CN110673594A - 一种用于amr集群的调度和寻路方法及系统 - Google Patents

一种用于amr集群的调度和寻路方法及系统 Download PDF

Info

Publication number
CN110673594A
CN110673594A CN201910799166.7A CN201910799166A CN110673594A CN 110673594 A CN110673594 A CN 110673594A CN 201910799166 A CN201910799166 A CN 201910799166A CN 110673594 A CN110673594 A CN 110673594A
Authority
CN
China
Prior art keywords
amr
path
central server
cluster
obstacle
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.)
Pending
Application number
CN201910799166.7A
Other languages
English (en)
Inventor
邓耀桓
陈翀
张�浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Blue Fat Robot Co Ltd
Original Assignee
Guangzhou Blue Fat Robot Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Blue Fat Robot Co Ltd filed Critical Guangzhou Blue Fat Robot Co Ltd
Priority to CN201910799166.7A priority Critical patent/CN110673594A/zh
Publication of CN110673594A publication Critical patent/CN110673594A/zh
Pending legal-status Critical Current

Links

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
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0248—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means in combination with a laser
    • 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
    • G05D1/0287—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提出了一种AMR集群的调度和寻路的方法，该方法的具体步骤为：S1、将工作区域离散化；S2、由中央服务器规划全局路线，并更新各区域交通流量；S3、由ARM自主规避障碍物，跟踪全局路线到达目的地。并依照该方法设计出了一种用于AMR集群的调度和寻路的系统，弥补了AMR单机式寻路算法和中央式寻路算法的缺陷，从而避免AMR集群在到达目的地前不发生拥堵、死锁的情况，实现高效运输货物的目的。

