Gathering on a Circle with Limited Visibility by Anonymous Oblivious Robots
Sapienza University of Rome(罗马大学);JAIST(日本先进科学技术研究所);University of Aizu(会津大学);Kyushu University(九州大学)
本文研究了在半同步调度和有限可见性条件下,匿名无记忆机器人在圆周上的聚集问题,证明了当可见角距离为π时存在解决算法,而当其不大于π/2时则无解。
2024-11-17 cs.CG cs.DC cs.RO
The Gathering Problem for Two Oblivious Robots with Unreliable Compasses
Nagoya Institute of Technology(名古屋工业大学);Japan Advanced Institute of Science and Technology(日本北陆先端科学技术大学院大学);Kyushu University(九州大学)
在讨论匿名移动机器人的模式形成问题时,通常将其分为同步、半同步和异步机器人。对于半同步机器人,所有可利用记忆形成的图案也可以在没有记忆的情况下形成,唯一的例外是形成点(即,两个机器人的集合。然而,收集两个半同步机器人没有记忆的问题是平凡的解决时,他们的局部坐标系是一致的,和不可能性证明本质上使用的不一致性,在他们的坐标系。受此启发,本文研究了局部坐标系之间的一致性的大小,必要和充分的解决半同步和异步模型下的两个不经意的机器人收集问题。为了讨论一致性的大小,我们假设每个机器人都配备了一个不可靠的指南针,其轴承可能会偏离绝对参考方向,每个机器人的局部坐标系由其指南针确定。我们考虑两类不可靠罗盘,即常方位的静态罗盘和方位可任意变化的动态罗盘。对于机器人和指南针模型的每种组合,我们建立了偏差θ的条件,该条件允许算法解决收集问题,其中偏差由指南针的x轴与全局坐标系的参考方向之间形成的最大角度测量:对于具有静态罗盘的半同步和异步机器人,θ < π/2,对于具有动态罗盘的半同步机器人,θ < π/4,对于具有动态罗盘的异步机器人,θ < π/6。除了具有动态罗盘的异步机器人外,这些充分条件也是必要的。
2011-11-07 cs.DC cs.DS cs.RO
Gathering Anonymous, Oblivious Robots on a Grid
Heinz Nixdorf Institute(海因茨·尼克斯多夫研究所);University of Paderborn(帕德博恩大学)
我们考虑一群$n$自主移动机器人,分布在一个2维网格。这样一个群体的基本任务是收集过程:所有机器人都必须聚集在一个(不是预定义的)地方。一个非常简单的机器人的常见局部模型如下:机器人没有共同的指南针,只有恒定的视野半径,是自主的和不可区分的,每一步最多可以移动一个恒定的距离,不能通信,是健忘的,没有标志或状态。该机器人模型下的唯一收集算法,具有已知的运行时间界限,需要$\mathcal{O}(n^2)$轮,并在欧几里得平面中工作。该算法的底层时间模型是完全同步的$\mathcal{FSYNC}$模型。另一方面,在2维网格的情况下,对于相同时间和类似的局部模型的唯一已知的收集算法另外需要恒定的存储器、状态和“标志”,以将这些状态传送到观看范围中的邻居。他们聚集在时间$\mathcal{O}(n)$。在本文中,我们贡献了(据我们所知)网格上的第一次收集算法,该算法在与上述欧几里得平面策略相同的简单局部模型下工作,即,没有记忆(不经意的)、“标志”和状态。我们证明了它的正确性和$\mathcal{O}(n^2)$的时间限制在完全同步的$\mathcal{FSYNC}$时间模型。该时间界限与上述欧几里得平面的最佳已知算法的时间界限相匹配。我们说,如果所有机器人都位于$2\times 2$正方形内,则完成了收集,因为在$\mathcal{FSYNC}$中无法解决此类配置。
2017-08-03 cs.DC cs.MA cs.RO
Certified Universal Gathering in $R^2$ for Oblivious Mobile Robots
Cédric – Conservatoire national des arts et métiers(法国国立工艺学院);Collège de France(法兰西公学院);UPMC Sorbonne Universités(巴黎第六大学索邦大学);LIP6-CNRS 7606(法国国家科学研究中心LIP6实验室(7606号混合研究单位));Institut Universitaire de France(法国大学研究院);École Nat. Sup. d’Informatique pour l’Industrie et l’Entreprise (ENSIIE)(法国国立工业企业高等计算机学院(ENSIIE));LRI, CNRS UMR 8623(法国国家科学研究中心LRI实验室(8623号混合研究单位));Université Paris-Sud(巴黎南大学);Université Paris-Saclay(巴黎萨克雷大学)
我们提出了一个统一的正式框架,用于表达移动机器人模型,协议和证明,并设计了一个协议设计/证明方法,专门用于移动机器人,利用这个正式的框架。作为一个案例研究,我们提出了第一个正式认证的协议不经意的移动机器人在二维欧几里德空间的发展。更详细地说,我们提供了一个新的算法的问题,普遍收集移动遗忘的机器人(即,从任何初始配置,不是二价,使用任何数量的机器人,机器人到达在有限数量的步骤相同的位置,事先不知道),而不依赖于一个共同的方向,也没有手性。我们给我们的算法的正确性非常强的证明正式证明,它是正确的,使用COQ证明助手。这个结果证明了这种方法在获得新算法方面的有效性,这些算法使用尽可能少的假设,并且由于开发的代码量仍然是人类可读的,因此它是可行的。
2016-02-26 cs.DC cs.DS cs.LO
The BG-simulation for Byzantine Mobile Robots
Nagoya Institute of Technology(名古屋工业大学);Université Pierre et Marie Curie - Paris 6(巴黎第六大学(皮埃尔和玛丽·居里大学));CNRS(法国国家科学研究中心)
研究了移动机器人系统在拜占庭故障下的任务可解性。我们首先考虑的收集问题,这需要所有的机器人满足在有限的时间在一个非预定义的位置。Byzantine聚集问题的可解性依赖于系统的同步性、Byzantine机器人的数量、调度策略、遗忘性、局部坐标系的方向性等属性,但对Byzantine聚集问题的可解性属性的完整刻画仍然是一个未知的问题。本文证明了拜占庭式聚集的强不可能性结果。也就是说,我们证明了拜占庭收集是不可能的,即使我们假设一个拜占庭故障,原子执行系统,n-有界的集中式调度器,非遗忘的机器人,瞬时运动和一个共同的方向的本地坐标系(其中n表示正确的机器人的数量)。这些假设比以前的工作中使用的要弱得多,从而导致更强的不可能性结果。我们的不可能性结果的核心是减少异步共享内存系统中的分布式共识问题。更详细地说,我们新构建了一个通用的减少计划的基础上的分布式BG模拟。有趣的是,由于其多功能性,我们可以轻松地将不可能结果扩展到一般模式形成问题。
2011-06-01 cs.DC cs.RO
Impossibility of Gathering, a Certification
Conservatoire national des arts et métiers(法国国立工艺学院);École Nat. Sup. d’Informatique pour l’Industrie et l’Entreprise (ENSIIE)(国立工业与企业信息高等学院);UPMC Sorbonne Universités(巴黎第六大学索邦大学联盟);Institut Universitaire de France(法国大学研究院);CNRS(法国国家科学研究中心);Université Paris-Sud(巴黎第十一大学)
分布式计算的最新进展突出了自主移动机器人群的模型和算法,这些机器人自组织和合作来解决全局目标。到目前为止,绝大多数作品都考虑手工算法和正确性证明。本文建立在以前提出的正式框架,以证明分布式算法,致力于自主移动机器人在连续空间中发展的不可能性结果的正确性。作为一个案例研究,我们考虑的问题,收集所有机器人在一个特定的位置,事先不知道。一个基本的(但尚未正式认证)结果,由于铃木和山下,指出这个简单的任务是不可能的两个机器人执行确定性代码,并最初位于不同的位置。我们不仅获得了原始不可能性结果的认证证明,而且还得到了更一般的不可能性,即当任何两个机器人最初可能处于相同的确切位置时,偶数个机器人聚集在一起。
2014-05-22 cs.DC cs.LO cs.RO
A Survey on Open Problems for Mobile Robots
University of Pisa(比萨大学)
移动机器人的抓取是机器人研究中的一个重要课题。本文首先介绍了相关的研究工作,总结了模型和结果。然后,焦点转移到收集脂肪机器人的开放问题上。在这种情况下,“胖”意味着机器人不是用二维空间中的一个点来表示,而是有一个范围。此外,它可能是不透明的,在这个意义上,其他机器人不能“看穿”它。所有这些问题导致重新定义的原始问题和CORDA模型的扩展。对于最多4个机器人,文献中提供了一种算法,但对于n>4个胖机器人,收集总是可能的吗?另一个开放的问题被认为是:边界巡逻的移动机器人。一组只对速度和能见度有约束的移动机器人在有边界和可能有障碍物的多边形环境中工作。机器人必须进行永久运动(可能在环境中),以便最大限度地减少边界点不被任何机器人观察的时间跨度。
2011-11-07 cs.MA cs.RO
Resilient Active Information Gathering with Mobile Robots
University of Pennsylvania(宾夕法尼亚大学);Massachusetts Institute of Technology(麻省理工学院)
机器人技术中的安全、安保和救援应用,如多机器人目标跟踪,涉及由移动机器人团队执行信息采集任务。然而,在容易发生故障或敌对的环境中,机器人会受到攻击,它们的通信信道会被堵塞,它们的传感器可能会发生故障,导致机器人从集体任务中退出,从而使剩余的主动机器人无法相互协调。因此,传统的设计范式变得不足,相比之下,针对系统范围故障和攻击的弹性设计变得重要。在一般情况下,弹性设计问题是很难的,即使他们经常涉及的目标函数是单调的或submodular,可扩展的近似算法,他们的解决方案一直是未知的。在本文中,我们提供了第一个算法,使以下能力:最小的通信,即,该算法由机器人仅基于它们之间的最小通信来执行;系统范围的弹性,即,该算法对于任何数量的拒绝服务攻击和故障都是有效的;以及可证明的近似性能,即,该算法确保对于所有单调(并且不一定是次模)目标函数,都有一个非常接近最优的解。我们量化我们的算法的近似性能,使用单调集函数的曲率的概念。我们支持我们的理论分析与模拟和现实世界的实验,通过考虑一个积极的信息收集的情况下,即多机器人目标跟踪。
2018-09-02 cs.MA cs.RO math.OC
Efficient Online Learning and Adaptive Planning for Robotic Information Gathering Based on Streaming Data
Department of ICT and Natural Sciences, Norwegian University of Science and Technology (NTNU)(信息与自然科学系,挪威科技大学)
针对现有机器人信息收集方法依赖已知环境、高斯过程建图难以扩展到大数据集的问题,提出结合流式稀疏高斯过程的高效自适应信息规划方法,在保证建图精度的同时降低长时任务计算复杂度。
2025-08-31 cs.RO
A Decentralized Interactive Architecture for Aerial and Ground Mobile Robots Cooperation
LITIS, University of Le Havre(勒阿弗尔大学LITIS);GREAH, University of Le Havre(勒阿弗尔大学GREAH);IUT GEII, University of Le Havre(勒阿弗尔大学IUT GEII)
本文提出了一种新的分散式交互架构的空中和地面移动机器人的合作。空中移动机器人用于在区域检查期间提供全球覆盖,而地面移动机器人用于提供地面特征的局部覆盖。我们包括一个人在回路中提供路标的地面移动机器人安全地在检查区域的进展。空中移动机器人连续跟随地面移动机器人,以便始终将其保持在其覆盖视图中。
2015-02-27 cs.RO
Multi-Mobile Robot Localization and Navigation based on Visible Light Positioning
South China University of Technology(华南理工大学)
我们展示了基于可见光定位(VLP)定位的多移动机器人导航。实验结果表明,该方法能够准确地定位机器人的位置。
2022-11-01 cs.RO
WebotsTM: Professional Mobile Robot Simulation
Cyberbotics Ltd.开发WebotsTM,这是一款移动机器人仿真软件,可为您提供用于移动机器人建模、编程和仿真的快速原型环境。所提供的机器人库使您能够将控制程序传输到几个商业上可用的真实移动机器人。WebotsTM允许您定义和修改一个完整的移动机器人设置,即使是几个不同的机器人共享同一个环境。对于每个对象,您可以定义许多属性,例如形状,颜色,纹理,质量,摩擦力等,您可以为每个机器人配备大量可用的传感器和执行器。您可以使用自己喜欢的开发环境对这些机器人进行编程,模拟它们,并选择将生成的程序传输到您的真实机器人上。WebotsTM是与瑞士洛桑联邦理工学院(Swiss Federal Institute of Technology)合作开发的,经过全面测试,记录良好,并持续维护超过7年。它现在是Cyberbotics有限公司的主要商业产品。
2004-12-11 cs.RO
Evaluation of Smartphone IMUs for Small Mobile Search and Rescue Robots
ShanghaiTech University(上海科技大学)
小型移动机器人是搜救机器人的一个重要类别。将所有必要的组件集成到这样的小型机器人中是一项艰巨的工程任务。智能手机已经被工业界制造得体积小、重量轻、价格便宜,因此是作为此类机器人主控制器的绝佳候选者。在本文中,我们概述了如何在Android设备上使用ROS,然后评估一个对移动机器人非常重要的传感器:惯性测量单元(IMU)。在静态和动态条件下进行了实验,以测量三个智能手机和三个专业的IMU的IMU的误差。在实验中,我们使用的跟踪系统和自主移动机器人。
2019-12-03 cs.RO
Umgebungserfassungssystem fuer mobile Roboter (environment logging system for mobile autonomous robots)
FACHHOCHSCHULE LAUSITZ University of Applied Sciences(劳西茨应用技术大学)
本学位论文描述了该模块的理论基础、概念和应用开发过程的最终结果。对于环境记录而言,使用用于内部的小型移动机器人应当是昂贵的激光扫描仪的经济替代方案。因此,作用半径内物体的结构、颜色或材料以及环境亮度和照明对测量结果没有影响。
2012-01-03 cs.AR cs.RO
Mobile Robot Motion Control Using a Combination of Fuzzy Logic Method and Kinematic Model
Hanoi University of Industry(河内工业大学);University of Economics - Technology for Industries(工业经济技术大学)
移动机器人已经广泛应用于人类生活的各个方面。当机器人在工作区域的不同位置之间移动以执行任务时,控制运动以遵循预定义的路径是移动机器人的主要任务。此外,机器人必须保持其所需的速度与其他代理合作。本文提出了一种运动控制器的发展,其中模糊逻辑方法相结合的差动驱动机器人的运动模型。仿真结果与实验结果的比较表明,该方法是有效的,适用于实际的移动机器人。
2022-10-23 cs.RO
Circle Formation of Weak Mobile Robots
本文证明了Défago & Konagaya猜想。此外,我们描述了一个确定性的协议,形成一个规则的n边形在有限的时间。
2006-07-12 cs.RO
Robot Operating System Compatible Mobile Robots for Education and Research
Inovasyon Muhendislik Ltd. Sti.(创新工程有限公司);Research and Development Department(研发部门)
近年来,移动机器人的使用不可避免地增加了。生产该领域产品的公司的增加,机器人领域研究的普及以及服务于许多不同领域的技术能力都表明了这种使用的增加。移动机器人在医疗、教育、生产、物流、国防工业和航天装备等方面的重要性越来越突出。事实上,机器人教育可以减少到一个非常年轻的年龄,生产和编码简单的机器人,易于访问的部分也是这个领域的一个重要因素。在这一点上,教育机器人对机器人技术传播的影响是不可否认的。
2020-12-23 cs.RO
Terrestrial Soft Mobile Robots: A Review
School of Computing, DePaul University(德保罗大学计算机学院);Department of Computer Science, Hampton University(哈珀学院计算机科学系)
本文综述了软体移动机器人的当前研究状态,重点探讨了无轮陆地移动系统中的运动策略、驱动方法、建模方法和控制系统,同时指出了实现软体移动机器人在各领域广泛应用的关键挑战。
2026-05-19 cs.RO
MobileCharger: an Autonomous Mobile Robot with Inverted Delta Actuator for Robust and Safe Robot Charging
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术研究院)
MobileCharger是一种新型的移动充电机器人,具有倒三角形致动器,用于两个移动机器人之间安全可靠的能量传输。基于RGB-D相机的计算机视觉系统允许使用卷积神经网络(CNN)检测目标移动机器人上的电极。嵌入式高保真触觉传感器被应用于基于接触表面上的压力数据使用CNN来估计充电器机构上的电极与主机器人上的电极之间的未对准。因此,所开发的视觉-触觉感知系统允许致动器的末端执行器的精确定位,并确保两个机器人的电极之间的可靠连接。实验结果表明,使用CNN的电极检测的平均精度高(84.2%)。基于CNN的电极搜索算法的成功率达到83%,平均执行时间为60 s。MobileCharger可以引入一个新的充电系统水平,并增加自主移动机器人的普及。
2021-07-23 cs.LG cs.RO
Conflicting Pattern Formation by Teams of Anonymous, Fully Disoriented Robots
Indian Institute of Technology Jodhpur(印度理工学院焦特布尔分校)
本研究针对两组匿名、完全迷失方向的机器人,提出一种分布式算法,使其能同时解决聚集与圆形成两个冲突的模式形成问题,分别利用全局和局部弱多重检测能力。
2026-09-22 cs.CG cs.DC cs.MA
Dynamic Modelling and Adaptive Traction Control for Mobile Robots
近年来,移动机器人得到了大量的研究。大量的研究已经发表在许多方面与移动机器人。大部分的研究致力于设计和开发一些机器人运动和路径规划的控制技术。大量的研究人员已经使用运动学模型来开发移动机器人的运动控制策略。他们的论点和假设,这些模型是有效的,如果机器人具有低速,低加速度和轻负载。然而,移动机器人的动态建模是非常重要的,因为它们被设计为以更高的速度行驶,并执行重型工作。本文提出并讨论了一种新的方法来发展的动力学模型和控制策略的轮式移动机器人,我建模为一个刚体,两个轮子和一个脚轮的作用。运动控制策略分为两个层次。第一层是处理系统的动态特性,称为低层控制器。第二个层次的发展,以照顾路径规划和轨迹生成。
2004-11-08 cs.RO
A Framework for Interactive Teaching of Virtual Borders to Mobile Robots
University of Applied Sciences Bielefeld(比勒费尔德应用科学大学);Otto-von-Guericke University Magdeburg(马格德堡奥托·冯·格里克大学)
家庭环境中机器人数量的增加导致人类和机器人之间的共存。机器人承担日常任务,并在日常生活中为居民提供支持。人们欣赏机器人在他们的环境中的存在,只要他们保持对它们的控制。一个重要的方面是机器人工作空间的控制。因此,我们引入虚拟边界精确和灵活地定义移动机器人的工作空间。首先,我们提出了一个新的框架,允许一个人以交互方式限制移动机器人的工作空间。为了证明该框架的有效性,实现了一个基于视觉标记的具体实现。之后,移动机器人能够执行其任务,同时尊重新的虚拟边界。该方法是准确的,灵活的和更少的时间消耗比显式机器人编程。因此,即使是非专家也能够向他们的机器人教授虚拟边界,这在家庭环境中的吸尘或服务机器人等领域尤其有趣。
2017-02-16 cs.RO
Sensor Network Based Collision-Free Navigation and Map Building for Mobile Robots
机器人安全导航是包括地面移动机器人和飞行机器人在内的自主机器人的基础研究领域。安全机器人导航算法的主要目标是引导自主机器人从其初始位置到目标或沿着期望的路径避开障碍物。随着信息技术和传感器技术的发展,机器人技术与传感器网络相结合的实现成为近年来研究的热点。其中一个相关的实现是基于传感器网络的机器人导航。此外,机器人的另一个重要导航问题是安全区域搜索和地图构建。本文首先提出了一种动态环境下地面移动机器人全局无碰撞路径规划算法。考虑到传感器网络的优势,将所提出的路径规划算法发展为基于传感器网络的地面移动机器人导航算法。该方法采用二维测距传感器网络对静态和动态障碍物进行检测。该传感器网络可以引导探测到的安全区域内的各个地面移动机器人到达目标。此外,所提出的导航算法扩展到三维环境。该算法利用传感器网络的测量数据,将工作空间中的任意飞行机器人从初始位置导航到目标位置。此外,本文还研究了地面移动机器人的另一个导航问题--安全区域搜索和地图构建,并提出了两种算法。在第一种方法中,我们考虑地面移动机器人配备了一个二维测距传感器搜索有界的二维区域没有任何碰撞,并建立一个完整的二维地图的区域。此外,第一个提出的地图创建算法扩展到另一种算法的三维地图创建。
2017-09-02 cs.RO
Laser-Tracker-Assisted Camera-to-Robot Calibration for Mobile Robots
Institute of Photogrammetry and Remote Sensing (IPF), Karlsruhe Institute of Technology (KIT)(卡尔斯鲁厄理工学院摄影测量与遥感研究所)
提出一种激光跟踪仪辅助的移动机器人相机标定方法,通过链接多个标定目标放宽配置假设,实现更通用的相机位姿标定。
2026-09-24 cs.CV cs.RO
MissionGPT: Mission Planner for Mobile Robot based on Robotics Transformer Model
