CN109947120A - 仓储系统中的路径规划方法 - Google Patents
仓储系统中的路径规划方法 Download PDFInfo
- Publication number
- CN109947120A CN109947120A CN201910353771.1A CN201910353771A CN109947120A CN 109947120 A CN109947120 A CN 109947120A CN 201910353771 A CN201910353771 A CN 201910353771A CN 109947120 A CN109947120 A CN 109947120A
- Authority
- CN
- China
- Prior art keywords
- node
- robot
- map
- present
- time
- 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.)
- Granted
Links
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种仓储系统路径规划方法,主要解决目前仓储系统中机器人路径规划效率低的问题。其方案是:1)创建三维时空地图;2)获取机器人起点终点信息,设置起点为当前节点;3)根据当前节点在三维地图中选择可扩展节点,并判断可扩展节点是否符合要求,若不符合将其抛弃;4)计算剩余节点的启发函数值,并设置剩余节点的父节点为当前节点,将其全部放入开启列表;5)在开启列表中选启发函数值最小的点设为当前节点,放入关闭列表中;6)循环3)‑5)直至满足循环终止条件;7)从最后放入关闭列表中的节点开始通过查找父节点生成完整路径。本发明加强了机器人间的协同合作,降低了转弯消耗,提高了系统效率,可用于仓储系统。
Description
技术领域
本发明涉及仓储技术领域,具体涉及一种路径规划方法,可用于仓储系统。
背景技术
近年来随着电子商务蓬勃发展,对仓储的规模、效率和自动化水平都提出了更高的要求。以亚马逊Kiva仓储系统为代表的多AGV自动仓储系统实现了仓储模式从“人到货”到“货到人”的转变,提升了系统的整体效率。但随着电商仓储系统的规模日益增大,仓库面积扩大,机器人数量增多,路网情况更加复杂。在动态环境中,由于机器人之间相互影响,互为障碍,使得路径规划成为仓储系统中十分重要的一环,同时,对路径规划算法的效率又提出了更高的要求。
现有的仓储机器人路径规划算法有Dijkstra算法,A*算法等,这些算法主要基于二维平面,针对单个机器人,为机器人规划出一条成功规避固定障碍物的路径。而对于动态障碍物,即其他机器人,则只能采用等待,规定路径方向等策略规避,效率较低。而且在路径规划过程中,通常只考虑路径本身,没有考虑机器人在实际运行过程中的转弯代价,机器人在转弯时会比直线行走耗时更长,相同路径长度中若转弯次数较多,则完成这条路径的耗时较长。这种情况使得路径规划没有达到行驶时间最短的目标,会对大规模仓储系统的效率带来影响。
在多机器人系统中,机器人数量多,系统规模大,路网情况更加复杂,机器人发生冲突的概率更大,机器人规划的路径的优劣对于整个系统效率的影响更加明显,传统路径规划算法的弊端会凸显出来。在这样的系统中,加强机器人间的协同合作并且考虑特定时间代价可以提升系统的效率以及鲁棒性,是仓储系统路径规划研究的重要方向。
发明内容
本发明的目的在于针对上述现有技术的不足,提供一种仓储系统路径规划方法,以提高机器人寻找无冲突路径的效率,促进移动机器人之间的协同合作,减少冲突,缩短机器人运送货架的时间,提升系统的整体运行效率。
为实现上述目的,本发明具体方案如下:
一种仓储系统中的路径规划方法,所述仓储系统,包括机器人、货架和分拣站台,其特征在于,实现步骤包括如下:
(1)创建三维时空地图,即先采用栅格法创建二维地图,再在二维地图的基础上增加时间维度;
(2)基于三维时空地图规划路径:
(2a)获取机器人准备出发的起点位置坐标(x0,y0)、终点位置坐标(xn,yn)和当前时间点t0,将(x0,y0,t0)设置为当前节点;
(2b)判断当前节点(x,y,t)的父节点Nodep是否存在,若不存在,则选择(x-1,y,t+1),(x,y-1,t+1),(x+1,y,t+1),(x,y+1,t+1),(x,y,t+1)这五个节点,执行(2e);若存在,则判断Nodep与当前节点在二维地图中的位置是否相同,如果不相同,则选择节点(x,y,t+1),执行(2e),如果相同,执行(2c);
(2c)判断Nodep的父节点Nodepp是否存在,若不存在,则选择(x-1,y,t+1),(x,y-1,t+1),(x+1,y,t+1),(x,y+1,t+1),(x,y,t+1)这五个节点;若存在,则判断Nodepp与当前节点在二维地图中的位置是否相同,如果相同,则选择(x-1,y,t+1),(x,y-1,t+1),(x+1,y,t+1),(x,y+1,t+1),(x,y,t+1)这五个节点,执行(2e),如果不相同,执行(2d);
(2d)设Nodepp的坐标为(xp,yp,tp),当前节点坐标为(x,y,t),选择节点(x+x-xp,y+y-yp,t+1),执行(2e);
