeng Road, No. a220, building G1, Zhongchuang space, South China new materials innovation park, 49 Applicant before: GUANGZHOU DREAMONE ROBOT AUTOMATION Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |