Hierarchical Deep Deterministic Policy Gradient for Autonomous Maze Navigation of Mobile Robots
School of Aerospace Engineering, Engineering Campus, Universiti Sains Malaysia, 14300 Nibong Tebal, Pulau Pinang, Malaysia(航空航天工程学院)
针对DDPG在迷宫导航中因稀疏奖励和探索低效导致的低成功率问题,提出层次化HDDPG,通过高层生成子目标、低层执行动作,并辅以离策略校正和自适应噪声,显著提升成功率与平均奖励。
2025-08-07 cs.AI cs.RO
Experimentation on the motion of an obstacle avoiding robot
Nile University of Nigeria(尼日利亚尼罗河大学)
智能机器人可用于人类面临重大风险的应用(如核,太空,军事),应用的经济或卑微性质导致人类工人的低效使用(服务业,农业),用于存在巨大风险的人道主义用途(排雷,城市搜索和救援)。本文在人工智能搜索算法的一个重要领域--生成树中搜索最短可能解进行了实验。我们将集中讨论爬山算法,这是人工智能中最简单的搜索算法之一。该算法是帮助专家系统在每个状态、每个节点上进行决策的最合适的搜索方法之一。实验机器人将通过使用插入其上的传感器来穿越迷宫。使用的机器人是E.V.3 Lego Mind storms,具有用于编程LabView的本地软件。我们选择这个机器人的原因是它可以快速与传感器交互,并且可以通过多种方式进行重建。这个程序机器人将计算出最佳的可能性,找到出路的迷宫。迷宫是由木材制成的,它是可调的,因为机器人应该能够以任何设计离开迷宫。
2019-07-25 cs.AI cs.RO
Fast algorithm for centralized multi-agent maze exploration
Faculty of Science and Education, University of Mostar(科学与教育学院,mostar大学)
本文提出一种基于HEDAC算法的协作多智能体系统,用于探索未知迷宫和定位静止目标,通过适配SOR迭代求解器降低了计算复杂度,保证了全迷宫探索及避免碰撞死锁。
2025-04-28 cs.MA cs.RO math.OC
Mapping Pipelines and Simultaneous Localization for Petrochemical Industry Robots
University of Tehran(德黑兰大学)
本研究针对石化管道检查难题,在Gazebo/ROS中模拟并物理构建了差速驱动机器人,融合Kinect与IMU数据实现SLAM与路径规划,验证了基于ROS的SLAM在管道检查中的可行性。
2023-09-28 cs.RO eess.SP
Design for One, Deploy for Many: Navigating Tree Mazes with Multiple Agents
School of Electrical and Electronic Engineering, The University of Sheffield(谢菲尔德大学电子与电气工程学院);Technical University of Darmstadt(达姆施塔特技术大学)
针对迷宫式环境的多机器人协调挑战,提出一种基于领导者切换机制的分布式多智能体迷宫穿越算法,在模拟和真实实验中验证了其性能优势与渐近等价性。
2025-10-30 cs.MA cs.RO
Inclusive STEAM Education: A Framework for Teaching Cod-2 ing and Robotics to Students with Visually Impairment Using 3 Advanced Computer Vision
Dublin City University(都柏林城市大学);Trinity College Dublin(都柏林圣三一学院)
针对视障学生在编程与机器人学习中追踪运动、建立空间感知的难题,提出融合CLIP、SLAM与AVR的包容性STEAM教育框架,助力其掌握编程技能,也拓展了计算机视觉在特殊教育的应用潜力。
2025-03-06 cs.CV cs.HC cs.RO
Semiparametrical Gaussian Processes Learning of Forward Dynamical Models for Navigating in a Circular Maze
