一、引言 

智能移動(dòng)機(jī)器人是一類能夠通過傳感器感知環(huán)境和自身狀態(tài),實(shí)現(xiàn)在有障礙物的環(huán)境中面向目標(biāo)的自主運(yùn)動(dòng),從而完成一定的作業(yè)功能的機(jī)器人系統(tǒng)。移動(dòng)機(jī)器人導(dǎo)航技術(shù)的研究內(nèi)容主要包括同步定位與地圖創(chuàng)建、路徑規(guī)劃等若干方面的內(nèi)容。

導(dǎo)航技術(shù)主要解決以下幾個(gè)方面的問題:通過傳感器等技術(shù)手段來獲得機(jī)器人在工作空間中的位置、方向以及環(huán)境信息;用信息融合算法對(duì)所獲得信息進(jìn)行處理,并建立環(huán)境模型;尋找一條最優(yōu)或次最優(yōu)的無碰路徑。

近年來,移動(dòng)機(jī)器人技術(shù)在工業(yè)、航空航天,特別是空間探測(cè)等許多領(lǐng)域發(fā)揮著重要作用,因此,越來越成為學(xué)術(shù)界關(guān)注的熱點(diǎn)。本文對(duì)移動(dòng)機(jī)器人導(dǎo)航技術(shù)進(jìn)行了分類,并進(jìn)行了較為詳細(xì)的分析介紹,最后,對(duì)其發(fā)展趨勢(shì)做了進(jìn)一步的闡述。

二、移動(dòng)機(jī)器人導(dǎo)航技術(shù)研究現(xiàn)狀

1．同步定位與地圖創(chuàng)建

移動(dòng)機(jī)器人的同步定位和地圖創(chuàng)建（simultaneous localization and maping, SLAM）技術(shù)是移動(dòng)機(jī)器人導(dǎo)航技術(shù)的關(guān)鍵技術(shù)。SLAM的相關(guān)理論與關(guān)鍵技術(shù)包括地圖的表示方法、定位、不確定性的信息處理方法、數(shù)據(jù)的關(guān)聯(lián)算法等方面。

地圖的表示方法有基于圖論的表示方法和基于網(wǎng)格的表示方法。基于圖論的表示方法包括可視圖法、切線圖法、Voronoi圖法、拓?fù)鋱D法等。其基本思想是將機(jī)器人、工作空間、目標(biāo)等用鏈接圖表示,然后,尋找一條從起始點(diǎn)到目標(biāo)點(diǎn)的路徑?；诰W(wǎng)格的表示方法有柵格法、四叉樹及擴(kuò)展算法等。柵格法用網(wǎng)格描述機(jī)器人的工作空間,根據(jù)柵格的可信度值來確定障礙物分布,通過避障規(guī)劃就可以得到無碰路徑。

移動(dòng)機(jī)器人的定位方法主要有:相對(duì)定位、GPS技術(shù)、基于人工路標(biāo)的定位和基于地圖的定位等。相對(duì)定位方法主要采用里程計(jì)、光電編碼器、航向陀螺儀、加速度計(jì)等傳感器,利用測(cè)量值的積累實(shí)現(xiàn)定位。全球定位系統(tǒng)（global positioning system, GPS） ,它是以空間衛(wèi)星為基礎(chǔ)的高精度導(dǎo)航與定位系統(tǒng)。

機(jī)器人動(dòng)力學(xué)、運(yùn)動(dòng)學(xué)模型的近似,各傳感器信息及融合信息的不確定性,對(duì)于系統(tǒng)中的不確定性問題,目前,使用的主要是模糊邏輯和概率的方法。在SLAM中使用的數(shù)據(jù)關(guān)聯(lián)算法有近鄰算法和聯(lián)合相容方法來進(jìn)行環(huán)境探測(cè),傳感器信息的豐富也對(duì)數(shù)據(jù)關(guān)聯(lián)算法的一致性、適應(yīng)性提出了新的挑戰(zhàn)。

陳衛(wèi)東等人采用基于概率論的SLAM算法處理未知且不確定的環(huán)境信息和傳感器噪聲。用擴(kuò)展的Kalman濾波方法進(jìn)行同步地圖創(chuàng)建和估計(jì)機(jī)器人的位置。提出了稀松擴(kuò)展信息濾波算法和FastSLAM算法,很好地解決了計(jì)算量大和數(shù)據(jù)關(guān)聯(lián)問題,取得了很好的效果。

2．路徑規(guī)劃

移動(dòng)機(jī)器人路徑規(guī)劃技術(shù)按其規(guī)劃方式不同可分為基于地圖的規(guī)劃方法、基于環(huán)境建模的規(guī)劃方法、基于行為的規(guī)劃方法3種類型。

（1）基于地圖的規(guī)劃方法

地圖更新法是機(jī)器人根據(jù)當(dāng)前的地圖信息規(guī)劃路徑,沿路徑前進(jìn)一段時(shí)間后,利用這段時(shí)間收集到的環(huán)境信息更新地圖,然后,利用更新過的全局地圖重新規(guī)劃和調(diào)整路徑。這種過程循環(huán)下去,直到到達(dá)目標(biāo)為止。路徑匹配法是利用現(xiàn)有信息建立一個(gè)路徑庫。根據(jù)當(dāng)前的規(guī)劃任務(wù)產(chǎn)生的路徑信息和環(huán)境信息與路徑庫中的路徑進(jìn)行匹配,以尋找出一條近似最優(yōu)路徑。然后,通過一定的算法對(duì)該路徑進(jìn)行修正,最后,得到最優(yōu)路徑。

（2）基于環(huán)境建模的方法

在環(huán)境已知的情況下,全局路徑規(guī)劃的設(shè)計(jì)標(biāo)準(zhǔn)是盡量使規(guī)劃的效果達(dá)到最優(yōu)。在此領(lǐng)域已經(jīng)有了許多成熟的方法,基于圖論的建模方法包括可視圖法、切線圖法、Voronoi圖法、拓?fù)浞ǖ??；诰W(wǎng)格的建模方法有柵格法、四叉樹法及擴(kuò)展算法等。

在環(huán)境部分已知或未知環(huán)境下的基于傳感器的局部路徑規(guī)劃中,人工勢(shì)場(chǎng)法、模糊邏輯算法、遺傳算法、人工神經(jīng)網(wǎng)絡(luò)應(yīng)用比較廣泛。模擬退火算法、蟻群算法、粒子群算法、混沌算法、人工免疫算法和啟發(fā)式搜索方法等在最近幾年比較流行。

遺傳算法模擬了自然界中的優(yōu)勝劣汰的個(gè)體進(jìn)化原則,對(duì)路徑進(jìn)行編碼并作為操作對(duì)象,不要求目標(biāo)函數(shù)連續(xù)、可導(dǎo)。具有全局收斂性、隱并型搜索、很好的魯棒性和適應(yīng)性等特點(diǎn)。李枚毅等人將進(jìn)化免疫算法應(yīng)用于移動(dòng)機(jī)器人的路徑規(guī)劃取得了很好的效果。首先,用節(jié)點(diǎn)、鏈接圖進(jìn)行環(huán)境建模,以最短路徑條件設(shè)計(jì)適應(yīng)度函數(shù),采用免疫算子、克隆算子、粒群行為算子等對(duì)初始種群進(jìn)行操作。然后,通過免疫選擇、評(píng)價(jià)群體適應(yīng)度、輸出最優(yōu)個(gè)體等步驟得到最優(yōu)路徑。免疫算子有提高收斂速度的作用,因此,算法能有效而快速地形成性能優(yōu)良、安全程度較高的全局（次）最優(yōu)可行路徑。

機(jī)器人在沒有任何先驗(yàn)信息的情況下,機(jī)器人以避障功能為主,側(cè)重于發(fā)現(xiàn)一條通往目標(biāo)的可行路徑。Koeing等人提出了增量式D3L ite算法,該方法利用啟發(fā)式搜索策略搜索一條從目標(biāo)點(diǎn)指向機(jī)器人當(dāng)前位置的路徑,并在機(jī)器人運(yùn)動(dòng)過程中根據(jù)局部環(huán)境的更新信息進(jìn)行實(shí)時(shí)重規(guī)劃路徑,來得出一條最優(yōu)路徑。 

（3）基于行為的路徑規(guī)劃

基于行為的方法模仿了動(dòng)物進(jìn)化的自下而上的原理,嘗試用一個(gè)簡單的智能體來建立一個(gè)復(fù)雜的系統(tǒng)。它把導(dǎo)航問題分解為許多相對(duì)獨(dú)立的行為單元,如,跟蹤、避障、回退、目標(biāo)制導(dǎo)等。

基于行為的方法大體可分為反射式、反應(yīng)式、慎思式行為3種。反射式行為是一種定時(shí)的應(yīng)激式本能行為;基于反應(yīng)式的行為規(guī)劃方法是通過傳感器來規(guī)劃動(dòng)作行為;慎思行為是利用全局環(huán)境模型進(jìn)行路徑規(guī)劃的,它通過信息融合和邏輯運(yùn)算來進(jìn)行路徑規(guī)劃,因此,對(duì)環(huán)境中不可預(yù)知的變化反應(yīng)較慢。孟江華等人采用了兩層算法,底層采用改進(jìn)的Bug算法,上層為監(jiān)督模塊,用來發(fā)現(xiàn)和糾正繞行方向的錯(cuò)誤。機(jī)器人通過信心函數(shù)和路徑回溯來進(jìn)行路徑規(guī)劃。該算法結(jié)合了Bug算法、全局地圖技術(shù)和類人的路徑選擇策略,比傳統(tǒng)的基于行為的方法更具智能性和靈活性。

三、多傳感器信息融合技術(shù)

