在過去的幾年中,有關機器學習的一些研究報告,以及如何應用它來幫助移動機器人提高其操作能力。
導航問題是智能移動系統設計和開發中最重要的問題之一。這包括移動機器人在其環境中計劃和執行無碰撞運動的能力。但是,這種環境可能是不準確的,巨大或動態環境中。
機器人必須能夠理解這個環境的結構。為了不碰撞地達到目標,機器人必須具有感知,數據處理,識別,學習,推理,解釋,決策和行動能力。獲得這些能力來處理和傳播知識的能力構成了某種人工智能的關鍵。重現這種智能,到目前為止,是智能機器,特別是自主移動機器人的建設和發展中的一個人類誌向。為了達到合理的自主權,兩個基本要求是感知和推理。前者由車載傳感系統提供,收集機器人相對於周圍場景的信息。後者是通過設計利用這些信息的算法來完成的,以便為機器人生成適當的命令。
並且用這個算法我們將在這篇文章中處理。在智能機器,特別是自主移動機器人的建設和發展中的人類誌向。為了達到合理的自主權,兩個基本要求是感知和推理。前者由車載傳感系統提供,收集機器人相對於周圍場景的信息。後者是通過設計利用這些信息的算法來完成的,以便為機器人生成適當的命令。並且用這個算法我們將在這篇文章中處理。在智能機器,特別是自主移動機器人的建設和發展中的人類誌向。為了達到合理的自主權,兩個基本要求是感知和推理。前者由車載傳感系統提供,收集機器人相對於周圍場景的信息。後者是通過設計利用這些信息的算法來完成的,以便為機器人生成適當的命令。並且用這個算法我們將在這篇文章中處理。後者是通過設計利用這些信息的算法來完成的,以便為機器人生成適當的命令。並且用這個算法我們將在這篇文章中處理。後者是通過設計利用這些信息的算法來完成的,以便為機器人生成適當的命令。並且用這個算法我們將在這篇文章中處理。
我們報導機器人技術中眾所周知的運動規劃問題的目標。給定一個初始位置和方向,目標位置和方向以及位於工作空間中的一組障礙物的問題,問題是找到從初始位置到目標位置的連續路徑,從而避免沿途與障礙物碰撞。換句話說,運動規劃問題分為兩個子問題,稱為“查找空間”和“查找路徑”問題。有關運動規劃問題的相關方法,請參閱參考文獻(Latombe,JC 1991)。資源空間問題是構建給定對象的配置空間和一些障礙。查找路徑問題是確定從機器人的給定起始位置到目標位置的無碰撞路徑。已經提出了用於表示配置空間的各種方法來解決查找路徑問題(Brady,M。&all 1982),(Latombe,JC 1991),(Vörös,J.2002)。
配置空間方法的主要困難是:需要昂貴的計算來從機器人形狀創建配置空間,並且障礙物和搜索步驟的數量隨著節點的數量呈指數增長。因此,研究使用並行算法來解決這些問題是有動機的,這有可能大大提高計算速度。神經網路是以圖形拓撲連接的並行分佈式處理元件的龐大系統。一些研究人員嘗試使用神經網路技術來解決查找路徑問題(Bekey,GA&Goldberg,KY,1993)。
在本文中,我們介紹了一種基於神經網路的方法來規劃已知的靜止障礙之間的已知靜止障礙在結構化環境中的一個機器人Janglová,D /神經網路在移動機器人運動,頁15-22,國際先進機器人雜誌系統,第1卷第1號(2004年),ISSN 1729-8806 16平移和旋轉運動。我們的方法主要由兩個神經網路組成,分別用於求解查找空間和查找路徑問題。第一個神經網路是一個改進的主成分分析網路,用於從超聲波測距儀數據中確定“自由空間”。移動機器人在此工作空間中被建模為二維對象。第二個是多層感知器,
本文的組織結構如下:第2節簡要介紹了神經網路在機器人領域的應用。我們的解決機器人運動問題的方法在第3節給出。我們的運動規劃策略的方法,這將取決於使用兩個神經網路分別解決發現空間問題和查找路徑問題將在第4節中描述。在第5部分。第6部分將總結我們的結論,並給我們在這方面的進一步研究的筆記。