多模式智能物流机器人结合3D CNN,LSTM和视觉SLAM用于路径规划和控制
1School of Intelligent Engineering, Shaoguan University, Shaoguan, China.
Frontiers in neurorobotics
|November 1, 2023
概括
本研究介绍了物流机器人的智能路径规划系统,改善了在复杂环境中避开障碍和导航. 该方法提高了机器人的自主性和安全性,这对于现代物流运营至关重要.
科学领域:
- 机器人和自动化机器人与自动化
- 人工智能的人工智能
- 物流和供应链管理的物流和供应链管理.
背景情况:
- 智能机器人对于动态物流中的效率,成本降低和安全至关重要.
- 传统的路径规划方法在复杂,不断变化的环境中失败,导致碰撞和冲突.
- 在物流中提高机器人的自主性和可靠性是一个重大挑战.
研究的目的:
- 为复杂环境中的物流机器人开发先进的路径规划和控制方法.
- 通过整合多来源感知信息来提高避障能力.
- 提高物流机器人的自主性和可靠性.
主要方法:
- 使用3D卷积神经网络 (CNN) 来进行对象识别和特征学习.
- 采用长期短期记忆 (LSTM) 模型用于时空特征提取和动态障碍预测.
- 应用了Dijkstra算法来实现最佳路径规划和控制决策.
主要成果:
- 与传统方法相比,拟议的方法显示出更高的路径规划准确性.
- 在避开障碍的表现中观察到显著的改善.
- 智能路径规划和控制方案证明是非常有效的.
结论:
- 该研究提高了物流机器人在复杂的操作环境中的实用性.
- 对象识别,时空建模和优化路径规划的综合方法提高了机器人的精度和可靠性.
- 这一进步有助于提高物流行业和自主运营的效率和安全性.
