CN113467461A - 移动机器人非结构化环境下的人机协作式路径规划方法 - Google Patents
移动机器人非结构化环境下的人机协作式路径规划方法 Download PDFInfo
- Publication number
- CN113467461A CN113467461A CN202110789984.6A CN202110789984A CN113467461A CN 113467461 A CN113467461 A CN 113467461A CN 202110789984 A CN202110789984 A CN 202110789984A CN 113467461 A CN113467461 A CN 113467461A
- Authority
- CN
- China
- Prior art keywords
- path
- representing
- robot
- operator
- planned
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 48
- 230000006870 function Effects 0.000 claims description 29
- 239000013598 vector Substances 0.000 claims description 27
- 230000009466 transformation Effects 0.000 claims description 23
- 239000000126 substance Substances 0.000 claims description 20
- 238000013507 mapping Methods 0.000 claims description 11
- 238000013519 translation Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 238000005381 potential energy Methods 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 5
- 241000282414 Homo sapiens Species 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G05D1/0231—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
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种移动机器人非结构化环境下的人机协作式路径规划方法,其包括以下步骤:S1、操纵员引导路径规划器;S2、机器人自主路径规划器;S3、对步骤S1得到的操纵员规划的路径以及步骤S2得到的机器人自主规划的路径进行混合滤波,将操纵员修改的路径与机器人自主规划的路径进行合成;S4、触觉反馈:将规划路径与机器人实际行驶的路径位置偏差与速度偏差以力/触觉的形式反馈至操纵员的手柄处。本发明的方法将基于力/触觉的遥操纵技术与自主规划技术结合在一起,既克服了移动机器人无法自主完成野外复杂环境规划的缺点,也减轻了操纵员的操纵负担,提高了工作效率。
Description
技术领域
本发明涉及路径规划和遥操纵技术领域,具体涉及一种移动机器人非结构化环境下的人机协作式路径规划方法。
背景技术
尽管移动机器人系统智能化水平取得了巨大的进步,但是由于其认知能力的局限性,在非结构化等极具挑战性的环境下的自主规划问题还是不能完全交由机器人系统。比如针对灾后等非结构化环境下的搜救工作,一方面由于灾难环境太危险或者人类根本无法进入,而对于自主机器人而言该场景又过于复杂而无法自主作业,因此该场景下人机协作至关重要。另一方面,灾难场景下驾驶机器人对于操作员而言是一项高度紧张和困难的工作,操作员很大一部分工作仅仅是操纵机器人和躲避障碍物等低级任务,而在覆盖搜索区域和成功找到遇难者等方面的表现能力下降。因此,考虑将人类高级决策与机器智能决策进行融合,以实现更高效的搜救工作。
发明内容
为了解决上述现有技术的不足,本发明提出了一种移动机器人非结构化环境下的人机协作式路径规划方法,其在机器人自主规划路径的基础上,让操纵员在线协助修改路径,并将机器人实时行驶的路径与期望路径偏差通过力/触觉提示的形式反馈至操纵员操纵端,以此来实现人机协作式路径规划。
为了达到上述发明目的,本发明采用以下技术方案:
具体地,本发明提供一种移动机器人非结构化环境下的人机协作式路径规划方法,所述方法涉及的内容包括:
S1、操纵员引导路径规划器,具体包括以下子步骤:
S11、操纵员基于B样条曲线对路径进行规划;
S12、操纵员通过操纵手柄对路径进行修改:
S2、机器人自主路径规划器:机器人根据传感器提供的环境信息,进行基于势场的局部路径规划;
S3、对步骤S1得到的操纵员规划的路径以及步骤S2得到的机器人自主规划的路径进行混合滤波,将操纵员修改的路径与机器人自主规划的路径进行合成,该步骤具体包括以下子步骤:
S31、将机器人自主移动和操纵员的控制信号融合并生成机器人的行驶路径,即:
S32、通过式(2)的混合项实现二者的融合:
S4、触觉反馈:将规划路径与机器人实际行驶的路径位置偏差与速度偏差以力/触觉的形式反馈至操纵员的手柄处。
优选地,B样条曲线是B样条基函数的线性组合,其曲线表达式为:
γS(x)={γ(x,s)∈R2|s∈S} (4)
优选地,步骤S12具体包括以下步骤:
S121、建立操纵手柄的构型向量,公式为:
S122、将操纵手柄的构型向量映射至路径控制点向量:
其中,映射矩阵Q(xh)决包括旋转、平移以及按比例扩大缩小三类变换,三类变换对应的矩阵分别为:
Q1(xh)=I2n (7)
其中,Q1表示平移变换,I2n表示2n×2n的单位矩阵,Q2表示按比例扩大或者缩小变换,In表示n×n的单位矩阵,表示克罗内克积运算,表示变换的基准点,Q3表示旋转变换,diag(·)表示对角分块矩阵;
S123、操纵员端输出最终的路径控制信号:
其中,kh为大于0的系数,其大小根据经验值获得。
优选地,步骤S2中机器人自主路径规划路径需要满足硬约束和软约束,机器人自主路径规划器输出的控制信号表示为:
其中,每一项约束都均能够通过不同的势能函数实现:
首先,式(11)中Ua,o是为了保证所规划路径无障碍物,其具体表达式为:
其次,式(11)中Ua,R是为了保证所规划路径可行,即路径曲线无奇点,其表达式为:
最后,式(11)中Ua,I是为了实现软约束中保证移动机器人有效地执行所规划路径,并且所规划的路径尽可能地靠近兴趣点,其具体表达式为:
与现有技术相比,本发明具有以下有益效果:
本发明将力/触觉反馈用在移动机器人在复杂非结构化环境下的路径规划上。首先,相机雷达等传感器感知机器人周围环境,并将信息通过视觉/听觉形式传给操纵员。然后,将环境建模为障碍物点和感兴趣的目标点,并传至机器人自主路径规划器,借助不同的势场函数进行避障规划,生成相应的路径控制信号;之后,操纵员根据环境信息进行基于B样条的路径修改,生成相应的路径控制信号;再将自主规划器和操纵员引导的路径信号经过混合滤波器进行加权生成机器人最终的行驶路径信号。最后,将机器人的实际行驶路径与规划的路径偏差通过触觉反馈模块以力/触觉的形式传至操纵手柄处,以实现人在回路的路径规划。本发明所述方法将基于力/触觉的遥操纵技术与自主规划技术结合在一起,既克服了移动机器人无法自主完成野外复杂环境规划的缺点,也减轻了操纵员的操纵负担,提高了工作效率。
附图说明
图1为本发明的流程示意图;
图2为本发明一种移动机器人非结构化环境下的人机协作式路径规划方法技术路线示意框图;
图3为本发明操纵员通过操纵手柄基于修改控制点以实现路径平移示意图;
图4为本发明操纵员通过操纵手柄基于修改控制点以实现路径旋转示意图;
图5为本发明操纵员通过操纵手柄基于修改控制点以实现路径按一定比例扩大或者缩小示意图。
具体实施方式
以下将参考附图详细说明本发明的示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
具体地,本发明提供一种移动机器人非结构化环境下的人机协作式路径规划方法,如图1所示,其包括以下步骤:
S1、操纵员引导路径规划器,具体包括以下子步骤:
S11、操纵员基于B样条曲线对路径进行规划;
S12、操纵员通过操纵手柄对路径进行修改:
S2、机器人自主路径规划器:机器人根据传感器提供的环境信息,进行基于势场的局部路径规划;
S3、对步骤S1得到的操纵员规划的路径以及步骤S2得到的机器人自主规划的路径进行混合滤波,将操纵员修改的路径与机器人自主规划的路径进行合成,该步骤具体包括以下子步骤:
S31、将机器人自主移动和操纵员的控制信号融合并生成机器人的行驶路径,即:
S32、通过式(2)的混合项实现二者的融合:
S4、触觉反馈:将规划路径与机器人实际行驶的路径位置偏差与速度偏差以力/触觉的形式反馈至操纵员的手柄处。
优选地,B样条曲线是B样条基函数的线性组合,其曲线表达式为:
γS(x)={γ(x,s)∈R2|s∈S} (4)
优选地,步骤S12具体包括以下步骤:
S121、建立操纵手柄的构型向量,公式为:
S122、将操纵手柄的构型向量映射至路径控制点向量:
其中,映射矩阵Q(xh)决包括旋转、平移以及按比例扩大缩小三类变换,三类变换对应的矩阵分别为:
Q1(xh)=I2n (7)
其中,Q1表示平移变换,I2n表示2n×2n的单位矩阵,Q2表示按比例扩大或者缩小变换,In表示n×n的单位矩阵,表示克罗内克积运算,表示变换的基准点,Q3表示旋转变换,diag(·)表示对角分块矩阵;
S123、操纵员端输出最终的路径控制信号:
其中,kh为大于0的系数,其大小根据经验值获得。
优选地,步骤S2中机器人自主路径规划路径需要满足硬约束和软约束,机器人自主路径规划器输出的控制信号表示为:
其中,每一项约束都均能够通过不同的势能函数实现:
首先,式(11)中Ua,o是为了保证所规划路径无障碍物,其具体表达式为:
其次,式(11)中Ua,R是为了保证所规划路径可行,即路径曲线无奇点,其表达式为:
最后,式(11)中Ua,I是为了实现软约束中保证移动机器人有效地执行所规划路径,并且所规划的路径尽可能地靠近兴趣点,其具体表达式为:
具体实施例:
参见图2,其示出了本发明实施例中一种移动机器人非结构化环境下的人机协作式路径规划方法的流程图,该方法包括:
操纵员引导路径规划器:
本发明的操纵员引导路径规划是基于B样条曲线实现的,B样条曲线是B样条基函数的线性组合,由贝塞尔曲线改进而来,弥补了贝塞尔曲线不能进行局部修改的缺陷,曲线表达式为:
γS(x)={γ(x,s)∈R2|s∈S} (1)
操纵员对路径的修改是通过操纵手柄完成的:
考虑到机器人空间与操纵手柄空间的不同性,本发明将操纵手柄的构型向量映射至路径控制点向量:
映射矩阵Q(xh)决定了操纵员如何通过操纵触觉设备来影响路径,分为旋转、平移以及按比例扩大缩小这三类变换,如图2-4所示。对应的矩阵分别为:
Q1(xh)=I2n (4)
其中,Q1表示平移变换,I2n表示2n×2n的单位矩阵,Q2表示按比例扩大或者缩小变换,In表示n×n的单位矩阵,表示克罗内克积运算,表示变换的基准点,Q3表示旋转变换,diag(·)表示对角分块矩阵。
最后,由操纵员端给出的路径控制信号为:
其中,kh为大于0的系数,其大小可根据经验值获得。
机器人自主路径规划器
机器人自主路径规划器设计需要满足两方面的约束,一方面是硬约束,首先要保证无障碍物,其次要保证所规划的路径是可行的,即无奇点。另一方面为了保证所规划路径的高效性,本发明加入了软约束,即所规划的路径在一定范围内趋向于兴趣点。因此,由机器人自主路径规划器给出的控制信号可表示为:
其中,每一项约束都是通过不同的势能函数来实现的:
首先,式(8)第一项是为了保证所规划路径是无障碍物的:
其次,式(8)第二项是为了保证所规划路径可行,即路径曲线无奇点:
最后,式(8)第三项是为了保证移动机器人更为有效地执行所规划路径,加入了软约束,即所规划的路径要尽可能地靠近兴趣点:
混合滤波器
将机器人自主移动和操纵员的控制信号融合并最终生成机器人的行驶路径,即:
考虑到融合之后路径的可行性,本发明设计了式(16)的混合项以实现二者的融合:
其中,I2n表示单位矩阵,表示J的广义逆矩阵,如式(17)所示,雅可比矩阵J考虑了路径的一些局部几何性质以保证融合之后的路径依然可行,比如路径点的位置γ(x(t),s(t)),路径的切矢量路径的曲率等等。
触觉反馈
最终反馈至操纵手柄的力为:
其中,B表示正定阻尼矩阵,K*表示增益的正定对角矩阵,KM表示非负对角矩阵,用于提供对零指令速度距离的感知,k>0根据经验值设定。
本发明的方法将基于力/触觉的遥操纵技术与自主规划技术结合在一起,通过基于B样条曲线的操纵员在线修改路径和基于势场概念的机器人局部规划路径,并将机器人的规划路径与实际行驶路径差值反馈至操纵员处,以实现人类高级决策与机器智能的有效融合,既克服了移动机器人无法自主完成野外复杂环境规划的缺点,也减轻了操纵员的操纵负担,提高了工作效率。
最后应说明的是:以上所述的各实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (4)
1.一种移动机器人非结构化环境下的人机协作式路径规划方法,其特征在于,其包括以下步骤:
S1、操纵员引导路径规划器,具体包括以下子步骤:
S11、操纵员基于B样条曲线对路径进行规划;
S12、操纵员通过操纵手柄对路径进行修改:
S2、机器人自主路径规划器:机器人根据传感器提供的环境信息,进行基于势场的局部路径规划;
S3、对步骤S1得到的操纵员规划的路径以及步骤S2得到的机器人自主规划的路径进行混合滤波,将操纵员修改的路径与机器人自主规划的路径进行合成,该步骤具体包括以下子步骤:
S31、将机器人自主移动和操纵员的控制信号融合并生成机器人的行驶路径,即:
S32、通过式(2)的混合项实现二者的融合:
S4、触觉反馈:将规划路径与机器人实际行驶的路径位置偏差与速度偏差以力/触觉的形式反馈至操纵员的手柄处。
3.根据权利要求2所述的移动机器人非结构化环境下的人机协作式路径规划方法,其特征在于,步骤S12具体包括以下步骤:
S121、建立操纵手柄的构型向量,公式为:
S122、将操纵手柄的构型向量映射至路径控制点向量:
其中,映射矩阵Q(xh)决包括旋转、平移以及按比例扩大缩小三类变换,三类变换对应的矩阵分别为:
Q1(xh)=I2n (7)
其中,Q1表示平移变换,I2n表示2n×2n的单位矩阵,Q2表示按比例扩大或者缩小变换,In表示n×n的单位矩阵,表示克罗内克积运算,表示变换的基准点,Q3表示旋转变换,diag(·)表示对角分块矩阵;
S123、操纵员端输出最终的路径控制信号:
其中,kh为大于0的系数,其大小根据经验值获得。
4.根据权利要求1所述的移动机器人非结构化环境下的人机协作式路径规划方法,其特征在于,步骤S2中机器人自主路径规划路径需要满足硬约束和软约束,机器人自主路径规划器输出的控制信号表示为:
其中,每一项约束都均能够通过不同的势能函数实现:
首先,式(11)中Ua,o是为了保证所规划路径无障碍物,其具体表达式为:
其次,式(11)中Ua,R是为了保证所规划路径可行,即路径曲线无奇点,其表达式为:
最后,式(11)中Ua,I是为了实现软约束中保证移动机器人有效地执行所规划路径,并且所规划的路径尽可能地靠近兴趣点,其具体表达式为:
其中,表示集合γS(x)中距离兴趣点r最近的点,其表达式为: 表示的是针对目标点设置的引力势场函数,因为此项作为软约束,优先权低于硬约束,所以势场函数存在上界UI,该函数在[0,RI]上严格单调,表达式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110789984.6A CN113467461B (zh) | 2021-07-13 | 2021-07-13 | 移动机器人非结构化环境下的人机协作式路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110789984.6A CN113467461B (zh) | 2021-07-13 | 2021-07-13 | 移动机器人非结构化环境下的人机协作式路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113467461A true CN113467461A (zh) | 2021-10-01 |
CN113467461B CN113467461B (zh) | 2022-04-01 |
Family
ID=77879975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110789984.6A Active CN113467461B (zh) | 2021-07-13 | 2021-07-13 | 移动机器人非结构化环境下的人机协作式路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113467461B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114019986A (zh) * | 2022-01-04 | 2022-02-08 | 北京史河科技有限公司 | 一种爬壁机器人的路径规划方法 |
