当机器人需要穿过房间时,有几条路径,每条路径都有曲线和多个潜在的起点和终点。它如何决定最有效、最具成本效益的方法?


关于上述问题,美国的一个合作研究团队给出了答案。他们开发了一种方法来确定此类一般控制问题的最佳解决方案,该方法可适用于从 A 点移动到 B 点,甚至到更复杂地点的自动化机器人导航路线的指定。


为机器人配上“高德地图”,选出一条最“省油”的路线


他们在 2021 年 8 月号的IEEE/CAA Journal of Automatica Sinica 上发表了他们的结果。


这是第一次为一般最优控制问题提供高度灵活、计算效率高、精确的解决方案,并提供最优性证明。


研究人员结合了两种现有方法来启用算法方法,该方法可以找到控制问题中最优化、最直接的路径。他们的方法称为 RBF-Galerkin,以两种贡献方法命名。RBF是径向基函数,它可以估计特定点之间的距离并对无序数据中的估计进行加权。Galerkin 方法以俄罗斯数学家 Boris Galerkin 的名字命名,该方法将约束应用于没有离散参数的控制问题。


为机器人配上“高德地图”,选出一条最“省油”的路线


所提出的方法在参数化最优控制问题的基函数方面提供了很大的灵活性。


为了测试该方法,研究人员让机器人在包含三个圆圈的平坦空间上移动,但不要跨入圆圈。他们使用了三种方法来观察如何改变机器人的轨迹,并发现他们的 RBF-Galerkin 方法在三种不同的争圆圈中成本和时间效率最高。


研究人员接下来计划开发一种自动化策略来微调问题的初始参数的估计方式。他们还计划通过努力,最大程度地减少初始估计中的潜在错误来继续改进其方法的整体性能。


免责声明

我来说几句

不吐不快,我来说两句
最新评论

还没有人评论哦,抢沙发吧~