機器人路徑規(guī)劃技術(shù)解讀

移動這一簡單動作，對于人類來說相當容易，但對機器人而言就變得極為復(fù)雜，說到機器人移動就不得不提到路徑規(guī)劃，路徑規(guī)劃是移動機器人導(dǎo)航最基本的環(huán)節(jié)，指的是機器人在有障礙物的工作環(huán)境中，如何找到一條從起點到終點適當?shù)倪\動路徑，使機器人在運動過程中能安全、無碰撞地繞過所有障礙物。這不同于用動態(tài)規(guī)劃等方法求得的最短路徑，而是指移動機器人能對靜態(tài)及動態(tài)環(huán)境作出綜合性判斷，進行智能決策。

總的來說，路徑規(guī)劃主要涉及這3大問題：①明確起點位置及終點;②規(guī)避障礙物；③盡可能的做到路徑上的優(yōu)化。

機器人路徑規(guī)劃有全局與局部規(guī)劃之分

根據(jù)對環(huán)境信息的掌握程度不同，機器人路徑規(guī)劃可分為全局路徑規(guī)劃和局部路徑規(guī)劃。

全局路徑規(guī)劃是在已知的環(huán)境中，給機器人規(guī)劃一條路徑，路徑規(guī)劃的精度取決于環(huán)境獲取的準確度，全局路徑規(guī)劃可以找到最優(yōu)解，但是需要預(yù)先知道環(huán)境的準確信息，當環(huán)境發(fā)生變化，如出現(xiàn)未知障礙物時，該方法就無能為力了。它是一種事前規(guī)劃，因此對機器人系統(tǒng)的實時計算能力要求不高，雖然規(guī)劃結(jié)果是全局的、較優(yōu)的，但是對環(huán)境模型的錯誤及噪聲魯棒性差。

而局部路徑規(guī)劃則環(huán)境信息完全未知或有部分可知，側(cè)重于考慮機器人當前的局部環(huán)境信息，讓機器人具有良好的避障能力，通過傳感器對機器人的工作環(huán)境進行探測，以獲取障礙物的位置和幾何性質(zhì)等信息，這種規(guī)劃需要搜集環(huán)境數(shù)據(jù)，并且對該環(huán)境模型的動態(tài)更新能夠隨時進行校正，局部規(guī)劃方法將對環(huán)境的建模與搜索融為一體，要求機器人系統(tǒng)具有高速的信息處理能力和計算能力，對環(huán)境誤差和噪聲有較高的魯棒性，能對規(guī)劃結(jié)果進行實時反饋和校正，但是由于缺乏全局環(huán)境信息，所以規(guī)劃結(jié)果有可能不是最優(yōu)的，甚至可能找不到正確路徑或完整路徑。

全局路徑規(guī)劃和局部路徑規(guī)劃并沒有本質(zhì)上的區(qū)別，很多適用于全局路徑規(guī)劃的方法經(jīng)過改進也可以用于局部路徑規(guī)劃，而適用于局部路徑規(guī)劃的方法同樣經(jīng)過改進后也可適用于全局路徑規(guī)劃。兩者協(xié)同工作，機器人可更好的規(guī)劃從起始點到終點的行走路徑。

A*與D*機器人路徑規(guī)劃算法介紹

在實際情況中，機器人路徑規(guī)劃除了考慮已知環(huán)境和未知環(huán)境地圖，還要考慮到動態(tài)和靜態(tài)環(huán)境下的路徑規(guī)劃。

A*（A-Star)算法是一種靜態(tài)路網(wǎng)中求解最短路徑最有效的直接搜索方法，也是解決許多搜索問題的有效算法。算法中的距離估算值與實際值越接近，最終搜索速度越快。但是，A*算法同樣也可用于動態(tài)路徑規(guī)劃當中，只是當環(huán)境發(fā)生變化時，需要重新規(guī)劃路線。

而D*算法則是一種動態(tài)啟發(fā)式路徑搜索算法，它事先對環(huán)境位置，讓機器人在陌生環(huán)境中行動自如，在瞬息萬變的環(huán)境中游刃有余。D*算法的最大優(yōu)點是不需要預(yù)先探明地圖，機器人可以和人一樣，即使在未知環(huán)境中，也可以展開行動，隨著機器人不斷探索，路徑也會時刻調(diào)整。

綜上所述，移動機器人路徑規(guī)劃技術(shù)已經(jīng)取得了可觀的成績，但是，在其全局與局部路徑規(guī)劃方法中仍然存在諸多不足之處，為此，國內(nèi)已有針對這類算法的改進，例如思嵐科技的SLAMWARE模塊化自主定位導(dǎo)航，SLAMWARE內(nèi)采用改良的D*算法進行路徑規(guī)劃，這也是美國火星探測器采用的核心尋路算法。是一種動態(tài)啟發(fā)式路徑搜索算法，它可以讓機器人在未知環(huán)境中行走自如，在環(huán)境多變的情況下游刃有余。