Mitsubishi Electric Research Laboratories(三菱电机研究实验室);University of Padova(帕多瓦大学)
本文提出了一个模型学习问题,目的是学习如何在具有两个自由度的圆形迷宫环境中将球导航到目标状态。球在迷宫环境中的运动受到几种非线性效应的影响,例如干摩擦和接触,这些非线性效应很难在物理上建模。我们提出了一个半参数模型来估计球的运动动力学的基础上高斯过程回归配备从物理第一原理获得的基函数。这种半参数模型的准确性,不仅在估计,而且在预测的n步前进,并与标准算法的模型学习。然后,在轨迹优化算法中使用所学习的模型来计算球轨迹。我们提出的系统中提出的文件作为一个基准问题的强化和机器人学习,其有趣的和具有挑战性的动态和相对容易的再现性。
2018-09-18 cs.LG cs.RO stat.ML
Swarm Relays: Distributed Self-Healing Ground-and-Air Connectivity Chains
Polytechnique Montreal(蒙特利尔理工学院);École de Technologie Supérieure(高等技术学院)
机器人群的协调-大型分散的机器人团队-通常依赖于强大而有效的机器人间通信。在现场部署中,保持机器人之间的通信尤其具有挑战性。非结构化环境、有限的计算资源、低带宽和机器人故障都增加了连接维护的复杂性。在本文中,我们提出了一种新型的轻量级算法,可以在复杂环境中导航一组机器人,同时通过构建机器人链来保持连接性。该算法对单个机器人故障具有鲁棒性,并且可以修复中断的通信链路。该算法在3D环境中工作:当轮式机器人无法到达某个区域时,用飞行机器人扩展链。我们测试的算法使用多达100个机器人在基于物理的模拟器与三个迷宫和不同的机器人故障的情况下的性能。然后,我们验证算法的物理平台:7轮式机器人和6飞行的,在同质和异构的情况下。
2020-07-01 cs.RO
Geometric Jacobians Derivation and Kinematic Singularity Analysis for Smokie Robot Manipulator & the Barrett WAM
The University of Tennessee(田纳西大学)
本文讨论了两个六自由度手臂机器人的几何雅可比矩阵的推导和运动学奇异点的识别与分析。首先,我们展示了这两个手臂的正向运动学和D-H参数。计算Barrett WAM和Smokie OUR的几何雅可比矩阵。通过分析雅可比矩阵,我们找到了J是秩亏的配置,并通过雅可比行列式推导出运动学奇点。提供了示意图来显示这两个机器人的奇异配置。最后,对7自由度Barrett WAM的冗余运动学配置方案进行了综述.
2017-07-18 cs.RO
DiPPeR: Diffusion-based 2D Path Planner applied on Legged Robots
University College London(伦敦大学学院)
提出DiPPeR,一种基于扩散的快速二维路径规划框架,用于四足机器人,通过图像条件扩散规划器和CNN流水线,在迷宫及真实机器人上验证,轨迹生成平均快23倍,可行路径一致性达87%。
2024-05-29 cs.RO
RLSS: Real-time, Decentralized, Cooperative, Networkless Multi-Robot Trajectory Planning using Linear Spatial Separations
University of Southern California(南加州大学);Technical University of Berlin(柏林工业大学);Brown University(布朗大学)
提出RLSS,一种无通信要求的实时去中心化多机器人轨迹规划算法,通过生成并求解凸二次优化问题实现避碰与防死锁,在类森林和类迷宫环境中显著优于现有方法。
2023-04-01 cs.RO
Generalized Nonlinear and Finsler Geometry for Robotics
NVIDIA(英伟达);Georgia Tech(佐治亚理工学院);University of Washington(华盛顿大学)
