非结构环境下基于非精确信息描述的机器人自主规划方法研究

All along, the robot path planning focused on the static structure environment, for dynamic unstructured environment planning problem, it is difficult to make any break through. Due to dynamic unstructured environment's complexity and dynamic change, perception of information and environment on the robot's reaction are uncertain. However, traditional planning methods based on the analysis of the simplified kinodynamic model, ignoring kinodynamic uncertainty information, while ignoring the sensor's perception and control uncertainty, not actually result the optimal safety path. Our proposed project based on Markov Decision Processes method which takes into both actuator' and sensor's information into consideration, and regards the uncertain information as discrete set, which can achieve the optimal safe path indeed.But because of the complexity of the information, the uncertain information may cause‘curse of dimensionality' with time goes. This project proposes a feature information method which samples the uncertain information information in order to avoid the curse of dimensionality, while at the same time this method proposes the multi-agent concepts which can be applied to high-dimensional complex environment. This project analyzes at the point of containing uncertain information in path planning and research Rotor Unmanned Aerial Vehicle's (RUAVs) path planning under uncertainty, and has great theoretical significance as well as application value.

一直以来，机器人路径规划都集中于静态结构环境下，对于动态非结构环境下的规划问题研究难以突破。动态非结构环境由于其复杂性和动态变化性，信息的感知以及环境对机器人的反作用都存在不确定性。然而，传统的规划方法在分析时简化了动力学和运动学模型，在规避动力学和运动学不确定性信息的同时，忽略了传感器的感知和控制的不确定性，无法得出实际上的最优安全路径。本课题基于马尔可夫决策链规划方法，在分析时能够将系统本体、感知器的不确定信息用置信集描述，能够对整个环境建立出控制量和位置信息的路径网络。但由于环境信息的复杂，随着时间的推移不确定信息的存储会造成维数灾难，本课题将提出一种对不确定信息进行特征信息表达的方法，避免维数灾难，同时该方法的多机体搜索概念能够应用于高维复杂环境，最终的路径通过启发式算法搜索得出。课题从包含不确定信息规划入手，具体研究旋翼飞行机器人的不确定规划问题，更具理论意义和应用价值。

路径规划作为一种典型的自主行为能力一直都是机器人领域研究的关键问题之一。从路径规划概念的提出至今，出现了大量的可用于二维或三维环境的路径规划方法，用于对复杂环境的感知、理解、建模及对最优路径求取的问题，但是既能快速实时地进行求解，又能充分考虑具有时变性的机器人复杂动力学、环境信息感知等不确定性问题，一直是制约路径规划技术面向实际应用的难题。针对上述问题，本课题首先深入研究了近些年发展成熟并集中应用于机器人的三维路径规划算法；其次，通过采集获得的飞行数据与现有不同模态参考模型模拟数据的差值，反向拟合不确定性地参数化模型，提出频域辨识方法完成了动力学模型的参数辨识与模型建立；第三，针对三维环境建模问题，在栅格法的基础上提出了高度降维的三维环境建模方法；第四，在路径规划求解中，借鉴启发式算法在解决全局路径规划问题中的优势，利用A*算法在环境模型中进行全局静态路径规划。在动态规划问题上提出了一种以全局路径规划结果为基础进行局部动态搜索的方案，设计了无记忆回归A*算法，并与传统A*算法相结合进行动态规划；第五，在平台构建方面，完成了室内视觉定位平台-地面站系统-无人机的通讯链路设计，并在搭建的室内实验系统下，开展了室内环境下多旋翼无人机全局路径规划飞行实验。在室外环境下设计了多旋翼无人机基于非精确信息下自主作业的实验，进一步充分验证了非结构环境下基于非精确信息描述的机器人自主规划方法的有效性。实验研究表明旋翼无人机路径优化性较传统方法提高了10%~20%，同时可自主躲避多个障碍物。通过本项目的研究，解决了多旋翼飞行机器人的动力学建模及估计等问题，考虑了环境不确定因素以及飞行机器人动力学约束，探索了飞行机器人在动态非结构环境下的规划问题，为旋翼飞行机器人在非结构环境下的实际应用奠定了良好的基础，提供了丰富的技术理论指导。