Description

一种用于AMR集群的调度和寻路方法及系统
技术领域
本发明涉及自主移动机器人和寻路算法领域，更具体的说是涉及一种用于AMR集群的调度和寻路的方法和系统。
背景技术
目前，更为精细、灵活且更具成本效益的自主移动机器人(AMR)技术给AGV市场带来了严峻的挑战，AMR可以利用软件对工厂内部绘制地图或者提前导入工厂建筑物图纸实现导航，相当于一辆装载GPS以及预装地图的汽车，AMR能够利用相机、内置传感器、激光扫描仪以及复杂软件中的数据，探测周围环境，选出到达目的地最有效的途径，能够实现完全自主工作，遇见障碍物时能够以最佳安全路线绕行。
但是，针对AMR的大规模群集，分布式算法视野、通讯等信息来源受限，因而只能短视性规划，会造成拥堵和死锁情况的出现，而中央式寻路算法计算量大、无法精确匹配AMR的运动学模型造成的规划与实际运行差异可能导致的系统失败，造成预测之外的冲突。
因此，如何将中央式寻路算法和AMR自身性能中的优点结合起来，避免AMR拥堵甚至锁死的情况发生，是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种用于AMR集群的调度和寻路的方法和系统，将中央式寻路算法与AMR自身优点结合起来，通过中央服务器的调度以及AMR自身调整，以期实现AMR大规模集群在实际运输货物的过程中能够安全绕行，避免拥堵和死锁的情况发生。
为了实现上述目的，本发明采用如下技术方案：
一种获取个体进食数据的方法，包括如下步骤：
步骤一：将工作区域离散化；
优选的，所述S1中由中央服务器将工作区域划分成若干个多边形格块，若干个所述多边形格块铺满整个工作区域，以便中央服务器对每台AMR规划路线。
步骤二：由中央服务器规划全局路线，并更新交通流量；
优选的，中央服务器分别规划每台AMR经过的各多边形格块的全局路线，保证每台AMR之间路线不冲撞；
优选的，实时跟踪各多边形格块的交通流量，将更新的交通流量传输给AMR，避免了由于中央服务器的规划路线的预期时间和AMR实际执行时间存在误差，防止拥堵或者死锁。
步骤三：由AMR自主规避障碍物，跟踪全局路线到达目的地。
AMR具有利用内置的相机、内置传感器、激光扫描仪以及复杂软件中的数据，探测周围环境，遇见障碍物时，能够以最佳路线安全绕行的优点，因此，当AMR遇到障碍物时，可以自主的启动局部导航避障系统，进行避障行为。
为了防止AMR自主规划的路径偏离原路径过远，以致中央寻路算法的全局规划失效，当所述S3中的AMR自主规避障碍物时，重新规划的路径偏离原路径的多边形格块数量存在一个阈值，超过设定阈值则拒绝该路径的调整。
优选的，为了处理由于一台AMR自主规划路径，导致的大面积AMR为了规避障碍物，而相应的调整路径的情况出现，所述S3中每台AMR自主规避障碍物时，需要将重新规划的路径上报给中央服务器，由中央服务器对整体的路径偏离状况保持评估，当评估结果显示AMR集群的路径整体偏离较大时，中央服务器根据各个小车的实时位置，重新对AMR集群进行路径规划。
一种用于AMR集群的调度和寻路的系统，包括：中央服务器、若干台AMR；其中，
所述中央服务器包括工作区域离散模块、路线规划模块；
所述AMR包括避障及通行模块；
所述工作区域离散模块用于将工作区域离散化；
所述路线规划模块用于规划全局路线，并更新各区域交通流量；
所述避障及通行模块用于AMR进行自主规避障碍物，跟踪全局路线到达目的地。
优选的，所述工作区域离散模块将工作区域划分成若干个多边形格块，若干个所述多边形格块铺满整个工作区域。
优选的，所述路线规划模块分别规划每台AMR经过的各多边形格块的全局路线，并实时跟踪各多边形格块的交通流量，将更新的交通流量传输给AMR。
优选的，当所述避障及通行模块自主规避障碍物时，重新规划的路径偏离原路径的多边形格块数量存在一个阈值，超过设定阈值则拒绝该路径的调整。
优选的，所述避障及通行模块自主规避障碍物时，将重新规划的路径上报给中央服务器，由中央服务器对整体的路径偏离状况保持评估，当评估结果显示AMR集群的路径整体偏离较大时，中央服务器根据各个小车的实时位置，重新对AMR集群进行路径规划。
本发明具有以下有益效果：
经由上述的技术方案可知，基于现有技术，本发明公开提供了一种用于AMR集群的调度和寻路的方法和系统，有效地结合中央规划和AMR自身性能，弥补纯中央式路线规划计算量高、无法精确匹配AMR的运动学模型造成的规划与实际运行差异可能导致的系统失败；也弥补AMR单机式算法因视野、通讯等信息来源受限而导致的短视性规划、以及可能导致的拥堵和死锁，实现了AMR大规模集群在实际运输货物的过程中具有最优的规划路径，能够在较短的时间安全规避障碍物，到达目的地。
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使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明的方法流程图；
图2为本发明的系统结构框图。
具体实施方式
下面将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。基于发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。
如图1所示，本发明提供了如下方法：
S1、将工作区域离散化；
S2、由中央服务器规划全局路线，并更新交通流量；
S3、由AMR自主规避障碍物，跟踪全局路线到达目的地。
为了进一步优化上述技术方案，所述S1中由中央服务器将工作区域划分成若干个多边形格块，若干个所述多边形格块铺满整个工作区域，有利于后续步骤对AMR集群规划路线。
为了进一步优化上述技术方案，在所述S2中，中央服务器分别规划每台AMR经过的各多边形格块的全局路线，给AMR集群中的每台AMR设定了不同的路线，以防止AMR集群内部路线的冲撞，避免了在AMR自主通行时，由于无法获取其余AMR的通行路线，造成拥堵或者堵死的情况；实时跟踪各多边形格块的交通流量，将更新的交通流量传输给AMR，避免了在中央式寻路算法所规划路线的预期时间和AMR实际执行时间有偏差，而造成预测之外的冲突这种情况的发生。
