CN114019912B - 一种群体机器人运动规划控制方法及*** - Google Patents
一种群体机器人运动规划控制方法及*** Download PDFInfo
- Publication number
- CN114019912B CN114019912B CN202111204573.2A CN202111204573A CN114019912B CN 114019912 B CN114019912 B CN 114019912B CN 202111204573 A CN202111204573 A CN 202111204573A CN 114019912 B CN114019912 B CN 114019912B
- Authority
- CN
- China
- Prior art keywords
- robot
- motion
- obstacle
- path
- group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 8
- 230000005653 Brownian motion process Effects 0.000 claims description 7
- 238000005537 brownian motion Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 230000001788 irregular Effects 0.000 claims description 3
- 101100129590 Schizosaccharomyces pombe (strain 972 / ATCC 24843) mcp5 gene Proteins 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 101100517651 Caenorhabditis elegans num-1 gene Proteins 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000272194 Ciconiiformes Species 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/414—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller
- G05B19/4142—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller characterised by the use of a microprocessor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/34—Director, elements to supervisory
- G05B2219/34013—Servocontroller
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种群体机器人运动规划控制方法及***,该方法将路径规划和避障处理过程放在云服务器上进行处理,针对群体机器人的多种运动场景选择相应的路径规划算法,采用云平台控制模块直接与目标机器人进行通信,控制目标机器人按照规划的路径向目标点运动。与现有技术相比,本发明具有运动规划复杂度低、准确性高以及成本低等优点。
Description
技术领域
本发明涉及机器人路径规划控制领域,尤其是涉及一种群体机器人运动规划控制方法及***。
背景技术
随着科技的进步和社会的发展,机器人智能化和自动化的水平逐步提高,已经逐渐渗透到日常的生活中。机器人在工业和日常居家中都能出色地完成任务,减少人们的劳动负担。机器人需要在工作场景中规划出一条从初始位置到目标位置的路径,该路径应满足路径短、高效能、安全性高等一系列要求,并且必须能够避开沿途的静态和动态障碍物。同时机器人应具备一定的计算能力来实时计算最短和最安全的路线,以节省时间和储备能量。良好的机器人路径规划技术不仅可以节省大量的时间,还可以减少机器人的磨损和资本投资。由于移动机器人的路径规划具有重要的应用价值,已成为国内外的研究热点。特别是在工业中,群体机器人的运动规划控制更为复杂,因此需要新型的运动规划方法来完成工业上的各种制造任务,这对于此类群体机器人运动规划任务有重要作用。
现有的群体机器人控制一般将任务分配在云服务器中,具体机器人的路径规划控制和障碍物避让依靠机器人自身的微型处理器来实现。群体的机器人依靠自身的各自传感器和雷达来感知环境信息,由云服务器来分配每个机器人的任务,机器人之间进行多种通信,由微型处理器进行路径规划控制;现有技术很难针对不同的运动场景来设计相应的路径规划方法,使得群体机器人对于不同场景的适应性不强;此外,在没有下达指令时不能进行运动,现有的群体机器人路径规划算法难以满足不同的情况。
目前,现有的群体机器人控制存在以下不足:
1)由于当前的群体机器人依靠自身的微型处理器来实现路径规划,当路径规划的算法复杂,路径复杂,障碍物过多时,对于处理器的算力是有压力的,很可能出现运动过程中死机现象,而且如果处理器的算力不足,会导致机器人运动可能断断续续;
2)云服务器仅用来进行任务分配是过于浪费;
3)群体机器人的运动场景多种多样,需要根据不同的情况采取对应的路径规划方法;
4)机器人避让障碍物时,机器人间的相互通信过于频繁会导致处理器压力过大;
5)路径规划算法不能针对所有群体机器人的运行情况,只有在下达指令时群体机器人才会运动,目前还没有未下达指令时的运动控制算法。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供了一种运动规划复杂度低、准确性高以及成本低的群体机器人运动规划控制方法及***。
本发明的目的可以通过以下技术方案来实现:
根据本发明的第一方面,提供了一种群体机器人运动规划控制方法,该方法将路径规划和避障处理过程放在云服务器上进行处理,针对群体机器人的多种运动场景选择相应的路径规划算法,采用云平台控制模块直接与目标机器人进行通信,控制目标机器人按照规划的路径向目标点运动。
优选地,所述运动场景包括布朗运动场景、队列决策场景、自动充电场景以及人机交互场景。
优选地,所述布朗运动场景的控制过程为:
群体机器人从睡眠状态中启动,初始状态为一群机器人聚集在一个固定位置;所述云平台控制模块确定每个机器人的运动优先顺序,为每个机器人规划路径,并将运动指令发送给机器人本体;所述机器人本体通过运动指令解析,驱动机器人进行运动;在运动过程中,机器人时刻判断运动过程中是否碰到障碍物,如果碰到障碍物,云平台控制模块将为其重新规划路径避开障碍物;
当所述群体机器人没有接收到控制指令时,将采用避障与随机运动算法进行运动控制。
优选地,所述避障与随机运动算法包括简单直线运动、障碍物检测和障碍躲避操作,具体为:
所述机器人本体遇到障碍物之前进行简单直线运动,当障碍物检测中判断下一个周期将会遇到障碍物时,进行障碍躲避操作,从障碍物弹开然后继续直线运动,直至遇见下一障碍物;
所述障碍物检测操作为:定义群体机器人的运动范围为一个二维平面,建立坐标系将所有障碍物数学抽象化,并将所有障碍物的非规则界面离散化为一系列线段集合,从而将机器人本体与障碍的碰撞条件简化为不等式判断。
优选地,所述障碍物包括固定场地障碍和其他机器人本体障碍,相应的障碍躲避操作为:
固定场地障碍,进行伪弹性碰撞动作,即机器人本体垂直于入射平面方向速度分量反向,平行速度分量不变;
其它机器人本体障碍,依据机器人本体的运动优先级进行处理。
优选地,所述队列决策场景的控制过程为:
当机器人接收到特定的外界信号后,将信号传递至云平台控制模块;所述云平台控制模块在后台执行队列决策算法,给每只机器人计算最优路径,并将运动指令发送至机器人,驱动机器人排列成预设的形状。
优选地,所述队列决策算法的控制目标为根据给定队列,分配目标点,以最短的时间实现队列,并使路径距离尽可能短,该算法具体包括以下步骤:
步骤S1、获取障碍物信息、队列信息以及目标机器人实时坐标,进行初始化;
步骤S2、规划避障路径,由起点开始,选取节点避开障碍物,直到目标点;基于获取的路径节点集合以及对应路径长度,按权重分配目标点,各个机器人得到对应的目标点坐标以及对应的路径;
其中,所述权重为基于路径长度的一阶权重,表现为机器人的第一近邻目标点;若相同,则考虑二阶权重,以此类推。
优选地,所述自动充电场景的控制过程为:
当机器人本体的电量低于预设电量值,云平台控制模块检测到该情况时,发送充电指令给机器人,在后台给其规划路径,并给其较高的运动优先级,保证其能够顺利地回到充电桩进行充电。
优选地,所述人机交互场景的控制过程为:
当人进入场馆内,云平台控制模块获取目标人物在场馆中的位置,指派人附近的一个或多个机器人与人进行交互。
根据本发明的第二方面,提供了一种基于上述群体机器人运动规划方法的***,该***包括群体机器人、用于进行路径规划和避障处理的云服务器模块以及用于实现云服务器与目标机器人间直接通信的云平台控制模块。
与现有技术相比,本发明具有以下优点:
1)现有机器人路径规划和避障依靠的是自身微型处理器的算力,本发明提出一种群体机器人运动规划算法,采用了云服务器,将路径规划和避障处理在云端进行,有了结果后,直接与目标机器人通信,减少了机器人之间的通信,使得群体机器人之间无需进行实时大量的信息收发,使得群体机器人之间能够达到更好的协同效果;减轻了微型处理器的运算压力,减少了硬件成本,使得机器人只需要关注控制,有效解决当前群体机器人运动规划复杂,控制困难,硬件成本过高问题;
2)现有的群体机器人运动规划方法并没有针对多种运动场景,本发明针对群体机器人的不同运动场景,通过设计的云平台控制模块选择不同的路径规划方法,减少了群体机器人运动规划的复杂程度;
3)本发明针对机器人路径规划中需要计算目标的合理路径,设计了队列决策算法,通过此算法可以计算出机器人相对于目标的距离,达到移动最小路径的效果,提高了群体机器人路径运动的准确性和避让障碍的高效性;
4)本发明设计了随机运动和避障算法,使得群体机器人在没有指令下达的情况下,可以通过此算法进行随机运动,避让障碍的高效性与安全性;
5)本发明的将群体机器人的多种运动场景设计在一个云平台控制模块中,对应了多种路径规划方法,针对运动场景之后可以进行扩展,这对于工业生产有优势。
附图说明
图1为本发明在不同运动场景下的群体机器人控制流程图;
图2为本发明的算法实现流程图;
图3为路径规划算法流程图;
图4为规划避障路径示意图;
图5为随机运动与避障算法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
实施例
为了解决群体机器人运动规划控制困难等问题,本实施例给出了一种群体机器人运动规划控制方法及***。对于群体机器人运动场景复杂的问题,基于云平台控制模块,针对多种运动场景,采用对应的路径规划算法;针对群体机器人路径规划问题,采用队列决策算法,使得机器人运动路径距离尽可能短,协调多个机器人的运动,解决机器人与障碍物的碰撞问题。
下面首先给出本发明的***实施例。
一种群体机器人运动规划控制***,该***包括群体机器人、用于进行路径规划和避障处理的云服务器模块以及用于实现云服务器与目标机器人间直接通信的云平台控制模块。
下面结合附图对本发明的方法进行详细介绍。
1、云平台控制模块中的场景设计
如图1所示,软件控制群体机器人的场景主要有四种场景,分别为:
1.1布朗运动场景
群体机器人从睡眠状态中启动,初始状态为一群机器人聚集在一个固定位置;
云平台控制模块确定每个机器人的运动优先顺序,并为每个机器人规划路径,然后将运动指令发送给机器人本体;
机器人本体通过运动指令解析,驱动机器人进行运动;
机器人时刻判断运动过程中是否碰到障碍,如果碰到障碍,云平台控制模块将为其重新规划路径避开障碍;
整个机器人群体在场馆中进行无序运动,类似于布朗运动;
1.2队列决策场景
当机器人接收到特定的外界信号后,会将信号传递至云平台控制模块;
软件在后台将执行队列决策算法,给每只机器人计算最优路径,并将运动指令发送至机器人,驱动机器人排列成预设的形状。
1.3自动充电场景
当机器人本体的电量低于20%,软件检测到该情况时,会发送充电指令给机器人,在后台给其规划路径,并给其较高的运动优先级;与此同时,出现在路径上的其他机器人都会给其让路,保证其能够顺利地回到充电桩进行充电;
1.4人机交互场景
当人进入场馆内,软件会获得目标人物在场馆中的位置,通过算法分析,指派人物附近的一个或多个机器人与人进行交互。
2、队列决策算法
该算法的实现流程图如图2所示,队列决策算法的目标为:根据给定队列,分配目标点,以最短的时间实现队列,并使路径距离尽可能短;解决机器人与障碍物的碰撞问题;协调多个机器人的运动,确保机器人之间不发生碰撞。
该算法的前提是:群体机器人在起点和终点时不会互相妨碍运动;机器人间的碰撞是由路径交叉引起的,暂不考虑路径平行且相距足够近引起的碰撞;处于静态环境中,除目标机器人外,无其他动态障碍物。
定义算法模型输入集合:
N个机器人的初始坐标集为:penguin[N]={(x1,y1),(x2,y2),...,(xN,yN)},
实现队列的N个目标点坐标集为:
障碍物边界线段集Obstacles,竖直线段集Verticals为(Xmin,Xmax,slope,intercept)。
实现流程图如图3所示,通过队列规划算法得到路径节点集合LineNN[num1][num2].Nodes[](第num1个机器人到第num2个目标点的避障路径节点)以及Distancebetween(LineNN[num1][num2])(对应的路径长度),按权重分配目标点,各机器人获取目标点坐标及对应的路径。