應(yīng)用于移動(dòng)機(jī)器人的傳感器可以分為內(nèi)部傳感器和外部傳感器兩大類。內(nèi)部傳感器用于檢測(cè)機(jī)器人系統(tǒng)內(nèi)部參數(shù),主要有里程計(jì)、陀螺儀、磁羅盤及光電編碼器等;外部傳感器用于感知外部環(huán)境信息,主要有視覺傳感器、激光測(cè)距傳感器、超聲波傳感器、紅外傳感器等,由于單一傳感器難以保證信息的準(zhǔn)確性和可靠性,不足以充分反應(yīng)外界環(huán)境信息,因此,采用多個(gè)傳感器可實(shí)現(xiàn)環(huán)境信息的充分理解,便于機(jī)器人做出正確的決策。

多傳感器信息融合技術(shù)常用的方法有:加權(quán)平均法、貝葉斯估計(jì)、多貝葉斯方法、卡爾曼濾波、D2S證據(jù)推理、模糊邏輯、產(chǎn)生式規(guī)則、人工神經(jīng)網(wǎng)絡(luò)等。

加權(quán)平均法是將多個(gè)傳感器的冗余數(shù)據(jù)進(jìn)行加權(quán)平均,是一種底層數(shù)據(jù)融合方法,其結(jié)果不是統(tǒng)計(jì)上的最優(yōu)估計(jì)。貝葉斯方法是根據(jù)已知的事實(shí)對(duì)未發(fā)生的事件進(jìn)行概率判斷,通過已知的先驗(yàn)概率對(duì)未知的概率進(jìn)行推斷。D2S證據(jù)推理是貝葉斯方法的擴(kuò)展,它使用了一個(gè)不穩(wěn)定區(qū)間,可通過未知前提的先驗(yàn)概率來彌補(bǔ)貝葉斯方法的不足。它特別適應(yīng)于處理多傳感器集成系統(tǒng)的信息融合問題。

Kalman濾波是用測(cè)量模型的統(tǒng)計(jì)特性遞推決定在統(tǒng)計(jì)意義下的最優(yōu)融合數(shù)據(jù)估計(jì)。人工神經(jīng)網(wǎng)通過一定的學(xué)習(xí)算法可將傳感器的信息進(jìn)行融合,獲得網(wǎng)絡(luò)參數(shù)。選擇有代表性的樣本集是個(gè)關(guān)鍵難題,通過運(yùn)用粗糙集理論的知識(shí)數(shù)據(jù)表格約簡方法可以很好地解決這個(gè)問題。

四、移動(dòng)機(jī)器人導(dǎo)航技術(shù)的展望

目前,移動(dòng)機(jī)器人導(dǎo)航技術(shù)已經(jīng)取得了很好的研究成果。計(jì)算機(jī)技術(shù)、電子技術(shù)、通信技術(shù)、傳感器技術(shù)、控制技術(shù)、網(wǎng)絡(luò)技術(shù)地迅猛發(fā)展必將推動(dòng)和促進(jìn)移動(dòng)機(jī)器人導(dǎo)航技術(shù)取得更多的研究成果。移動(dòng)機(jī)器人導(dǎo)航技術(shù)的發(fā)展有以下幾方面的趨勢(shì):（1）視覺導(dǎo)航具有信息量大、探測(cè)范圍廣等特點(diǎn),仍然是移動(dòng)機(jī)器人導(dǎo)航技術(shù)的主要發(fā)展方向;（2）導(dǎo)航系統(tǒng)結(jié)構(gòu)將朝著分布式、模塊化、網(wǎng)絡(luò)化、多機(jī)器人協(xié)作的方向發(fā)展。分布式和模塊化的結(jié)構(gòu)有利于減少機(jī)器人的體積和自重。通過互聯(lián)網(wǎng)實(shí)現(xiàn)機(jī)器人的遠(yuǎn)程操作以及基于網(wǎng)絡(luò)的多機(jī)器人協(xié)作是導(dǎo)航技術(shù)的新的研究熱點(diǎn);（3）路徑規(guī)劃將朝著多層規(guī)劃和多方法相結(jié)合的方向發(fā)展。采用基于反應(yīng)式的行為規(guī)劃與基于慎思行為規(guī)劃相結(jié)合的方法。全局路徑規(guī)劃和局部路徑規(guī)劃相結(jié)合更有利于復(fù)雜環(huán)境的避障規(guī)劃;（4）新技術(shù)、新方法（如,虛擬現(xiàn)實(shí)技術(shù)、信息融合新方法、新型傳感器等）將促進(jìn)移動(dòng)機(jī)器人導(dǎo)航技術(shù)更快地發(fā)展。

五、結(jié)束語

綜上所述,移動(dòng)機(jī)器人導(dǎo)航技術(shù)雖然取得了一些成果,但還沒有達(dá)到實(shí)用化的水平,仍有許多問題有待解決。如何提高系統(tǒng)的魯棒性、柔性、容錯(cuò)性,增強(qiáng)系統(tǒng)的學(xué)習(xí)能力,信息融合的有效理論和方法,用仿生技術(shù)來提高系統(tǒng)的決策智能性等有待進(jìn)一步研究,但這些問題并不是孤立的,各部分相互作用、相互影響,必須把各部分有機(jī)地結(jié)合為一個(gè)整體系統(tǒng),研究開發(fā)面向全局性能優(yōu)化的導(dǎo)航理論與方法。