基于PTM算法为机器人改进的RRT行为规划方法
Chuanyu Cui1, Zuoxun Wang2, Jinxue Sui1
1School of Information and Electronic Engineering, Shandong Technology and Business University, 191 Binhai Middle Road, Yantai, 264005, Shandong, China.
Scientific reports
|September 19, 2024
概括
研究人员为不稳定的高阶非线性系统开发了一种新的快速搜索随机树策略. 这种方法提高了通过模拟验证的机器人系统的路径规划稳定性和效率.
科学领域:
- 机器人和控制系统 机器人和控制系统
- 非线性动力学是一种非线性动力学.
- 人工智能在路径规划中的作用
背景情况:
- 高阶非线性系统经常表现出不稳定的路径质量,这给机器人应用带来了挑战.
- 现有的路径规划方法与复杂的障碍环境作斗争,并确保全球数据稳定性.
研究的目的:
- 引入新的快速搜索随机树策略,以改善多维高阶非线性系统的路径规划.
- 为了提高在复杂环境中运行的多度自由度机器人的路径设计的稳定性和效率.
主要方法:
- 开发一个高阶的利普希茨向量场动态系统来建模机器人动态.
- 实施一个分类LSTM (长短期内存) 网络层用于数据选和全球稳定性保证.
- 整合视觉传感器用于路径标记,回溯和死亡区域简化.
主要成果:
- 拟议的战略有效地解决了高阶非线性系统中不稳定的路径质量问题.
- 分类LSTM层成功选训练数据,确保路径设计的全球稳定性.
- 视觉传感器集成有助于强大的路径标记和简化策略.
结论:
- 新的快速搜索随机树策略为复杂的非线性系统的机器人路径规划提供了重大进展.
- 该方法在提高路径稳定性,效率和适应动态环境的能力方面表现出有效性.