如图3所示,所述算法的计算过程具体为:
首先是规划避障路径:障碍物根据安全距离膨化并近似成多边形,将各多边形的顶点作竖直线,碰到其他障碍物或边界截止。
考虑第num1个机器人与第num2个目标点的路径,由起点开始,选取节点避开障碍物,直到目标点,其中节点选取按以下规则进行。
确定第i个机器人(xj,yj)与第j个目标点(exj,eyj)所在的直线为初始路线,其上点坐标(x,y)满足:
得到第num1个机器人与第num2个目标点的避障路径节点集合(图4中各空白圆点坐标,黑色圆点为目标点):LineNN[num1][num2].Nodes[],连接各点,并依次计算相邻点之间的距离并累加,得到此条路径下机器人与目标点的距离Distance(LineNN[num1][num2]),表达式为:
D=∑di
若dij为第i(即上述num1)只机器人与目标点j(即上述num2)的距离,则可由下列矩阵表示所有的距离信息矩阵:
计算各行的一阶权重:Qi=dmin(该行最小值,即机器人的第一近邻目标点);
根据一阶权重值大小按顺序依次分配目标点,若相同,则考虑二阶权重(该行第二小的值,即机器人的第二近邻目标点),以此类推;每分配一次,将对应列删除(屏蔽)。
目标点分配完成,机器人按LineNN[num1][num2].Nodes[]各个节点前进至目标点,考虑路径交叉的情况。任意t时刻,c(t)代表了各机器人的坐标位置,若在dt时间后,依照当前速度和方向:若机器人i和其他机器人(一个或多个)将前往同一区域,则依照优先级依次通过,(优先级低则原地等待),优先级取决于ti大小;若前方区域为其他机器人目标点且已该机器人已抵达处于静止状态,则绕路。
完成队列规划,机器人就按既定路径走向目标点。
3、避障与随机运动算法
随机运动是指机器本体在没有接收到控制平台指令状态下进行的自主运动,设计为类似布朗运动的无序运动方式。整个随机运动与避障的程序流程图如图5所示。本体遇到障碍物之前进行直线运动,当判断下一个运动周期将会遇到障碍时,进行避障动作,从障碍物弹开然后继续直线运动,直到遇见下一障碍物。
随机运动的触发条件和终止条件分别为:接收到控制台的解散(***)命令;接收到控制台的其他运动命令,如排队、归巣等。
整个运动过程分解为简单直线运动、障碍物检测与障碍躲避三部分。
直线运动实现较为简单,无需独立为单独的模块。
将障碍物检测与障碍躲避两部分进行展开。建立一个二维坐标平面,将机器本体运动的范围、群体机器人以及障碍物进行数学抽象。针对障碍物涉及各种非规则曲面,将所有障碍物的界面离散化为一系列线段集合,每条线段表达式为:
y=ax+b,x∈[xmin,xmax]。
将机器人本体与障碍物的碰撞条件简化为不等式判断。机器人本体i从某个方向接近线段y=ax+b,x∈[xmin,xmax],当碰撞发生时,不等式yi>axi+b的值将会发生翻转,这样便可以定位一次碰撞事件。
接下来是躲避障碍,运动过程中机器人本体将会碰到两种障碍,分别为固定场地障碍和其他机器人本体;
对于固定场地障碍,进行伪弹性碰撞动作,即本体垂直于入射平面方向速度分量v⊥反向,平行分量v//不变;
对于其他机器人本体,与其他机器人本体发生碰撞时,将额外引入一个运动优先级变量,用于表示某些本体在特殊情况下拥有较高的“路权”,包括如电池耗尽归巢,或排队时即将到达指定位置等。
所述运动优先级有以下三种情况,分别为:
运动优先级小于对方运动优先级,原地等待一个运动周期;
运动优先级大于对方运动优先级,直线前进;
运动优先级等于对方运动优先级,执行伪弹性碰撞,即垂直于碰撞切面速度分量v⊥反向,平行分量v//保持不变。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种群体机器人运动规划控制方法,其特征在于,该方法将路径规划和避障处理过程放在云服务器上进行处理,针对群体机器人的多种运动场景选择相应的路径规划算法,采用云平台控制模块直接与目标机器人进行通信,控制目标机器人按照规划的路径向目标点运动;
所述运动场景包括布朗运动场景、队列决策场景、自动充电场景以及人机交互场景;所述布朗运动场景的控制过程为:群体机器人从睡眠状态中启动,初始状态为一群机器人聚集在一个固定位置;所述云平台控制模块确定每个机器人的运动优先顺序,为每个机器人规划路径,并将运动指令发送给机器人本体;所述机器人本体通过运动指令解析,驱动机器人进行运动;在运动过程中,机器人时刻判断运动过程中是否碰到障碍物,如果碰到障碍物,云平台控制模块将为其重新规划路径避开障碍物;当所述群体机器人没有接收到控制指令时,将采用避障与随机运动算法进行运动控制。