机器人研究发现了黎曼几何的许多重要应用。尽管如此,这一概念对许多机器人专家来说仍然具有挑战性,因为背景材料复杂而且非常陌生。除了{ \em黎曼}几何之外,在数学文献中还有许多自然的概括--例如芬斯勒几何和喷雾几何--但这些概括在很大程度上是不可访问的,因此在机器人技术中的应用仍然很少。本文提出了一种重新推导的喷雾和芬斯勒几何形状,我们发现我们最近的工作发展的一个强大的行为设计工具,我们称之为几何织物的关键。这些推导建立在高级微积分和变分法的基本工具上,使它们比标准演示更容易被机器人观众所接受。我们专注于实用和可计算的结果,避免使用张量符号来吸引更广泛的受众,强调几何路径一致性的想法周围的连接和曲率。我们希望,这些推导将有助于增加了解广义非线性,甚至经典黎曼,几何机器人社区内,并激发未来的研究到新的应用。
2021-07-02 cs.RO
IG-MCTS: Human-in-the-Loop Cooperative Navigation under Incomplete Information
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
针对信息不完整下的人机协同导航,提出IG-MCTS算法,联合优化自主移动与信息通信,利用NHPM预测人类地图更新,降低通信负荷并保持任务性能,并推广至连续空间。
2025-10-09 cs.AI cs.RO
Genetic-Algorithm Seeding Of Idiotypic Networks For Mobile-Robot Navigation
University of Nottingham(诺丁汉大学)
机器人控制设计者已经开始利用人类免疫系统的特性,以产生能够适应复杂、变化的现实世界任务的动态系统。Jernes独特型网络理论已被证明是最流行的人工免疫系统(AIS)方法纳入基于行为的机器人,因为独特型选择产生高度适应性的反应。然而,以前的努力主要集中在发展网络连接上,并且通常使用单一的预先设计的行为集,限制可变性。本文描述了一种方法,编码的行为作为一个可变的属性集,并表明,当编码与遗传算法(GA),多套不同的行为可以自然和迅速地发展,提供更大的范围灵活的行为选择。该算法进行了广泛的测试与模拟电子冰球机器人,导航周围的迷宫跟踪颜色。结果表明,非常成功的行为集可以在大约25分钟内生成,并且当使用多个自治种群时,可以获得更大的多样性,而不是单个种群。
2008-03-11 cs.NE cs.RO
Communication-Aware Map Compression for Online Path-Planning
Georgia Institute of Technology(佐治亚理工学院);University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校)
针对移动机器人在线路径规划中的地图信息通信问题,提出由路径引导、权衡分辨率与通信成本的顺序压缩框架,并通过凸优化解码器和编码器实现约50%的平均信息减量。
2023-09-23 cs.MA cs.RO
Robots with Attitude: Singularity-Free Quaternion-Based Model-Predictive Control for Agile Legged Robots
Center for Robotics and Biosystems, Northwestern University(西北大学机器人与生物系统中心);Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所);Department of Mechanical Engineering, Carnegie Mellon University(卡内基梅隆大学机械工程系)
针对足式机器人大角度旋转时姿态表示易出现奇异的问题,提出基于无奇异单位四元数的MPC框架,修改iLQR算法适配几何特性,推导仅用基础数学知识,经四足与人形机器人实验验证了性能与计算效率。
2024-09-17 cs.RO
Robot Motion Planning as Video Prediction: A Spatio-Temporal Neural Network-based Motion Planner
Rutgers University(罗格斯大学)
基于神经网络的机器人运动规划方法由于其强大的学习能力和固有的高度并行性而成为一种有吸引力的方法。尽管目前在这方面的发展,有效地捕捉和处理重要的顺序和空间信息,以直接和同时的方式,仍然是相对不足的探索。为了克服这一挑战并释放神经网络在运动规划任务中的潜力,本文提出了STP-Net,这是一个端到端的学习框架,可以充分提取和利用重要的时空信息来形成有效的神经运动规划器。通过将机器人的运动解释为视频片段,机器人运动规划被转换为可以由STP-Net以空间和时间有效的方式执行的视频预测任务。在不同的可见和不可见环境中的经验评估表明,STP-Net在规划速度和路径成本方面表现出非常有前途的性能,准确率接近100%(也就是成功率)。与现有的基于神经网络的运动规划器相比,STP-Net在2D随机森林、2D迷宫和3D随机森林环境中分别实现了至少5倍、2.6倍和1.8倍的速度和更低的路径成本。此外,在多机器人运动规划任务中,STP-网络可以快速、同时地计算出多条近似最优路径
