不确定环境下的自主移动机器人目标搜索问题研究

Target search is an important part of the function of autonomous robot system. Its potential applications include plant/deep-sea exploration, search and rescue in disasters, fault detection in chemical industries, patrolling etc. Research on motion planning, environment modeling of search task has made some progress, but deficiencies still exist, e.g., various uncertain factors in target search have not been given due consideration.This project aims to design a probabilistic topology environment model, to realize the storage and update of the uncertain information of the environment and the target. Using the general planning method to do motion planning for a particular task will reduce the search efficiency. To improve search efficiency, search tasks will be classified, and motion planning strategies for different search patterns, including feasibility optimal search, feasibility search with time threshold and security optimal search, will be explored. Special target search behaviors, such as hand-eye coordination inspection among obstacles, pursuit and evasion, and behavior coordination mechanisms according to task patterns, will be studied. It is hoped that this project will offer the environment model and task planning method for different search patterns, promote research on task classification in uncertain environments, provide solution to dealing with the uncertainty of environments, the location and feature of target, and thus bring about the application of such technologies to the areas of family service, security service and the like.

目标搜索是自主机器人系统功能的重要组成部分，其潜在应用领域包括: 星球/深海探索、灾难中的搜索与救援、化工厂故障检测、安全巡逻等。搜索任务的运动规划、环境建模方面的研究虽然取得了一定进展，但仍有许多不足。目前研究对搜索过程中的不确定性因素没有充分考虑，本项目拟设计一种概率拓扑环境模型，实现环境模型对环境和目标不确定性信息的存储与更新。针对通用规划方法影响搜索效率的问题，本项目拟对搜索任务进行分类，研究可行性最优搜索、存在时间阈值的搜索、安全性最优搜索等模式；并设计手眼协同越障搜索、追-逃等搜索任务的专有行为，研究不同模式下的行为协调机制。力争通过本项目的研究，实现部分搜索模式的环境建模与任务规划，促进不确定环境下的搜索任务分类研究，解决搜索过程中工作环境、目标位置与特征的不确定性因素考虑不足的问题，并促进相关理论方法在家庭服务、工厂巡逻等场合中的实际应用。

移动机器人目标搜索是自主移动机器人的重要共性技术之一，本项目对搜索任务的运动规划，搜索任务中的概率环境模型构建，搜索任务中的行为设计与协调进行了探索研究。.本项目首先对搜索任务的运动规划进行了研究，实现搜索任务的四种模式分析，建立定时间阈值搜索、可行性最优搜索、最优时间期望搜索、安全性最优搜索的数学模型，利用解析方法或启发式方法为以上搜索模式设计了自主路径规划方法，并通过物理实验或仿真对所提理论或方法进行了验证。.本项目对手眼协同越障搜索行为进行了研究，提出了机械臂搜索避障算法，以及狭窄环境下的目标定位方法。对追-逃行为进行了研究，重点对追-逃过程中不同环境与地形下的追-逃策略进行研究，如：追-逃行为中的自主隐藏与保护策略，地表形态的识别与影响等。.本项目实现了多种概率环境模型的构建，并将目标信息，概率信息，以及地表形态信息等相关信息蕴含于分层概率环境模型中，在搜索过程中充分利用该环境模型完成搜索任务，并可以通过在线学习实现环境模型的概率信息与场景信息的更新。本项目以PowerBot、PR2 移动机器人为硬件依托，建立机器人巡逻搜索软件系统，实现不同任务模式下对室内与室外可疑目标的搜索与追踪。.本项目研究过程中所产生的成果完善了不确定环境下的搜索任务分类，设计了一系列应对搜索过程中工作环境、目标位置与特征的不确定性因素的概率方法。相关技术的潜在应用领域包括: 家庭服务、搜索与救援、化工厂故障源检测、工厂无人安保巡逻等。