暨南大学开发新算法 帮助机器人避免碰撞

盖世汽车讯 据外媒报道，期刊《International Journal of Computational Science and Engineering》报道了一种新的自动驾驶机器人导航方法，可以帮助避免未来在各种环境中发生碰撞和事故，例如工业建筑和仓库、农田以及城市，以及自动驾驶车辆城市场景、搜索和救援地点、医疗保健环境，甚至家庭和花园。

多年来，应对规划和运动控制的挑战以及使机器人安全高效移动的关键组件一直是研究议程的重点。中国广州暨南大学（Jinan University）数学学院的Jieyun Yu重点从两个基本方面来克服这些问题：增强控制系统的性能和克服路径规划的局限性。

通过使用基于迭代学习控制（ILC）和无模型自适应控制（MFAC）的新型指数前馈-反馈控制策略，Yu实现了精确的轨迹跟踪，不仅改善了轨迹收敛，减少了错误，并确保准确且可重复的机器人运动。

该路径规划系统还通过使用人工势场（APF）算法解决了避免碰撞的问题。在这种情况下，机器人路径上的障碍物被视为虚拟势场内的排斥力，使机器人能够无缝地绕过障碍物。Yu进行了仿真且验证其方法的有效性，并表明该方法比传统模型更有效。

新方法可以让机器人或自动驾驶汽车比其他方法更快地找到合适且安全的路线，最大限度地减少可避免的错误，并为机器人在复杂和动态的环境中操作提供了可能性。

例如，该方法可用于改善自动驾驶汽车的行为，使自动驾驶汽车能够安全准确地在复杂的道路网络中行驶。在仓库和工业自动化领域，该系统可以改善物流，包括在现场进行拣选、分类以及运输货物和材料。该系统还可以改进搜索和救援机器人，使它们能够在灾区更有效地工作并在危险环境中航行。在田间，农业机器人也可以更有效地耕耘、种植、灌溉、监控和收割。

【以上内容转自“盖世汽车”，不代表本网站观点。 如需转载请取得盖世汽车网许可，如有侵权请联系删除。】

延伸阅读：

• 自动驾驶变革之中，寻到确定性
• 无人驾驶已成为不争事实，T3出行领先出发