AMR具有利用内置的相机、内置传感器、激光扫描仪以及复杂软件中的数据，探测周围环境，遇见障碍物时，能够以最佳路线安全绕行的优点，因此，当AMR遇到障碍物时，可以自主的启动局部导航避障系统，进行避障行为。
但是，为了防止AMR自主规划的路径偏离原路径过远，以致中央寻路算法的全局规划失效，当所述S3中的AMR自主规避障碍物时，重新规划的路径偏离原路径的多边形格块数量存在一个阈值，超过设定阈值则拒绝该路径的调整。
为了进一步优化上述技术方案，为了处理由于一台AMR自主规划路径，导致的大面积AMR为了规避障碍物，而相应的调整路径的情况出现，所述S3中每台AMR自主规避障碍物时，需要将重新规划的路径上报给中央服务器，由中央服务器对整体的路径偏离状况保持评估，例如评估重新自主规划路径的AMR的数量或者占比，重新自主规划路径的AMR的数量或者占比越大则偏离状况越大，当评估结果显示AMR集群的路径整体偏离较大时，中央服务器根据各个小车的实时位置，重新对AMR集群进行路径规划。
如图2所示，基于上述方法，本发明设计了如下系统：
一种用于AMR集群的调度和寻路的系统，包括：中央服务器、若干台AMR；其中，
中央服务器包括工作区域离散模块1、路线规划模块2；
AMR包括避障及通行模块3；
工作区域离散模块1用于将工作区域离散化；
路线规划模块2用于规划全局路线，并更新各区域交通流量；
避障及通行模块3用于AMR进行自主规避障碍物，跟踪全局路线到达目的地。
为了进一步优化上述技术方案，工作区域离散模块1将工作区域划分成若干个多边形格块，若干个所述多边形格块铺满整个工作区域。
为了进一步优化上述技术方案，路线规划模块2分别规划每台AMR经过的各多边形格块的全局路线，并实时跟踪各多边形格块的交通流量，将更新的交通流量传输给AMR。
为了进一步优化上述技术方案，当避障及通行模块3自主规避障碍物时，重新规划的路径偏离原路径的多边形格块数量存在一个阈值，超过设定阈值则拒绝该路径的调整。
为了进一步优化上述技术方案，避障及通行模块3自主规避障碍物时，将重新规划的路径上报给中央服务器，由中央服务器对整体的路径偏离状况保持评估，当评估结果显示AMR集群的路径整体偏离较大时，中央服务器根据各个小车的实时位置，重新对AMR集群进行路径规划。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种用于AMR集群的调度和寻路的方法，其特征在于，包括如下步骤：
S1、将工作区域离散化；
S2、由中央服务器规划全局路线，并更新交通流量；
S3、由AMR自主规避障碍物，跟踪全局路线到达目的地。
2.根据权利要求1所述的一种用于AMR集群的调度和寻路的方法，其特征在于，所述S1中由中央服务器将工作区域划分成若干个多边形格块，若干个所述多边形格块铺满整个工作区域。
3.根据权利要求1所述的一种用于AMR集群的调度和寻路的方法，其特征在于，在所述S2中，中央服务器分别规划每台AMR经过的各多边形格块的全局路线，并实时跟踪各多边形格块的交通流量，将更新的交通流量传输给AMR。
4.根据权利要求1所述的一种用于AMR集群的调度和寻路的方法，其特征在于，当所述S3中的AMR自主规避障碍物时，重新规划的路径偏离原路径的多边形格块数量存在一个阈值，超过设定阈值则拒绝该路径的调整。
5.根据权利要求1所述的一种用于AMR集群的调度和寻路的方法，其特征在于，所述S3中每台AMR自主规避障碍物时，将重新规划的路径上报给中央服务器，由中央服务器对整体的路径偏离状况保持评估，当评估结果显示AMR集群的路径整体偏离较大时，中央服务器根据各个小车的实时位置，重新对AMR集群进行路径规划。
6.一种用于AMR集群的调度和寻路的系统，其特征在于，包括：中央服务器、若干台AMR；其中，
所述中央服务器包括工作区域离散模块(1)、路线规划模块(2)；
所述AMR包括避障及通行模块(3)；
所述工作区域离散模块(1)用于将工作区域离散化；
所述路线规划模块(2)用于规划全局路线，并更新各区域交通流量；
所述避障及通行模块(3)用于AMR进行自主规避障碍物，跟踪全局路线到达目的地。
7.根据权利要求6所述的一种用于AMR集群的调度和寻路的系统，其特征在于，所述工作区域离散模块(1)将工作区域划分成若干个多边形格块，若干个所述多边形格块铺满整个工作区域。
8.根据权利要求6所述的一种用于AMR集群的调度和寻路的系统，其特征在于，所述路线规划模块(2)分别规划每台AMR经过的各多边形格块的全局路线，并实时跟踪各多边形格块的交通流量，将更新的交通流量传输给AMR。
9.根据权利要求6所述的一种用于AMR集群的调度和寻路的系统，其特征在于，当所述避障及通行模块(3)自主规避障碍物时，重新规划的路径偏离原路径的多边形格块数量存在一个阈值，超过设定阈值则拒绝该路径的调整。
10.根据权利要求6所述的一种用于AMR集群的调度和寻路的系统，其特征在于，所述避障及通行模块(3)自主规避障碍物时，将重新规划的路径上报给中央服务器，由中央服务器对整体的路径偏离状况保持评估，当评估结果显示AMR集群的路径整体偏离较大时，中央服务器根据各个小车的实时位置，重新对AMR集群进行路径规划。
CN201910799166.7A 2019-08-27 2019-08-27 一种用于amr集群的调度和寻路方法及系统 Pending CN110673594A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910799166.7A CN110673594A (zh) 2019-08-27 2019-08-27 一种用于amr集群的调度和寻路方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910799166.7A CN110673594A (zh) 2019-08-27 2019-08-27 一种用于amr集群的调度和寻路方法及系统

Publications (1)

Publication Number Publication Date
CN110673594A true CN110673594A (zh) 2020-01-10

Family

ID=69075594

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910799166.7A Pending CN110673594A (zh) 2019-08-27 2019-08-27 一种用于amr集群的调度和寻路方法及系统

Country Status (1)

Country Link
CN (1) CN110673594A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112987761A (zh) * 2021-05-10 2021-06-18 北京三快在线科技有限公司 一种无人驾驶设备的控制系统、方法及装置
CN113311793A (zh) * 2021-05-28 2021-08-27 芜湖哈特机器人产业技术研究院有限公司 一种适用于多amr的分布式调度系统及方法
CN113934201A (zh) * 2020-06-29 2022-01-14 西门子股份公司 一种自动引导车集群的路径规划方法及其装置
CN114859928A (zh) * 2022-05-18 2022-08-05 嘉兴学院 多台amr跨层多指令服务运行系统
CN116155965A (zh) * 2023-04-21 2023-05-23 天津洪荒科技有限公司 一种全方向amr的多级控制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060265103A1 (en) * 2005-05-23 2006-11-23 Honda Motor Co., Ltd. Robot control apparatus
CN103576686A (zh) * 2013-11-21 2014-02-12 中国科学技术大学 一种机器人自主导引及避障的方法
CN108592920A (zh) * 2018-04-28 2018-09-28 上海木木机器人技术有限公司 一种机器人的路径规划方法及系统
CN108762277A (zh) * 2018-06-11 2018-11-06 蚁群（上海）智能装备有限公司 一种分布式agv调度方法及调度系统
CN109974686A (zh) * 2017-12-28 2019-07-05 沈阳新松机器人自动化股份有限公司 基于监控摄像头检测的搬运机器人路径规划辅助方法
WO2019141228A1 (zh) * 2018-01-19 2019-07-25 库卡机器人(广东)有限公司 多移动机器人的冲突管理方法及系统
WO2019147235A1 (en) * 2018-01-24 2019-08-01 Ford Global Technologies, Llc Path planning for autonomous moving devices

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060265103A1 (en) * 2005-05-23 2006-11-23 Honda Motor Co., Ltd. Robot control apparatus
CN103576686A (zh) * 2013-11-21 2014-02-12 中国科学技术大学 一种机器人自主导引及避障的方法
CN109974686A (zh) * 2017-12-28 2019-07-05 沈阳新松机器人自动化股份有限公司 基于监控摄像头检测的搬运机器人路径规划辅助方法
WO2019141228A1 (zh) * 2018-01-19 2019-07-25 库卡机器人(广东)有限公司 多移动机器人的冲突管理方法及系统
WO2019147235A1 (en) * 2018-01-24 2019-08-01 Ford Global Technologies, Llc Path planning for autonomous moving devices
CN108592920A (zh) * 2018-04-28 2018-09-28 上海木木机器人技术有限公司 一种机器人的路径规划方法及系统
CN108762277A (zh) * 2018-06-11 2018-11-06 蚁群（上海）智能装备有限公司 一种分布式agv调度方法及调度系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
于赫年等: "仓储式多AGV系统的路径规划研究及仿真", 《计算机工程与应用》, 8 July 2019 (2019-07-08), pages 233 - 241 *
屈鸿等: "动态环境下基于改进蚁群算法的机器人路径规划研究", 《电子科技大学学报》, vol. 44, no. 02, 30 March 2015 (2015-03-30), pages 260 - 265 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113934201A (zh) * 2020-06-29 2022-01-14 西门子股份公司 一种自动引导车集群的路径规划方法及其装置
CN112987761A (zh) * 2021-05-10 2021-06-18 北京三快在线科技有限公司 一种无人驾驶设备的控制系统、方法及装置
CN112987761B (zh) * 2021-05-10 2021-09-24 北京三快在线科技有限公司 一种无人驾驶设备的控制系统、方法及装置
CN113311793A (zh) * 2021-05-28 2021-08-27 芜湖哈特机器人产业技术研究院有限公司 一种适用于多amr的分布式调度系统及方法
CN113311793B (zh) * 2021-05-28 2024-04-05 芜湖哈特机器人产业技术研究院有限公司 一种适用于多amr的分布式调度系统及方法
CN114859928A (zh) * 2022-05-18 2022-08-05 嘉兴学院 多台amr跨层多指令服务运行系统
CN116155965A (zh) * 2023-04-21 2023-05-23 天津洪荒科技有限公司 一种全方向amr的多级控制方法
CN116155965B (zh) * 2023-04-21 2023-06-30 天津洪荒科技有限公司 一种全方向amr的多级控制方法

Similar Documents

Publication Publication Date Title
CN110673594A (zh) 一种用于amr集群的调度和寻路方法及系统
US11262200B2 (en) Boolean satisfiability (SAT) reduction for geometry and kinematics agnostic multi-agent planning
US10296012B2 (en) Pre-computation of kinematically feasible roadmaps
Herrero-Perez et al. Modeling distributed transportation systems composed of flexible automated guided vehicles in flexible manufacturing systems
US10406687B2 (en) Layered multi-agent coordination
JP7330142B2 (ja) 車両のｕターン経路を決定する方法、装置、デバイスおよび媒体
US11287799B2 (en) Method for coordinating and monitoring objects
Digani et al. Obstacle avoidance for industrial AGVs
US20220118611A1 (en) Hazard exploration, estimation, and response system and method
CN113485378A (zh) 基于交通规则的移动机器人路径规划方法、系统及存储介质
Pratissoli et al. Hierarchical and flexible traffic management of multi-agv systems applied to industrial environments
CN112362063B (zh) 基于碰撞类型划分的多机器人路径规划方法和系统
EP4105907A1 (en) Information processing method, information processing system, and information processing device
Huang et al. Safe path planning with multi-model risk level sets
Indri et al. Supervised global path planning for mobile robots with obstacle avoidance
Gupta et al. Cooperative coverage using autonomous underwater vehicles in unknown environments
EP4155860A1 (en) System and safety guide robot for accessing automated environments
Best et al. A Spatiotemporal Optimal Stopping Problem for Mission Monitoring with Stationary Viewpoints.
Pradeep et al. Human-inspired robot navigation in unknown dynamic environments
US20220300002A1 (en) Methods and systems for path planning in a known environment
KR102070110B1 (ko) 자율 무인 시스템을 위한 지능 에이전트 시스템
Choi et al. uRON v1. 5: A device-independent and reconfigurable robot navigation library
Wissing et al. Hybrid navigation system for mecanum based omnidirectional automated guided vehicles
Dadvar et al. Joint communication and motion planning for cobots
Hu et al. Distributed formation control of autonomous underwater vehicles with impulsive information exchanges and disturbances under fixed and switching topologies

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200110