(2e)判断所选节点是否超出地图范围,若超出,则将该节点抛弃后再执行(2f),若没有超出,则直接执行(2f);
(2f)在时空地图中搜索剩余节点,判断是否已被占用:若被占用,将该节点抛弃后再执行(2g),若没有被占用,则直接执行(2g);
(2g)计算剩余全部节点的启发函数值f(n);
(2h)将剩余全部节点的父节点设置为(x,y,t),并将这些节点放入开启列表openlist中;
(2i)在openlist中取出启发函数值最小的节点,将其设置为当前节点,放入关闭列表closelist中;
(2j)重复步骤(2b)-(2i),直到终点已被放入closelist中或者openlist为空,对于终点已被放入closelist中的执行(2k),对于openlist为空的表明无法规划出路径;
(2k)从最后放入closelist中的节点开始,通过查找父节点的方式一步一步回溯到起点,最终形成一条从起点到终点的完整路径,并且将路径中的每一个节点设置为被占用。
本发明与现有技术相比具有如下优点:
1.本发明由于在地图中增加时间维度,形成三维时空地图,可引入动态的地图信息,使机器人能在路径规划时考虑时间因素,加强机器人间的协同合作;同时由于本发明通过限制节点的搜索方向增加转弯代价,减少了机器人的转弯次数,降低了转弯消耗,从而提高了系统的整体效率。
2.本发明由于在机器人行驶前已规划好无冲突路径,降低了对机器人自主决策能力和实时应变能力的要求,降低了单个机器人的成本,从而降低了整个系统的成本。
3.本发明考虑了转弯的特定时间代价,使得路径规划的仿真进程更加接近实际应用场景,具有更高的实际应用价值。
附图说明
图1是本发明应用的系统示意图;
图2是本发明的实现流程图;
图3是本发明中时空地图的局部示意图;
图4是本发明中选择可扩展节点子流程图。
具体实施方式
以下结合附图对本发明作进一步详细描述。
本发明实施例所提供的一种仓储系统中的路径规划方法适用于仓储系统。
参照图1,本发明所应用的系统环境包括中央控制服务器1,多个分拣站台2,多个移动机器人3和多个可移动货架4。其中,每个移动机器人3分别与一个可移动货架4和一个分拣站台2无线连接,每个分拣站台2与中央控制服务器1有线连接。
参照图2,本发明的实施步骤如下:
步骤1,创建三维时空地图。
三维时空地图是对二维地图的升级,其实现如下:
1.1)采用栅格法构建二维地图:
将仓库平面划分为大小相同的网格,网格的大小与货架的底面相同,且大于搬运货架的机器人;
设置二维地图坐标,以左上角为坐标原点,向右向下分别为x轴和y轴的正方向,将机器人在地图中的行驶方向规定为前后左右四个方向;
1.2)构建三维地图:
如图3所示,三维地图是在二维的基础上增加时间维度,即在二维地图中增加一个垂直于x、y轴的时间轴,该时间轴的单位长度为其中a为仓储环境中网格的边长,v为移动机器人匀速运动的速度;该三维地图用于标识某个位置的节点在某个时间点被占用,其中,图3所示的深色部分代表被占用的节点,其他机器人在路径规划时将这一点视作障碍物,避免路径从这点经过,从而在规划阶段就可有效规避冲突。
上述三维地图中被占用节点的信息由所有机器人共享,货架在地图中一直处于被占用状态。
步骤2,获取机器人路径信息。
根据机器人所在位置,获取机器人的起点位置坐标(x0,y0),根据该机器人被分配的任务,获取终点位置坐标(xn,yn),最后获取当前时间点t0,将(x0,y0,t0)设置为当前节点。
步骤3,选择可扩展节点。
可扩展节点即为机器人下一步可以选择到达的节点,扩展方向可以为x、y轴正方向,x、y轴负方向和时间轴正方向,但可扩展方向的选择还要受以下两个条件的限制:
一是从图3可知,机器人在三维地图中进行预约占用时会连续占用至少两个时间点的节点,这是因为当机器人行驶到两个节点中间时,同时占用了这两个节点,这时需要保证这两个节点在之后的路径规划过程中不会被占用,如果不考虑这种情况,将会出现相向行驶的两个机器人穿越对方而过的场景;
二是机器人在转弯前需要在当前所在节点停留一个时间单位。
根据限制条件一,设当前节点坐标为(x,y,t),若节点(x,y,t-1)没有被占用,则节点(x,y,t+1)一定要被占用,扩展方向只能选择时间轴正方向,可扩展节点为(x,y,t+1);
根据限制条件二,若机器人没有在当前节点停留,则只能按照之前的行驶方向继续行驶或者停留在原地,节点扩展时只能向与原行驶方向相同的方向或者时间轴正方向扩展。
基于上述限制条件,参照图4,本步骤的具体实现如下:
3.1)判断当前节点(x,y,t)的父节点Nodep是否存在:
若不存在,表明机器人此时正位于起点,还没有移动,则选择(x-1,y,t+1),(x,y-1,t+1),(x+1,y,t+1),(x,y+1,t+1),(x,y,t+1)这五个节点为可扩展节点,表明机器人可以向前后左右任意方向行驶或者停留在原地,然后再执行步骤4;
若存在,则判断Nodep与当前节点在二维地图中的位置是否相同:如果不相同,两个节点的时间坐标一定相同,表明机器人刚从Nodep移动到当前节点,由于同一个节点至少要被连续占用一个单位时间,此时只能选择节点(x,y,t+1)为可扩展节点,再执行步骤4,如果相同,则执行(3.2);