2022-08-24 cs.LG cs.RO
Clarke Transform and Encoder-Decoder Architecture for Arbitrary Joints Locations in Displacement-Actuated Continuum Robots
University of Toronto(多伦多大学)
本文针对位移驱动连续机器人中心线上任意关节位置问题,重新推导了改进的Clarke变换,并提出编码器-解码器架构实现不同设计间的关节值转换与知识迁移,仿真验证了其在控制与轨迹生成中的通用性。
2025-01-30 cs.RO
Human-Robot Co-Transportation using Disturbance-Aware MPC with Pose Optimization
George Mason University(乔治·玛森大学);University of Tennessee, Knoxville(田纳西大学,诺克斯维尔)
本文提出一种融合扰动感知DARE与位姿优化的MPC算法,用于人机协同搬运,通过两步迭代选择最优机械臂位姿并计算全身控制输入,在仿真和Fetch机器人实验中优于基线方法。
2025-06-18 cs.RO
Quality-Diversity Optimisation on a Physical Robot Through Dynamics-Aware and Reset-Free Learning
Edinburgh Napier University(爱丁堡龙比亚大学);Imperial College London(帝国理工学院)
本文扩展 RF-QD,利用学习的动力学模型、行为筛选与自主恢复策略,让物理四足机器人在两小时内无监督构建行为库,并在迷宫任务中验证其优于 MAP-Elites。
2023-04-24 cs.AI cs.NE cs.RO
Dynamic Models of Spherical Parallel Robots for Model-Based Control Schemes
K.N. Toosi University of Technology(K.N.图西理工大学);Laval University(拉瓦尔大学)
本文研究了球面并联机器人动力学方程的不同形式的推导。这些公式包括显式动态形式,线性回归,和Slotine-Li(SL)回归,这是绝大多数基于模型的控制器和动态参数识别方案的设计和实施所需的。为此,SPRs的隐式动力学的制定使用虚拟工作的原则,在任务空间中,然后通过使用扩展,他们的显式动力学公式推导。然后将动力学方程解析地转化为关于惯性参数的线性和S-L回归形式,并利用Gauss-Jordan方法将其化为唯一的封闭形式。最后,为了说明所提出的方法的有效性,两个不同的SPR,即ARAS钻石,和3-RRR,作为案例研究。利用MSC-ADAMS软件对所获得的结果进行了验证,并将其分享给感兴趣的观众以供公众访问。
2021-10-01 cs.RO
Active Hierarchical Imitation and Reinforcement Learning
Georgia Institute of Technology(佐治亚理工学院)
人类可以利用层次结构将任务分解为子任务并有效地解决问题。模仿和强化学习或它们与层次结构的组合已被证明是机器人学习具有稀疏奖励的复杂任务的有效方法。然而,在以前的分层模仿和强化学习的工作中,测试环境是在相对简单的2D游戏中,并且动作空间是离散的。此外,许多模仿学习的工作重点是改进从硬编码或通过强化学习算法训练的专家策略而不是人类专家学习的策略。在人机交互的场景中,可能需要人类提供演示来教导机器人,因此提高学习效率以减少专家的努力并了解人类对学习/训练过程的感知至关重要。在这个项目中,我们探索了不同的模仿学习算法,并在我们开发的分层模仿和强化学习框架上设计了主动学习算法。我们进行了一个实验,要求五名参与者引导一个随机初始化的代理到迷宫中的一个随机目标。我们的实验结果表明,使用Dagger和基于奖励的主动学习方法可以获得更好的性能,同时节省了更多的人力物力在训练过程中。
2020-12-14 cs.AI cs.LG cs.RO