2.根据权利要求1所述的一种群体机器人运动规划控制方法,其特征在于,所述避障与随机运动算法包括简单直线运动、障碍物检测和障碍躲避操作,具体为:
所述机器人本体遇到障碍物之前进行简单直线运动,当障碍物检测中判断下一个周期将会遇到障碍物时,进行障碍躲避操作,从障碍物弹开然后继续直线运动,直至遇见下一障碍物;
所述障碍物检测操作为:定义群体机器人的运动范围为一个二维平面,建立坐标系将所有障碍物数学抽象化,并将所有障碍物的非规则界面离散化为一系列线段集合,从而将机器人本体与障碍的碰撞条件简化为不等式判断。
3.根据权利要求2所述的一种群体机器人运动规划控制方法,其特征在于,所述障碍物包括固定场地障碍和其他机器人本体障碍,相应的障碍躲避操作为:
固定场地障碍,进行伪弹性碰撞动作,即机器人本体垂直于入射平面方向速度分量反向,平行速度分量不变;
其它机器人本体障碍,依据机器人本体的运动优先级进行处理。
4.根据权利要求1所述的一种群体机器人运动规划控制方法,其特征在于,所述队列决策场景的控制过程为:
当机器人接收到设定的外界信号后,将信号传递至云平台控制模块;所述云平台控制模块在后台执行队列决策算法,给每只机器人计算最优路径,并将运动指令发送至机器人,驱动机器人排列成预设的形状。
5.根据权利要求4所述的一种群体机器人运动规划控制方法,其特征在于,所述队列决策算法的控制目标为根据给定队列,分配目标点,以最短的时间实现队列,并使路径距离尽可能短,该算法具体包括以下步骤:
步骤S1、获取障碍物信息、队列信息以及目标机器人实时坐标,进行初始化;
步骤S2、规划避障路径,由起点开始,选取节点避开障碍物,直到目标点;基于获取的路径节点集合以及对应路径长度,按权重分配目标点,各个机器人得到对应的目标点坐标以及对应的路径;
其中,所述权重为基于路径长度的一阶权重,表现为机器人的第一近邻目标点;若相同,则考虑二阶权重,以此类推。
6.根据权利要求1所述的一种群体机器人运动规划控制方法,其特征在于,所述自动充电场景的控制过程为:
当机器人本体的电量低于预设电量值,云平台控制模块检测到该情况时,发送充电指令给机器人,在后台给其规划路径,并给其较高的运动优先级,保证其能够顺利地回到充电桩进行充电。
7.根据权利要求1所述的一种群体机器人运动规划控制方法,其特征在于,所述人机交互场景的控制过程为:
当人进入场馆内,云平台控制模块获取目标人物在场馆中的位置,并指派人附近的一个或多个机器人与人进行交互。
8.一种基于权利要求1所述的群体机器人运动规划控制方法的***,其特征在于,该***包括群体机器人、用于进行路径规划和避障处理的云服务器模块以及用于实现云服务器与目标机器人间直接通信的云平台控制模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111204573.2A CN114019912B (zh) | 2021-10-15 | 2021-10-15 | 一种群体机器人运动规划控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111204573.2A CN114019912B (zh) | 2021-10-15 | 2021-10-15 | 一种群体机器人运动规划控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114019912A CN114019912A (zh) | 2022-02-08 |
CN114019912B true CN114019912B (zh) | 2024-02-27 |
Family
ID=80056228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111204573.2A Active CN114019912B (zh) | 2021-10-15 | 2021-10-15 | 一种群体机器人运动规划控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114019912B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114347041B (zh) * | 2022-02-21 | 2024-03-08 | 汕头市快畅机器人科技有限公司 | 群体机器人控制与图案生成方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102196039A (zh) * | 2011-04-13 | 2011-09-21 | 中国科学院深圳先进技术研究院 | 基于云计算的多机器人***及其实现方法 |