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术研究院)
本文提出基于Transformer和大语言模型的MissionGPT方法,仅凭相机数据即可为移动机器人规划并执行任务,基本动作成功率超50%,可扩展至任意类型和数量的机器人。
2024-11-07 cs.RO
Magnetic-Assisted Initialization for Infrastructure-free Mobile Robot Localization
Nanyang Technological University(南洋理工大学)
大多数现有的移动机器人定位解决方案要么严重依赖于预先安装的基础设施,要么难以在高度重复的环境中工作,这些环境没有足够的独特功能。为了解决这个问题,我们提出了一种磁辅助初始化方法,提高了重复的无特征环境中的无基础设施的移动机器人定位的性能。该系统采用由粗到精的结构,主要由磁场匹配和激光扫描匹配两部分组成。首先,插值磁场地图建立和移动机器人的初始位姿的部分确定的k-近邻(k-NN)算法。其次,融合先验初始位姿信息,通过激光扫描匹配对机器人进行更精确、更高效的定位。在我们的实验中,移动机器人被成功地定位在一个没有特征的矩形走廊与88%的成功率和平均正确定位时间为6.6秒。
2019-11-21 cs.RO
RRT-GPMP2: A Motion Planner for Mobile Robots in Complex Maze Environments
University College London(伦敦大学学院)
针对复杂迷宫环境下移动机器人的运动规划需求,提出融合GPMP2轨迹优化算法与RRT采样算法优势的RRT-GPMP2规划器,经仿真与海洋机器人虚拟场景应用验证了其性能与实用性。
2024-12-10 cs.RO
Wi-Fi Based Indoor Positioning System For Mobile Robots By Using Particle Filter
HY Technic Ltd. Sti.(HY技术有限公司);Eskisehir Osmangazi University(埃斯基谢希尔奥斯曼加齐大学);Inovasyon Muhendislik Ltd. Sti.(创新工程有限公司)
移动机器人具有实时自主工作的能力。自主行为严格依赖于知道移动机器人的位置。移动机器人在室内的定位是一个困难的任务,只有一个传感器的信息被使用。我们提出了一种系统和方法来定位移动机器人通过融合信号从WIFI和里程表数据,通过粒子滤波。在这项研究中,粒子滤波器是一个众所周知的过滤器,用于室内定位的移动机器人。该系统由RFKON系统和evarobot两部分组成,分别用于数据汇集和实验。接收信号强度(RSS)测量的WiFi接入点,位于任何环境中被用来定位一个固定的移动机器人在一个楼层区域通过SIS粒子滤波器。使用RFKON数据库中的RSS测量值,对于300和1000个粒子,平均定位误差分别为0.7606和0.1495 m。
2020-12-09 cs.RO
Mobile Robot Yielding Cues for Human-Robot Spatial Interaction
Monash University(莫纳什大学)
移动机器人越来越多地被部署在公共场所,如购物中心,机场和城市人行道。这些机器人中的大多数被设计成具有人类感知的运动规划能力,但并不被设计成与行人交流。行人遇到这些机器人时没有事先了解机器人的行为,这可能会导致不适,困惑和延迟社会接受。在这项研究中,我们探讨了常见的人机交互在门口或瓶颈的结构化环境。我们设计并评估了机器人在这种情况下向行人屈服时所使用的通信线索。我们对102名参与者进行了一项在线用户研究,使用了一组机器人对人类屈服暗示的视频。结果表明,机器人撤退提示是最社会可接受的线索。这项工作的结果有助于指导公共空间移动机器人的发展。
2021-04-06 cs.RO
Few common failure cases in mobile robots
European Organization for Nuclear Research (CERN)(欧洲核子研究组织);Royal Institute of Technology (KTH)(皇家理工学院)
部署用于远程检查、测量或救援任务的移动机器人可能会由于各种可能性而失败,并且可能与硬件或软件相关。这些故障场景需要从环境中手动恢复(自救)机器人。如果移动机器人部署的环境具有危险或有害条件(例如电离辐射),则回收移动机器人将带来不可预见的挑战。虽然不可能完全预测机器人中的所有故障,但可以通过采用某些设计/使用考虑因素来减少故障。在这篇简短的文章中,根据实际经验提出了一些失败案例,并提出了克服所示失败情况的一般建议。
2015-08-12 cs.RO
Rapid Development of a Mobile Robot Simulation Environment
Lawrence Technological University(劳伦斯理工大学)
机器人仿真在智能地面车辆(IGV)的开发过程中提供了许多优势,例如在不同的场景中测试软件组件,而不需要完整的物理机器人。本文讨论了使用快速应用程序开发和Unity游戏引擎创建的3D仿真环境,以便在移动机器人比赛中进行测试。我们的经验表明,模拟环境极大地促进了比赛软件的开发。该模拟器还有助于机器人的硬件开发。
2022-08-09 cs.RO
Fuzzy Logic Control for Indoor Navigation of Mobile Robots
Worcester Polytechnic Institute (WPI)(伍斯特理工学院)
本文针对移动机器人在未知动态杂乱室内环境中的导航问题,提出一种基于模糊逻辑控制器的实现方案,以传感器读数和期望运动方向为输入、车轮加速度为输出,实现避障并到达目标位置。
2024-09-04 cs.RO
Mobile Robot Localisation and Navigation Using LEGO NXT and Ultrasonic Sensor