3.2)判断Nodep的父节点Nodepp是否存在:
若不存在,表明机器人此时正位于起点,则选择(x-1,y,t+1),(x,y-1,t+1),(x+1,y,t+1),(x,y+1,t+1),(x,y,t+1)这五个节点;
若存在,则判断Nodepp与当前节点在二维地图中的位置是否相同:如果相同,表明机器人在该位置做了停留,下一步可以向任意方向行驶或继续停留,则选择(x-1,y,t+1),(x,y-1,t+1),(x+1,y,t+1),(x,y+1,t+1),(x,y,t+1)这五个节点为可扩展节点,执行步骤4,如果不相同,表明机器人没有做停留,则执行(3.3);
3.3)由于没有做停留,机器人只能按照原先的行驶方向继续行驶或者停留在原地:设Nodepp的坐标为(xp,yp,tp),当前节点坐标为(x,y,t),选择节点(x+x-xp,y+y-yp,t+1)和节点(x,y,t+1),执行步骤4。
步骤4,判断节点是否符合要求。
4.1)判断所选节点是否超出地图范围,若超出,则将该节点抛弃后再执行步骤(4.2),若没有超出,则直接执行(4.2);
4.2)在三维地图中搜索剩余节点,判断是否已被占用:若被占用,表明将会发生冲突,则将该节点抛弃,再执行步骤5,若没有被占用,则直接执行步骤5。
步骤5,计算节点的启发函数值。
计算剩余每个节点的启发函数值f(n),计算公式如下:
其中,tg表示从源节点到当前节点已经运行的时间,是一个精确值,表示从当前节点到终点的估计行驶时间,是一个估计值,v为机器人的移动速度,(xi,yi)为机器人当前所在节点的位置坐标,(xn,yn)为终点位置坐标,|xi-xn|+|yi-yn|是当前节点到终点的估计距离。
步骤6,设置父节点。
将剩余所有节点的父节点设置为当前节点,表明剩余所有节点都是由当前节点扩展而来,再将这些节点放入开启列表openlist中。
步骤7,设置新的当前节点,即在openlist中取出启发函数值最小的节点,将其设置为当前节点,放入关闭列表closelist。
步骤8,重复步骤3到步骤7,直到终点已被放入closelist中或者openlist为空,对于终点已被放入closelist中的执行步骤9,对于openlist为空的表明无法规划出路径。
步骤9,生成完整路径。
从最后放入closelist中的节点开始,通过查找父节点的方式一步一步回溯到起点,最终形成一条从起点到终点的完整路径,并且将路径中的每一个节点在三维地图中设置为被占用。
以上描述仅是本发明的一个具体实例,并未构成对本发明的任何限制,显然对于本领域的专业人员来说,在了解了本发明内容和原理后,都可能在不背离本发明原理、结构的情况下,进行形式和细节上的各种修改和改变,但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。
Claims (4)
1.一种仓储系统中的路径规划方法,所述仓储系统,包括机器人、货架和分拣站台,其特征在于,实现步骤包括如下:
(1)创建三维时空地图,即先采用栅格法创建二维地图,再在二维地图的基础上增加时间维度;
(2)基于三维时空地图规划路径:
(2a)获取机器人准备出发的起点位置坐标(x0,y0)、终点位置坐标(xn,yn)和当前时间点t0,将(x0,y0,t0)设置为当前节点;
(2b)判断当前节点(x,y,t)的父节点Nodep是否存在,若不存在,则选择(x-1,y,t+1),(x,y-1,t+1),(x+1,y,t+1),(x,y+1,t+1),(x,y,t+1)这五个节点,执行(2e);若存在,则判断Nodep与当前节点在二维地图中的位置是否相同,如果不相同,则选择节点(x,y,t+1),执行(2e),如果相同,执行(2c);
(2c)判断Nodep的父节点Nodepp是否存在,若不存在,则选择(x-1,y,t+1),(x,y-1,t+1),(x+1,y,t+1),(x,y+1,t+1),(x,y,t+1)这五个节点;若存在,则判断Nodepp与当前节点在二维地图中的位置是否相同,如果相同,则选择(x-1,y,t+1),(x,y-1,t+1),(x+1,y,t+1),(x,y+1,t+1),(x,y,t+1)这五个节点,执行(2e),如果不相同,执行(2d);
(2d)设Nodepp的坐标为(xp,yp,tp),当前节点坐标为(x,y,t),选择节点(x+x-xp,y+y-yp,t+1)和节点(x,y,t+1),执行(2e);
(2e)判断所选节点是否超出地图范围,若超出,则将该节点抛弃后再执行(2f),若没有超出,则直接执行(2f);
(2f)在时空地图中搜索剩余节点,判断是否已被占用:若被占用,将该节点抛弃后再执行(2g),若没有被占用,则直接执行(2g);
(2g)计算剩余全部节点的启发函数值f(n);
(2h)将剩余全部节点的父节点设置为(x,y,t),并将这些节点放入开启列表openlist中;
(2i)在openlist中取出启发函数值最小的节点,将其设置为当前节点,放入关闭列表closelist中;
(2j)重复步骤(2b)-(2i),直到终点已被放入closelist中或者openlist为空,对于终点已被放入closelist中的执行(2k),对于openlist为空的表明无法规划出路径;
(2k)从最后放入closelist中的节点开始,通过查找父节点的方式一步一步回溯到起点,最终形成一条从起点到终点的完整路径,并且将路径中的每一个节点设置为被占用。
2.根据权利要求1所述的方法,其特征在于,(2g)中的启发函数值f(n),通过如下公式计算:
其中,tg表示从源节点到当前节点已经运行的时间,v为机器人的移动速度,(xi,yi)为机器人当前所在节点的位置坐标,(xn,yn)为终点位置坐标。
3.根据权利要求1所述的方法,其特征在于,(1)中采用栅格法创建二维地图,是将仓库平面划分为大小相同的正方形网格,网格的大小与货架的底面相同,且大于搬运货架的机器人,整个地图以左上角为坐标原点,向右向下分别为x轴和y轴的正方向。
4.根据权利要求1所述的方法,其特征在于,(1)中在二维地图的基础上增加时间维度,是增加一个垂直于二维地图中x、y轴的时间轴,该时间轴的单位长度设置为其中a为仓储环境中网格的边长,v为移动机器人匀速运动的速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910353771.1A CN109947120B (zh) | 2019-04-29 | 2019-04-29 | 仓储系统中的路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910353771.1A CN109947120B (zh) | 2019-04-29 | 2019-04-29 | 仓储系统中的路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109947120A true CN109947120A (zh) | 2019-06-28 |
CN109947120B CN109947120B (zh) | 2021-03-23 |
Family
ID=67016630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910353771.1A Active CN109947120B (zh) | 2019-04-29 | 2019-04-29 | 仓储系统中的路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109947120B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110362083A (zh) * | 2019-07-17 | 2019-10-22 | 北京理工大学 | 一种基于多目标跟踪预测的时空地图下自主导航方法 |
CN110398964A (zh) * | 2019-07-16 | 2019-11-01 | 浙江大学 | 一种低能量损耗机器人全覆盖路径规划方法及系统 |
CN110836671A (zh) * | 2019-11-14 | 2020-02-25 | 北京京邦达贸易有限公司 | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 |
CN111399543A (zh) * | 2020-04-04 | 2020-07-10 | 西安爱生技术集团公司 | 一种基于a*算法的同区域多条无碰撞航线规划方法 |
CN111736524A (zh) * | 2020-07-17 | 2020-10-02 | 北京布科思科技有限公司 | 一种基于时间和空间的多机器人调度方法、装置和设备 |
CN111928867A (zh) * | 2020-08-20 | 2020-11-13 | 上海西井信息科技有限公司 | 基于时间扩展的路径规划方法、系统、设备及存储介质 |
CN112985397A (zh) * | 2019-12-13 | 2021-06-18 | 北京京东乾石科技有限公司 | 机器人轨迹规划方法、装置、存储介质及电子设备 |
CN113191521A (zh) * | 2020-01-14 | 2021-07-30 | 北京京邦达贸易有限公司 | 路径规划方法、装置及计算机可读存储介质 |
WO2022032444A1 (zh) * | 2020-08-10 | 2022-02-17 | 深圳技术大学 | 一种多智能主体避障方法、系统和计算机可读存储介质 |
CN114595880A (zh) * | 2022-03-03 | 2022-06-07 | 捻果科技(深圳)有限公司 | 一种飞行区行为路线的智能预设方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102830702A (zh) * | 2012-09-07 | 2012-12-19 | 无锡普智联科高新技术有限公司 | 一种用于密集存储区域的移动机器人路径规划方法 |
CN107037812A (zh) * | 2017-03-31 | 2017-08-11 | 南京理工大学 | 一种基于仓储无人车的车辆路径规划方法 |
CN107092265A (zh) * | 2017-06-22 | 2017-08-25 | 义乌文烁光电科技有限公司 | 一种适用于矩阵式仓库的分拣小车路径规划方法 |
CN108253984A (zh) * | 2017-12-19 | 2018-07-06 | 昆明理工大学 | 一种基于改进a星算法的移动机器人路径规划方法 |
CN108469827A (zh) * | 2018-05-16 | 2018-08-31 | 江苏华章物流科技股份有限公司 | 一种适用于物流仓储系统的自动导引车全局路径规划方法 |
-
2019
- 2019-04-29 CN CN201910353771.1A patent/CN109947120B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102830702A (zh) * | 2012-09-07 | 2012-12-19 | 无锡普智联科高新技术有限公司 | 一种用于密集存储区域的移动机器人路径规划方法 |
CN107037812A (zh) * | 2017-03-31 | 2017-08-11 | 南京理工大学 | 一种基于仓储无人车的车辆路径规划方法 |
CN107092265A (zh) * | 2017-06-22 | 2017-08-25 | 义乌文烁光电科技有限公司 | 一种适用于矩阵式仓库的分拣小车路径规划方法 |
CN108253984A (zh) * | 2017-12-19 | 2018-07-06 | 昆明理工大学 | 一种基于改进a星算法的移动机器人路径规划方法 |
CN108469827A (zh) * | 2018-05-16 | 2018-08-31 | 江苏华章物流科技股份有限公司 | 一种适用于物流仓储系统的自动导引车全局路径规划方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110398964B (zh) * | 2019-07-16 | 2022-02-01 | 浙江大学 | 一种低能量损耗机器人全覆盖路径规划方法及系统 |
CN110398964A (zh) * | 2019-07-16 | 2019-11-01 | 浙江大学 | 一种低能量损耗机器人全覆盖路径规划方法及系统 |
CN110362083A (zh) * | 2019-07-17 | 2019-10-22 | 北京理工大学 | 一种基于多目标跟踪预测的时空地图下自主导航方法 |
CN110362083B (zh) * | 2019-07-17 | 2021-01-26 | 北京理工大学 | 一种基于多目标跟踪预测的时空地图下自主导航方法 |
CN110836671A (zh) * | 2019-11-14 | 2020-02-25 | 北京京邦达贸易有限公司 | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 |
CN110836671B (zh) * | 2019-11-14 | 2021-09-14 | 北京京邦达贸易有限公司 | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 |
CN112985397B (zh) * | 2019-12-13 | 2024-04-19 | 北京京东乾石科技有限公司 | 机器人轨迹规划方法、装置、存储介质及电子设备 |
CN112985397A (zh) * | 2019-12-13 | 2021-06-18 | 北京京东乾石科技有限公司 | 机器人轨迹规划方法、装置、存储介质及电子设备 |
CN113191521B (zh) * | 2020-01-14 | 2023-11-07 | 北京京邦达贸易有限公司 | 路径规划方法、装置及计算机可读存储介质 |
CN113191521A (zh) * | 2020-01-14 | 2021-07-30 | 北京京邦达贸易有限公司 | 路径规划方法、装置及计算机可读存储介质 |
CN111399543A (zh) * | 2020-04-04 | 2020-07-10 | 西安爱生技术集团公司 | 一种基于a*算法的同区域多条无碰撞航线规划方法 |
CN111736524A (zh) * | 2020-07-17 | 2020-10-02 | 北京布科思科技有限公司 | 一种基于时间和空间的多机器人调度方法、装置和设备 |
WO2022032444A1 (zh) * | 2020-08-10 | 2022-02-17 | 深圳技术大学 | 一种多智能主体避障方法、系统和计算机可读存储介质 |
CN111928867B (zh) * | 2020-08-20 | 2021-04-30 | 上海西井信息科技有限公司 | 基于时间扩展的路径规划方法、系统、设备及存储介质 |
CN111928867A (zh) * | 2020-08-20 | 2020-11-13 | 上海西井信息科技有限公司 | 基于时间扩展的路径规划方法、系统、设备及存储介质 |