CN117606477A (zh) * | 2023-10-19 | 2024-02-27 | 天津大学 | 一种多信息融合的路径规划方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008097252A2 (en) * | 2006-06-22 | 2008-08-14 | Roy Sandberg | Method and apparatus for robotic path planning, selection, and visualization |
CN103991077A (zh) * | 2014-02-19 | 2014-08-20 | 吉林大学 | 一种基于力融合的机器人手控器共享控制方法 |
CN106826833A (zh) * | 2017-03-01 | 2017-06-13 | 西南科技大学 | 基于3d立体感知技术的自主导航机器人系统 |
CN108838991A (zh) * | 2018-03-06 | 2018-11-20 | 南昌工程学院 | 一种自主类人双臂机器人及其对运动目标的跟踪操作系统 |
CN109822579A (zh) * | 2019-04-10 | 2019-05-31 | 江苏艾萨克机器人股份有限公司 | 基于视觉的协作机器人安全控制方法 |
CN111376263A (zh) * | 2018-12-29 | 2020-07-07 | 沈阳新松机器人自动化股份有限公司 | 一种复合机器人人机协作系统及其交叉耦合力控制方法 |
-
2021
- 2021-07-13 CN CN202110789984.6A patent/CN113467461B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008097252A2 (en) * | 2006-06-22 | 2008-08-14 | Roy Sandberg | Method and apparatus for robotic path planning, selection, and visualization |
CN103991077A (zh) * | 2014-02-19 | 2014-08-20 | 吉林大学 | 一种基于力融合的机器人手控器共享控制方法 |
CN106826833A (zh) * | 2017-03-01 | 2017-06-13 | 西南科技大学 | 基于3d立体感知技术的自主导航机器人系统 |
CN108838991A (zh) * | 2018-03-06 | 2018-11-20 | 南昌工程学院 | 一种自主类人双臂机器人及其对运动目标的跟踪操作系统 |
CN111376263A (zh) * | 2018-12-29 | 2020-07-07 | 沈阳新松机器人自动化股份有限公司 | 一种复合机器人人机协作系统及其交叉耦合力控制方法 |
CN109822579A (zh) * | 2019-04-10 | 2019-05-31 | 江苏艾萨克机器人股份有限公司 | 基于视觉的协作机器人安全控制方法 |
Non-Patent Citations (6)
Title |
---|
CARLO MASONE 等: "Shared planning and control for mobile robots with integral haptic feedback", 《THE INTERNATIONAL JOURNAL OF ROBOTICS RESEARCH》 * |
S. GNATZIG 等: "Human-machine interaction as key technology for driverless driving-A trajectory-based shared autonomy control approach", 《2012 IEEE RO-MAN: THE 21ST IEEE INTERNATIONAL SYMPOSIUM ON ROBOT AND HUMAN INTERACTIVE COMMMUNICATION》 * |
丁长志 等: "Visual and real-time simulation of dynamic cutting of earthmoving work", 《农业工程学报》 * |
倪涛: "有力觉及视觉临场感的遥操作机器人系统研究", 《中国博士学位论文全文数据库 (信息科技辑)》 * |
张颖: "多移动机器人编队导航的双边遥操作方法研究", 《万方》 * |
邓乐 等: "具有力觉临场感的遥操作操纵器关键技术研究", 《工程设计学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114019986A (zh) * | 2022-01-04 | 2022-02-08 | 北京史河科技有限公司 | 一种爬壁机器人的路径规划方法 |
CN117606477A (zh) * | 2023-10-19 | 2024-02-27 | 天津大学 | 一种多信息融合的路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113467461B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liang et al. | Leader-following formation tracking control of mobile robots without direct position measurements | |
Moon et al. | Kinodynamic planner dual-tree RRT (DT-RRT) for two-wheeled mobile robots using the rapidly exploring random tree | |