University of Bristol(布里斯托大学);The Hong Kong University of Science and Technology(香港科技大学);Shandong University(山东大学);Jilin University(吉林大学);Shenzhen Sanhang Industrial Technology Research Institute(深圳三航工业技术研究院)
移动机器人对个人和行业都变得越来越重要。移动机器人技术不仅被该领域的专家使用,而且在业余爱好者中也很受欢迎。然而,实现移动机器人自主执行任务可能是昂贵的,因为需要各种类型的传感器和机器人平台的高价格。因此,在本文中,我们提出了一种移动机器人定位和导航系统,它使用了乐高超声波传感器在室内地图的基础上的乐高MINDSTORM NXT。这为大多数机器人爱好者提供了一个负担得起的、即用型的选择。本文提出了一种从超声波传感器采集的失真读数中提取有用信息的有效方法。然后,粒子滤波器被用来定位机器人。在机器人位置估计的基础上,提出了一种基于采样的机器人导航路径规划方法。该方法通过最小化机器人转弯次数和覆盖距离来减小机器人累积运动误差。机器人定位和导航算法在MATLAB中实现。模拟结果表明,三个不同的室内地图位置的平均精度在1和3厘米之间。此外,在一个真实的设置进行的实验表明,所提出的方法的有效性。
2018-10-20 cs.RO
Distributed Formation Control of Nonlonolomic Mobile Robots by Bounded Feedback in the Presence of Obstacles
University of Nevada, Reno(内华达大学里诺分校)
研究了非完整移动机器人的分布式编队控制问题。使用基于排斥力的控制律来保证代理之间的碰撞避免。在存在障碍物的不确定环境中,排斥力和旋转方向的构造使智能体能够避开和通过障碍物。每个机器人的控制输入被设计为有界的。不同编队的数值仿真结果表明了该方法的有效性。
2017-05-09 cs.RO
A New Vision for Smart Objects and the Internet of Things: Mobile Robots and Long-Range UHF RFID Sensor Tags
Massachusetts Institute of Technology(麻省理工学院);Harvard University(哈佛大学);University of Washington(华盛顿大学);Duke University(杜克大学)
我们提出了一个新的愿景,智能物体和物联网,其中移动机器人与无线供电,远距离,超高频射频识别(UHF RFID)标签配备传感能力进行交互。我们通过研究最近商业化的传感器标签来探索推动这一愿景的技术创新,这些传感器标签可以贴在或嵌入物体或环境中,以产生真正的具身智能。使用一对配备UHF RFID阅读器的自主移动机器人,我们探索了几个潜在的应用,移动机器人与传感器标签进行交互,以执行任务,如:土壤湿度传感,远程作物监测,基础设施监测,水质监测和遥感器部署。
2015-07-09 cs.RO
Dynamic Modeling and Simulation of a Four-wheel Skid-Steer Mobile Robot using Linear Graphs
GRASP Lab at Ontario Tech University(安大略理工大学GRASP实验室)
本文介绍了线性图理论的概念和方法在四轮滑移转向移动机器人系统建模与仿真中的应用。LG表示的系统,提出了一个移动机器人系统的动力学的伴随状态空间模型进行评估,使用相关的LG理论MATLAB工具箱,这是在我们的实验室开发的。采用基于遗传算法的参数估计方法来确定系统参数,从而对模型进行了非常精确的仿真。开发的模型,然后进行评估和验证,通过比较模拟LG模型轨迹与ROS露台模拟机器人的轨迹和从物理机器人系统获得的实验数据。所得到的结果表明,建议的LG模型,结合GA参数估计过程中,产生一个高度准确的方法建模和仿真的移动机器人系统。
2021-10-01 cs.RO
Set-theoretic Localization for Mobile Robots with Infrastructure-based Sensing
The University of Michigan - Ann Arbor(密歇根大学安娜堡分校)
在本文中,我们介绍了一种基于基础设施的传感移动机器人定位的集合论方法。所提出的方法在传感器和机器人运动模型的已知噪声界限的假设下,计算超出机器人身体和方向界限的集合。我们建立理论属性和计算方法,这套理论定位方法,并说明其应用程序的自动代客泊车的例子在模拟和全向机器人定位问题在现实世界中的实验。我们证明了集理论定位方法可以执行强大的不确定性集初始化和传感器噪声相比,FastSLAM。
2022-08-27 cs.RO
Exploiting Physical Dynamics to Detect Actuator and Sensor Attacks in Mobile Robots
Pennsylvania State University(宾夕法尼亚州立大学)
移动机器人是网络空间和物理世界紧密耦合的网络物理系统。对移动机器人的攻击可以超越网络防御,并在物理世界中升级为灾难性后果。在本文中,我们专注于主动攻击,能够直接影响机器人任务操作的检测。通过利用移动机器人的物理动力学,我们开发的RIDS,一种新的机器人入侵检测系统,可以检测致动器攻击以及传感器攻击的非线性移动机器人随机噪声。我们实现和评估的RIDS Khepera移动机器人对具体的攻击情况下,通过各种攻击渠道,包括信号干扰,传感器欺骗,逻辑炸弹,物理损坏。对20个实验结果的评价表明,假阳性率和假阴性率的平均值均小于1%。每次攻击的平均检测延迟保持在0.40秒以内。
2017-08-06 cs.CR cs.RO
Acoustic tactile sensing for mobile robot wheels
McGill University(麦吉尔大学);Mila - Quebec AI Institute(米拉-魁北克人工智能研究所);TTI-Chicago(芝加哥丰田技术研究所)
本文提出一种基于轮载声波导和现成声学测距仪的移动机器人触觉感知架构,可实现全周地形识别、障碍物分类与碰撞接触定位,并支持多种建图任务。
2024-02-28 cs.RO
A Survey of Deep Learning Techniques for Mobile Robot Applications
多年来,深度学习的进步吸引了对人工神经网络在机器人系统中的深度的研究。本研究综述将对当前的研究进行总结,特别关注深度学习应用于移动机器人的收益和障碍。
2018-03-20 cs.CV cs.RO
"I was Confused by It; It was Confused by Me:" Exploring the Experiences of People with Visual Impairments around Mobile Service Robots
University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
移动服务机器人已经变得越来越普遍。然而,这些机器人可能会给视力障碍(PVI)的人带来潜在的可访问性问题和安全问题。我们试图探索PVI围绕主流移动服务机器人所面临的挑战,并确定他们的需求。17名PVI接受了采访,讲述了他们对三种新兴机器人的体验:真空机器人、送货机器人和无人机。我们通过考虑他们在机器人周围的不同角色-直接用户和旁观者-全面调查了PVI的机器人体验。我们的研究强调了参与者对移动服务机器人的可访问性,安全性和隐私问题的挑战和担忧。我们发现,缺乏可访问的反馈使得PVI难以精确控制,定位和跟踪机器人的状态。此外,作为旁观者遇到移动机器人会使参与者感到困惑,甚至害怕,从而带来安全和隐私方面的障碍。我们进一步提炼了设计考虑因素,以实现更易接近和更安全的PVI机器人。
2022-08-29 cs.HC cs.RO
Designing a Miniature Wheel Arrangement for Mobile Robot Platforms
College of Electrical and Mechanical Engineering, National University of Sciences and Technology(国家科技大学机电工程学院);Department of Mechanical Engineering(机械工程系)
在本研究报告中,详细介绍了一种微型车轮的设计。这种微型轮装置本质上是一种方向控制机构,旨在用于移动机器人平台或基座上。该设计是一个特定的一个采用步进电机作为致动器和所描述的只能用于某种类型的轮式机器人。然而,作为一个基本的转向控制元件,这些微型轮装置中的一个以上可以组合在一起,以实现更复杂和智能的方向控制方案的轮式移动机器人平台的不同配置。
2011-04-02 cs.RO
Motion Control of Two Mobile Robots under Allowable Collisions
University of Science and Technology of China(中国科学技术大学);Dalian University of Technology(大连理工大学)
本文研究允许碰撞下两移动机器人的运动控制,通过分析碰撞影响建立混合模型,并应用脉冲控制技术重新设计运动控制策略以保证任务完成。
2024-04-26 cs.RO cs.SY eess.SY
Obstacle Avoidance for Autonomous Mobile Robots Based on Mapping Method
Hanoi University of Industry(河内工业大学);University of Economics - Technology for Industries(经济与技术工业大学)
近年来,移动机器人因其在各种环境中的应用而受到研究者的极大关注。移动机器人在穿越障碍物时,需要识别障碍物并生成新的轨迹以到达目的地。提出了一种基于开源的机器人操作系统(ROS)和动态窗口逼近(DWA)算法的移动机器人避障方法。实验是使用移动机器人进行的,其中导航数据是基于由激光扫描仪收集的数据。实验结果表明,该机器人能够在静态和动态障碍物环境中正常工作。
2021-09-14 cs.RO cs.SY eess.SY
Mathematical model of a remotely controlled skid-slip tracked mobile robot
Universitá degli studi "Mediterranea" di Reggio Calabria(雷焦卡拉布里亚“地中海”大学)
建立了遥控滑移履带式移动机器人的不确定范数有界数学模型。线性状态空间描述的目的是描述的非线性误差动力学的机器人在轨迹跟踪机动的控制通道中的延迟的存在下,考虑到未知的,但有界的滑移系数。
2023-03-06 cs.RO math.DS
Efficient Self-stabilizing Simulations of Energy-Restricted Mobile Robots by Asynchronous Luminous Mobile Robots
Tokyo Institute of Technology(东京工业大学);Hosei University(法政大学)
本研究针对自主移动机器人群体的模型计算等价性问题,提出用Ssynch/Asynch模式的LUMI机器人仿真Rsynch模式LUMI机器人的自稳定协议,降低了Ssynch仿真的颜色需求,还实现了n=2时Asynch的最优仿真。
2024-02-04 cs.DC cs.RO
Infrastructure-less Wireless Connectivity for Mobile Robotic Systems in Logistics: Why Bluetooth Mesh Networking is Important?
Bristol Research and Innovation Laboratory, Toshiba Europe Ltd.(东芝欧洲有限公司布里斯托尔研究与创新实验室)
移动机器人已经颠覆了正在经历彻底变革的物料搬运行业。各个行业对增强自动化的需求通常需要在几乎没有基础设施的物流设施中运行移动机器人系统。在这样的环境中,开箱即用的低成本机器人解决方案是可取的。无线连接在这种移动机器人系统的成功操作中起着至关重要的作用。移动机器人的无线网状网络是一个有吸引力的解决方案,然而,一些系统级的挑战创造了独特而严格的服务要求。本文的重点是蓝牙mesh技术的作用,这是物联网(IoT)连接领域的最新成员,在解决移动机器人系统的无基础设施连接的挑战。它从通信、控制、协作、覆盖、安全和导航/定位的角度阐述了关键的系统级设计挑战,并探讨了蓝牙mesh技术应对这些挑战的不同能力。它还通过蓝牙mesh的真实实验评估提供性能见解,同时研究其与竞争解决方案的差异化功能。
2021-07-12 cs.NI cs.RO
Multi-objective Compositions for Collision-Free Connectivity Maintenance in Teams of Mobile Robots
Georgia Institute of Technology(佐治亚理工学院)
本文提出了一种组合障碍函数来系统地组合多个移动机器人团队的目标。目标首先被编码为障碍函数,然后使用AND和OR逻辑运算符组合。这种方法的优点是组合障碍函数可以证明保证所有组合目标的同时满足。组合障碍函数的例子中,确保避免碰撞和静态/动态图形连接的移动机器人团队。由此产生的复合材料的安全性和连通性的障碍证书进行了实验验证的一个团队的四个移动机器人。
2016-08-24 cs.RO math.OC
Markov Localization for Mobile Robots in Dynamic Environments
Carnegie Mellon University(卡内基梅隆大学);University of Freiburg(弗莱堡大学)
定位,即从传感器数据中估计机器人的位置,是移动机器人中的一个基本问题。本文提出了一个版本的马尔可夫定位,提供准确的位置估计,这是针对动态环境。马尔可夫定位的关键思想是保持机器人在其环境中的所有位置的空间上的概率密度。我们的方法表示这个空间度量,使用细粒度的网格近似密度。它能够从头开始全局定位机器人,并从定位失败中恢复。它对环境(例如占用网格地图)和噪声传感器(例如超声波传感器)的近似模型是鲁棒的。我们的方法还包括一个过滤技术,它允许移动机器人可靠地估计其位置,即使在人口稠密的环境中,人群阻挡机器人的传感器的时间延长。这里所描述的方法已经在移动机器人的几个实际应用中实现和测试,包括部署两个移动机器人作为交互式博物馆导游。
2011-06-01 cs.AI cs.RO
Complete Visibility Algorithm for Autonomous Mobile Luminous Robots under an Asynchronous Scheduler on Grid Plane
Nagoya Institute of Technology(名古屋工业大学);Hosei University(法政大学)
针对无限网格平面上不透明发光机器人的完全可见性问题,提出一种仅用两种颜色、支持异步运行且无需知晓机器人总数的分布式算法,明确了机器人能力与问题可解性的关联。
2023-06-14 cs.DC cs.RO
Empirical Analysis of Bi-directional Wi-Fi Network Performance on Mobile Robots in Indoor Environments
University of Georgia(佐治亚大学)
本文提出了一个框架来衡量的重要指标(吞吐量,延迟,数据包重传,信号强度等)。确定由机器人操作系统(ROS)中间件支持的移动机器人的Wi-Fi网络性能。我们通过室内环境中的实验装置分析了移动机器人的双向网络性能,其中移动机器人将重要的传感器数据(如来自摄像机的视频流和LiDAR扫描值)传输到命令站,同时通过从命令站接收的遥控速度命令导航室内环境。实验评估了2.4 GHz和5 GHz信道下的性能,不同的接入点(AP)的位置,每侧最多有两个网络设备。该框架可推广到车辆网络评估,本研究的讨论和见解适用于现场机器人社区,其中无线网络在现实环境中成功执行机器人任务方面发挥着关键作用。
2022-01-13 cs.NI cs.RO
A Low Cost Vision Based Hybrid Fiducial Mark Tracking Technique for Mobile Industrial Robots
University of Jazan(贾赞大学)
机器人视觉领域发展迅速。机器人可以智能地做出反应,并通过感知计算为用户活动提供帮助。由于工业应用提出了人类无法处理的复杂要求,因此需要一种有效的低成本和鲁棒的技术来跟踪移动工业机器人。现有的基于传感器的移动机器人跟踪技术是昂贵的,部署,配置和维护复杂。其中一些还需要专用且通常昂贵的硬件。本文提出了一种低成本的视觉为基础的技术称为混合基准标记跟踪(HFMT)技术的跟踪移动工业机器人。HFMT技术需要现成的硬件(CCD摄像头)和可打印的2-D圆形标记用作基准,用于跟踪预处理器上的移动工业机器人定义的路径。该技术允许机器人跟踪一个预定义的路径,通过使用基准检测右和左转弯的路径和白色地带跟踪路径。HFMT技术的实现和测试的室内移动机器人在我们的实验室机器人在真实环境中导航的实验结果证实了我们的方法简单而鲁棒,可以在人类无法工作的任何恶劣工业环境中采用。
2012-09-29 cs.CV cs.RO
Metric State Space Reinforcement Learning for a Vision-Capable Mobile Robot
我们解决的问题,自主学习控制器的视觉能力的移动机器人。我们扩展了McCallum(1995)的最近序列记忆算法,以允许在状态动作轨迹上的一般度量。我们证明了我们的方法的可行性,成功地运行我们的算法在一个真正的移动机器人。该算法是新颖和独特的,因为它(a)探索环境,并直接在移动机器人上学习,而不使用手工制作的计算机模型作为中间步骤,(b)不需要手动离散化的传感器输入空间,(c)工作在分段连续的感知空间,(d)处理部分可观测性。与以前的方法相比,这允许从更少的经验中学习。
2006-03-07 cs.LG cs.RO
The Field-of-View Constraint of Markers for Mobile Robot with Pan-Tilt Camera
Institute of Automation, Chinese Academy of Science(中国科学院自动化研究所);University of Chinese Academy of Sciences(中国科学院大学)
在导航和视觉伺服领域中,通常通过标记点上的特征点来计算相对位姿,因此如何保持标记点在摄像机视野内是一个重要的问题。本文提出了一种新的计算摄像机标记物视场约束的方法。该方法可以使摄像机在移动机器人运动过程中保持所有特征点的可见性。移动机器人根据摄像机的角孔径,可以获得视场约束区域,其中摄像机不能保持图像中的所有特征点。基于视场约束区域,可以引导移动机器人从初始位置移动到目的地。最后基于配备云台摄像机的移动机器人进行了仿真和实验,验证了该方法获取视场约束的有效性。
2019-09-24 cs.CV cs.RO