基于随机树的多策略快速探索的移动机器人控制器,用于在人类共享环境中安全路径规划

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
• 人与机器人的交互

背景情况:

• 在静态环境中,移动机器人路径规划得到了充分的研究.
• 对于移动机器人来说,确保在动态环境中与随机人类运动中的安全是一个重大挑战.
• 现有的算法与不可预测的人类行为作斗争,导致潜在的冲突.

研究的目的:

• 为移动机器人开发安全的路径查找算法,在人类共享的环境中运行,人类的动作未知.
• 通过模拟人类运动的不确定性来应对在规划层面预防冲突的挑战.
• 为与人类合作的机器人创造一个最佳的安全路径.

主要方法:

• 提出了一个基于随机树 (MP-RRT) 的安全路径查找算法,快速探索多方策略.
• 开发了一个MP-RRT多样化路径生成器来创建多个候选路径.
• 引入了一个基于象限的动态随机探索机制,用于高效的环境映射.
• 使用随机风险评估设计了一种路径优化机制,以模拟人类运动的不确定性.

主要成果:

• 与A*,MDP和RRT相比,MP-RRT算法显著减少了冲突数量 (分别为-70.2%,-72.8%和-73.8%).
• 在任务成功率方面取得了实质性的改进 (+66.0%,+95.0%和+85.7%相比A*,MDP和RRT).
• 通过考虑人类风险,证明有效的环境探索和最佳安全路径生成.

结论:

• 拟议的MP-RRT算法通过明确模拟人类运动的不确定性,有效地确保了人类共享环境中的机器人安全.
• 该算法在减少冲突和提高任务成功率方面优于传统方法.
• 模拟结果验证了在动态,人口密的空间中安全路径规划的拟议方法的效率和稳定性.