Topomap: Topological Mapping and Navigation Based on Visual SLAM Maps
Autonomous Systems Lab, ETH Zurich(苏黎世联邦理工学院自主系统实验室)
视觉机器人导航在大规模,半结构化的环境中处理各种挑战,如计算密集的路径规划算法或对可穿越空间的知识不足。此外,许多国家的最先进的导航方法只在当地运作,而不是获得一个更概念性的了解规划目标。这限制了机器人可以完成的任务的复杂性,并使其更难处理实时机器人应用中存在的不确定性。在这项工作中,我们提出了拓扑图,一个框架,它简化了导航任务,通过提供一个地图的机器人,这是量身定制的路径规划使用。该方法将基于稀疏特征的地图从视觉同时定位与地图构建(SLAM)系统转换为三维拓扑地图。这分两步完成。首先,我们提取占用信息直接从噪声稀疏点云。然后,我们创建一组凸自由空间簇,这是拓扑映射的顶点。我们表明,这种表示提高了效率的全球规划,我们提供了一个完整的推导我们的算法。在真实世界数据集上的规划实验表明,我们实现了与RRT* 相似的性能,但计算时间和存储需求明显降低。最后,我们测试我们的算法在移动机器人平台上,以证明其优势。
2018-03-09 cs.RO
Nonlinear Unknown Input and State Estimation Algorithm in Mobile Robots
College of Information Sciences(信息科学学院);School of Electrical Engineering(电气工程学院);GE Global Research(GE全球研究)
本文提出一种适用于非线性动态模型和随机噪声的移动机器人未知输入和状态估计算法,通过传感器数据和控制指令检测并量化传感器和执行器的异常。
2018-04-09 cs.RO cs.SY eess.SY
Derivations of Error-State Kalman Filter Kinematics for Globally Applicable Aided Inertial Navigation Systems
Airbus Central Research and Technology(空客中央研究与技术部);Department of Engineering Cybernetics, Norwegian University of Science and Technology(挪威科技大学工程控制论系)
研究全球导航系统中处理地球曲率等因素的状态估计算法,通过不变误差状态卡尔曼滤波器利用李群对称性,给出四种经典和不变的误差状态卡尔曼滤波器数学公式供比较与实现。
2026-07-07 cs.RO cs.SY eess.SY
Online Distributed Trajectory Planning for Quadrotor Swarm with Feasibility Guarantee using Linear Safe Corridor
Seoul National University(首尔大学);Automation and Systems Research Institute(自动化与系统研究所)
本文提出了一种新的在线多智能体轨迹规划算法,保证在混乱的环境中生成安全,动态可行的轨迹。该算法利用线性安全走廊(LSC)将分布式轨迹优化问题转化为仅含可行约束的问题,避免了采用松弛变量或软约束来避免优化失败。我们采用一种基于优先级的目标规划方法来防止死锁,而不需要额外的过程来决定哪个机器人让步。该算法可以计算60代理的轨迹平均15.5毫秒每个代理与英特尔i7笔记本电脑,并显示了类似的飞行距离和距离相比,基线的基础上软约束。验证了所提方法在随机森林和室内空间均能无死锁地达到目标,并通过迷宫环境下10个四旋翼飞行器的实际飞行试验验证了所提方法的安全性和可操作性。
2022-01-03 cs.RO cs.SY eess.SY
A Balanced Positional Control Architecture for a 12-DoF Quadruped Robot through Simulation-validation and Hardware Testing
American International University-Bangladesh(孟加拉国美国国际大学)
本文提出一种12自由度四足机器人腿部平衡位置控制算法,通过正逆运动学推导和Python仿真验证,并在原型腿上实现78.9%的仿真一致准确率,证明算法可部署于实体机器人。
2024-07-30 cs.RO cs.SY eess.SY