移動機器人想要“穿梭自如”，還需強大的算法支持

在上一篇文章中，我們簡單介紹了移動機器人自主導航的幾大類傳感器技術，但在實際場景中，機器人所處的環(huán)境都是動態(tài)的、可變的、未知的，此時移動機器人想要“穿梭自如”，還需強大的算法支持。

目前比較熱門的算法有：遺傳算法、啟發(fā)式搜索算法、神經網絡算法等，下面分別加以介紹：

1. 遺傳算法

遺傳算法（genetic algorithm ，簡稱GA ）是計算數(shù)學中用于解決最佳化的搜索算法，是進化算法的一種。

進化算法是借鑒了進化生物學中的遺傳、突變、自然選擇以及雜交等現(xiàn)象而發(fā)展起來的。遺傳算法采用從自然進化中抽象出來的幾個算子對參數(shù)編碼的字符串進行遺傳操作，包括復制或選擇算子（Reproduction or Select）、交叉算子（Crossover）、變異算子（Mutation）。

圖1 遺傳算法要找的是多維曲面中的全局最優(yōu)解（最高海拔的“山峰”）

主要特點：

直接對結構對象進行操作，不存在求導和函數(shù)連續(xù)性的限定；

具有內在的隱并行性和更好的全局尋優(yōu)能力；

采用概率化的尋優(yōu)方法，能自動獲取和指導優(yōu)化的搜索空間，自適應地調整搜索方向，不需要確定的規(guī)則。

因此被廣泛地應用于組合優(yōu)化、機器學習、信號處理、自適應控制和人工生命等領域。

2. 啟發(fā)式搜索算法

啟發(fā)式搜索算法，是在狀態(tài)空間中的搜索對每一個搜索的位置進行評估，得到最好的位置，再從這個位置進行搜索直到目標，我們稱這個過程為最優(yōu)（best-first）或啟發(fā)式搜索。

優(yōu)點是可省略大量無謂的搜索路徑，提高效率。

圖2 啟發(fā)式搜索到最優(yōu)路徑

機器人的導航規(guī)劃一般分為構建地圖、自定位、路徑規(guī)劃和軌跡規(guī)劃四個部分。

仙知機器人使用的3D SLAM激光導航路徑規(guī)劃方法與傳統(tǒng)的全局路徑規(guī)劃算法相比，考慮了機器人的幾何約束，即最小轉彎半徑，并用優(yōu)化的方法優(yōu)化了規(guī)劃出來的路徑，使最后的規(guī)劃路徑更加平滑合理。

3. 神經網絡算法

神經網絡（neural network，縮寫NN），是一種模仿生物神經網絡的結構和功能的數(shù)學模型或計算模型。

圖3 神經網絡的原理算法公式

基于動態(tài)神經網絡的機器人避障算法，動態(tài)神經網絡可根據(jù)機器人環(huán)境狀態(tài)的復雜程度自動地調整其結構，實時地實現(xiàn)機器人的狀態(tài)與其避障動作之間的映射關系，能有效地減輕機器人的運算壓力。還有研究通過使用神經網絡避障的同時與混合智能系統(tǒng)（HIS）相連接，使移動機器人的認知決策避障能力和人相近。

因此被廣泛地應用于計算機視覺、語音識別、自然語言處理、無人駕駛等領域。