一种双向潜在场的路径规划方法,用于双重操纵器的概率步骤大小RRT
Youyu Liu1,2,3, Wanbao Tao1,3, Shunfang Li2
1Anhui Key Laboratory of Detection Technology and Energy Saving Devices, Anhui Polytechnic University, Wuhu 241000, China.
Sensors (Basel, Switzerland)
|June 10, 2023
概括
一个新的双向潜在场概率步骤大小快速探索随机树 (BPFPS-RRT) 算法增强了双操纵器路径规划. 这种方法提高了搜索效率,并减少了路径长度,克服了复杂环境中的局部最佳值.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 运动规划 运动规划
背景情况:
- 快速探索随机树 (RRT) 算法对于机器人运动规划至关重要.
- 在RRT中固定的步骤大小可以导致局部优化,降低搜索效率,特别是复杂的障碍.
- 目标偏差策略提高了RRT搜索效率,但在某些情况下仍然可能不足于最佳.
研究的目的:
- 提出一种新的算法,即双向潜力场概率步骤大小快速探索随机树 (BPFPS-RRT),用于双重操纵器的高效路径规划.
- 解决现有的基于RRT的方法中固定的步骤大小和局部优化的局限性.
- 为了提高搜索效率并减少复杂环境中的路径长度,用于双操纵系统.
主要方法:
- 引入了一个概率步骤大小策略,包括目标角度和随机值.
- 整合了人工潜力现场方法来指导搜索.
- 采用双向搜索方法,结合目标偏差和贪路径优化.
- 利用模拟来评估拟议的BPFPS-RRT算法的性能.
主要成果:
- 与现有的方法 (例如,目标偏差RRT,可变步骤大小RRT,目标偏差双向RRT) 相比,BPFPS-RRT算法显著减少了主要操纵器的搜索时间和路径长度.
- 对于奴隶操纵器,观察到类似的搜索时间和路径长度的改进.
- 对于主操纵器来说,搜索时间减少了高达43.78%,路径长度减少了高达21.38%.
- 为奴隶操纵器实现了高达46.88%的搜索时间和高达20.83%的路径长度的减少.
结论:
- 拟议的BPFPS-RRT算法有效地实现了双重操纵器的路径规划.
- 新的步骤大小策略和人工潜力场的整合提高了搜索效率和路径优化.
- 对于涉及双机器人系统的复杂运动规划任务,BPFPS-RRT提供了强大的解决方案.