CN114595880A (zh) * | 2022-03-03 | 2022-06-07 | 捻果科技(深圳)有限公司 | 一种飞行区行为路线的智能预设方法及系统 |
CN114595880B (zh) * | 2022-03-03 | 2022-11-25 | 捻果科技(深圳)有限公司 | 一种飞行区行为路线的智能预设方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109947120B (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109947120A (zh) | 仓储系统中的路径规划方法 | |
Lakshmanan et al. | Complete coverage path planning using reinforcement learning for tetromino based cleaning and maintenance robot | |
CN106371445B (zh) | 一种基于拓扑地图的无人车规划控制方法 | |
Zhao et al. | The experience-memory Q-learning algorithm for robot path planning in unknown environment | |
CN112229419B (zh) | 一种动态路径规划导航方法及系统 | |
CN110006429A (zh) | 一种基于深度优化的无人船航迹规划方法 | |
CN109269518B (zh) | 一种基于智能体的可移动装置有限空间路径生成方法 | |
CN113189988B (zh) | 一种基于Harris算法与RRT算法复合的自主路径规划方法 | |
Wu et al. | An adaptive conversion speed Q-learning algorithm for search and rescue UAV path planning in unknown environments | |
CN115237135A (zh) | 一种基于冲突的移动机器人路径规划方法及系统 | |
CN113516429B (zh) | 一种基于网络拥堵模型的多agv全局规划方法 | |
Wang et al. | Research on dynamic path planning of wheeled robot based on deep reinforcement learning on the slope ground | |
CN118258407B (zh) | 基于分层场景图谱的导航方法、系统、终端及存储介质 | |
CN112099486A (zh) | 任意位置多机器人编队成形控制方法、系统、设备及应用 | |
Lu et al. | An optimal frontier enhanced “next best view” planner for autonomous exploration | |
Chen et al. | Path planning for multi-robot systems in intelligent warehouse | |
Zeng et al. | An efficient path planning algorithm for mobile robots | |
CN112486185A (zh) | 在未知环境下基于蚁群和vo算法的路径规划方法 | |
Chen et al. | GVD-Exploration: An Efficient Autonomous Robot Exploration Framework Based on Fast Generalized Voronoi Diagram Extraction | |
Zhang et al. | Visual navigation of mobile robots in complex environments based on distributed deep reinforcement learning | |
Xue et al. | Path planning algorithm in complex environment based on DDPG and MPC | |
CN114415652B (zh) | 一种轮式机器人路径规划方法 | |
Camuffo et al. | Moving drones for wireless coverage in a three-dimensional grid analyzed via game theory | |
Wang et al. | Autonomous cross-floor navigation system for a ros-based modular service robot | |
Long et al. | Anytime multi-task motion planning for humanoid robots |
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 |