CN102831318A (zh) * | 2012-08-25 | 2012-12-19 | 北京科技大学 | 异构多机器人***中基于个体能力的任务分配算法 |
CN103076777A (zh) * | 2012-12-27 | 2013-05-01 | 深圳先进技术研究院 | 一种控制多机器人服务量的处理方法及*** |
CN104199450A (zh) * | 2014-09-17 | 2014-12-10 | 上海畔慧信息技术有限公司 | 群体机器人的控制*** |
CN105203097A (zh) * | 2015-10-14 | 2015-12-30 | 中国矿业大学 | 一种适用于灾后环境的多机器人多目标点救援路径规划方法 |
CN105223956A (zh) * | 2015-11-09 | 2016-01-06 | 中山大学 | 一种全向移动机器人的动态避障方法 |
CN106503373A (zh) * | 2016-11-04 | 2017-03-15 | 湘潭大学 | 一种基于b样条曲线的双机器人协调装配的轨迹规划方法 |
CN106774345A (zh) * | 2017-02-07 | 2017-05-31 | 上海仙知机器人科技有限公司 | 一种进行多机器人协作的方法与设备 |
CN109040304A (zh) * | 2018-09-10 | 2018-12-18 | 东北大学 | 一种CloudROS云机器人架构 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10429847B2 (en) * | 2017-09-22 | 2019-10-01 | Locus Robotics Corp. | Dynamic window approach using optimal reciprocal collision avoidance cost-critic |
TW202107232A (zh) * | 2019-06-24 | 2021-02-16 | 美商即時機器人股份有限公司 | 用於多個機械手臂於共用工作空間中之移動規劃 |
US12011836B2 (en) * | 2020-04-08 | 2024-06-18 | Robim Technologies Inc. Of Canada | Cloud based computer-implemented system and method for computer-assisted planning and simulation of robot motions in construction |
-
2021
- 2021-10-15 CN CN202111204573.2A patent/CN114019912B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102196039A (zh) * | 2011-04-13 | 2011-09-21 | 中国科学院深圳先进技术研究院 | 基于云计算的多机器人***及其实现方法 |
CN102831318A (zh) * | 2012-08-25 | 2012-12-19 | 北京科技大学 | 异构多机器人***中基于个体能力的任务分配算法 |
CN103076777A (zh) * | 2012-12-27 | 2013-05-01 | 深圳先进技术研究院 | 一种控制多机器人服务量的处理方法及*** |
CN104199450A (zh) * | 2014-09-17 | 2014-12-10 | 上海畔慧信息技术有限公司 | 群体机器人的控制*** |
CN105203097A (zh) * | 2015-10-14 | 2015-12-30 | 中国矿业大学 | 一种适用于灾后环境的多机器人多目标点救援路径规划方法 |
CN105223956A (zh) * | 2015-11-09 | 2016-01-06 | 中山大学 | 一种全向移动机器人的动态避障方法 |
CN106503373A (zh) * | 2016-11-04 | 2017-03-15 | 湘潭大学 | 一种基于b样条曲线的双机器人协调装配的轨迹规划方法 |
CN106774345A (zh) * | 2017-02-07 | 2017-05-31 | 上海仙知机器人科技有限公司 | 一种进行多机器人协作的方法与设备 |