Kunchev et al. | Path planning and obstacle avoidance for autonomous mobile robots: A review | |
Lapierre et al. | Combined path-following and obstacle avoidance control of a wheeled robot | |
CN113467461B (zh) | 移动机器人非结构化环境下的人机协作式路径规划方法 | |
Wei et al. | MPC-based motion planning and control enables smarter and safer autonomous marine vehicles: Perspectives and a tutorial survey | |
Alonso-Mora et al. | Shared control of autonomous vehicles based on velocity space optimization | |
Wang et al. | Navdog: robotic navigation guide dog via model predictive control and human-robot modeling | |
Pedemonte et al. | Visual-based shared control for remote telemanipulation with integral haptic feedback | |
Wang et al. | A fuzzy logic path planning algorithm based on geometric landmarks and kinetic constraints | |
Hou | Haptic teleoperation of a multirotor aerial robot using path planning with human intention estimation | |
Nieto et al. | Toward safe and stable time-delayed mobile robot teleoperation through sampling-based path planning | |
Zhang et al. | A hierarchical design for shared-control wheelchair navigation in dynamic environments | |
Park et al. | Formation reconfiguration control with collision avoidance of nonholonomic mobile robots | |
Pradhan et al. | Indoor navigation for mobile robots using predictive fields | |
Hayet et al. | A motion planner for maintaining landmark visibility with a differential drive robot | |
Tzafestas | Teleplanning by human demonstration for VR-based teleoperation of a mobile robotic assistant | |
Hua et al. | A Novel Learning-Based Trajectory Generation Strategy for a Quadrotor | |
Mao et al. | TOPPQuad: Dynamically-Feasible Time Optimal Path Parametrization for Quadrotors | |
Sakti et al. | Path planning and path following using arrival time field for nonholonomic mobile robot | |
Hou et al. | Haptics-aided path planning and virtual fixture based dynamic kinesthetic boundary for bilateral teleoperation of VTOL aerial robots | |
Jebrane et al. | Autonomous vehicles motion planning techniques: Recent advances and future trends | |
Jansen et al. | Agile unmanned vehicle navigation in highly confined environments | |
Salmanipour et al. | Teleoperation of a mobile robot with model-predictive obstacle avoidance control | |
He et al. | Distributed cooperative formation control for multi-agent systems based on robust adaptive strategy |
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 |