CN109040304A (zh) * | 2018-09-10 | 2018-12-18 | 东北大学 | 一种CloudROS云机器人架构 |
Also Published As
Publication number | Publication date |
---|---|
CN114019912A (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110502032B (zh) | 一种基于行为控制的无人机集群编队飞行方法 | |
CN110221614B (zh) | 一种基于快速探索随机树的多机器人地图探索方法 | |
CN107885209B (zh) | 一种基于动态窗口与虚拟目标点的避障方法 | |
CN111813121A (zh) | 基于距离-角度优先级的多移动机器人编队避障方法 | |
KR20160070467A (ko) | 장애물 회피를 위한 멀티로봇 시스템 및 장애물 회피를 위한 스위칭 대형 전략을 이용하는 방법 | |
JP7044061B2 (ja) | 移動体、移動体制御システム、移動体制御方法、インターフェース装置、およびプログラム | |
CN114019912B (zh) | 一种群体机器人运动规划控制方法及*** | |
CN112428274A (zh) | 一种多自由度机器人的空间运动规划方法 | |
Shiller et al. | Online obstacle avoidance at high speeds | |
Hermann et al. | Anticipate your surroundings: Predictive collision detection between dynamic obstacles and planned robot trajectories on the GPU | |
CN112731942A (zh) | 一种基于改进领航者虚拟结构法的多auv编队控制方法 | |
Sun et al. | A novel fuzzy control algorithm for three-dimensional AUV path planning based on sonar model | |
CN113190020A (zh) | 一种移动机器人队列***及路径规划、跟随方法 | |
CN113370210A (zh) | 一种机器人主动避撞***及方法 | |
Hassan et al. | An approach to base placement for effective collaboration of multiple autonomous industrial robots | |
Chen et al. | A coordinated path planning algorithm for multi-robot in intelligent warehouse | |
WO2022232415A1 (en) | Reactive collision avoidance for autonomous vehicles considering physical constraints | |
Salvado et al. | Contingency planning for automated vehicles | |
CN114442628A (zh) | 基于人工势场法的移动机器人路径规划方法、装置及*** | |
Fei et al. | Collision-free motion planning of dual-arm reconfigurable robots | |
CN112873206A (zh) | 多任务自动分配的机械臂控制***及作业台车 | |
Kumagai et al. | Efficient locomotion planning for a humanoid robot with whole-body collision avoidance guided by footsteps and centroidal sway motion | |
CN103697891A (zh) | 一种工程机械及其入场路径规划装置、***及方法 | |
CN116627140A (zh) | 一种多机器人协同避障方法及*** | |
CN116301038A (zh) | 一种基于航迹优化规划的无人机输电线路自主巡检方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |