移動機器(qi)(qi)(qi)人(ren)是機器(qi)(qi)(qi)人(ren)的重要研究領(ling)域，人(ren)們很早就開(kai)始移動機器(qi)(qi)(qi)人(ren)的研究。

世界上臺真正意義上的(de)移動機器(qi)人(ren)是斯坦(tan)福(fu)研究(jiu)院（SRI）的(de)人(ren)工智(zhi)能中(zhong)心于1966年(nian)到1972年(nian)研制(zhi)的(de)，名(ming)叫Shakey，它裝備了(le)電(dian)視攝像機、三角測距儀、碰撞(zhuang)傳感器(qi)、驅(qu)動電(dian)機以(yi)(yi)及編(bian)碼器(qi)，并通(tong)過無線通(tong)訊(xun)系(xi)統由二臺計(ji)算機控(kong)制(zhi)，可以(yi)(yi)進行簡單的(de)自(zi)主(zhu)導航。Shakey的(de)研制(zhi)過程中(zhong)還(huan)誕生了(le)兩種(zhong)經典的(de)導航算法(fa)：A*算法(fa)(the A* search algorithm)和可視圖法(fa)(the visibility graph  method）。

雖然Shakey只能(neng)解決簡(jian)單的(de)感知、運動(dong)規劃和控制問題，但它(ta)卻是當時(shi)將AI應用(yong)于(yu)機(ji)器人(ren)的(de)為(wei)成(cheng)功的(de)研究平臺，它(ta)證實了(le)許多(duo)通常屬于(yu)人(ren)工智(zhi)能(neng)(Aritificial Intelligence, AI)領域的(de)嚴(yan)肅的(de)科學結論。從20世紀70年代(dai)末開始(shi)，隨著計(ji)算機(ji)的(de)應用(yong)和傳感技術的(de)發展，以及(ji)新的(de)機(ji)器人(ren)導航算法的(de)不斷推出，移動(dong)機(ji)器人(ren)研究開始(shi)進入快車道。

移(yi)動(dong)機(ji)(ji)器(qi)人智(zhi)能的一(yi)個(ge)重要標(biao)志就是自主(zhu)導(dao)航(hang)，而實現機(ji)(ji)器(qi)人自主(zhu)導(dao)航(hang)有個(ge)基本要求——避障(zhang)。下面讓我們來了(le)解一(yi)下移(yi)動(dong)機(ji)(ji)器(qi)人的避障(zhang)，避障(zhang)是指(zhi)移(yi)動(dong)機(ji)(ji)器(qi)人根據(ju)采(cai)集的障(zhang)礙物(wu)的狀態(tai)信息，在行走(zou)過程中通過傳感器(qi)感知到(dao)妨(fang)礙其(qi)通行的靜態(tai)和(he)動(dong)態(tai)物(wu)體時，按照一(yi)定的方法進行有效地避障(zhang)，后達到(dao)目標(biao)點。

實現避障與導航的必要條件是環境感知，在未知或者是部分未知的環境下避障需要通過傳感器獲取周圍環境信息，包括障礙物的尺寸、形狀和位置等信息，因此傳感器技術在移動機器人避障中起著十分重要的作用。避障使用的傳感器主要有超聲傳感器、視覺傳感器、紅外傳感器、激光傳感器等。
 

移動機器人避障(zhang)常(chang)用的傳感器

1、激光傳感器

激光測(ce)距傳感器(qi)利用(yong)激光來(lai)測(ce)量(liang)到(dao)被測(ce)物體(ti)(ti)的距離或者被測(ce)物體(ti)(ti)的位移(yi)等參數。

比(bi)較常用(yong)的(de)(de)測(ce)距方法是由(you)脈(mo)沖(chong)激(ji)光(guang)器發出(chu)持續時間(jian)(jian)(jian)(jian)(jian)極短的(de)(de)脈(mo)沖(chong)激(ji)光(guang)，經過待測(ce)距離后射(she)到(dao)被(bei)測(ce)目標，回波(bo)返回，由(you)光(guang)電探測(ce)器接收(shou)。根據主波(bo)信(xin)號和(he)回波(bo)信(xin)號之(zhi)間(jian)(jian)(jian)(jian)(jian)的(de)(de)間(jian)(jian)(jian)(jian)(jian)隔，即(ji)激(ji)光(guang)脈(mo)沖(chong)從激(ji)光(guang)器到(dao)被(bei)測(ce)目標之(zhi)間(jian)(jian)(jian)(jian)(jian)的(de)(de)往返時間(jian)(jian)(jian)(jian)(jian)，就(jiu)可以算出(chu)待測(ce)目標的(de)(de)距離。

由于光速很(hen)快，使得在測小(xiao)距(ju)離(li)時光束往返時間極短，因此(ci)這種(zhong)方法不(bu)適合測量精度要(yao)求(qiu)(qiu)很(hen)高的（亞毫米(mi)級別(bie)）距(ju)離(li)，一般若要(yao)求(qiu)(qiu)精度非常高，常用三角法、相位法等方法測量。

2、視覺傳感器

視覺傳(chuan)感(gan)器的優點是(shi)探測范圍廣、獲取信息(xi)豐富。

實際應(ying)用中(zhong)常使用多(duo)(duo)個視覺傳感(gan)器或(huo)者(zhe)與(yu)(yu)其它傳感(gan)器配合使用，通過一(yi)定的(de)(de)(de)算(suan)(suan)法(fa)可以得到物(wu)體的(de)(de)(de)形狀、距(ju)離、速度等諸(zhu)多(duo)(duo)信(xin)息(xi)。或(huo)是利(li)用一(yi)個攝像機(ji)的(de)(de)(de)序列圖(tu)像來計算(suan)(suan)目標(biao)的(de)(de)(de)距(ju)離和速度，還可采用SSD算(suan)(suan)法(fa)，根據一(yi)個鏡頭的(de)(de)(de)運動圖(tu)像來計算(suan)(suan)機(ji)器人與(yu)(yu)目標(biao)的(de)(de)(de)相對位移(yi)。

但在圖像處理中，邊緣銳化(hua)、特征提(ti)取等(deng)圖像處理方法(fa)計算量大，實時性差，對處理機要求高(gao)。且視(shi)覺測(ce)(ce)距法(fa)檢(jian)(jian)測(ce)(ce)不能(neng)檢(jian)(jian)測(ce)(ce)到(dao)玻璃等(deng)透明障礙物的(de)存在，另外受(shou)視(shi)場光線強弱、煙霧的(de)影響很大。

3、紅外傳感器

大多數紅外(wai)傳(chuan)感器測距都是基于三角測量(liang)原(yuan)理。

紅外發射(she)器(qi)(qi)按(an)照一定的(de)角度(du)發射(she)紅外光(guang)束，當(dang)遇到(dao)物(wu)(wu)體(ti)以(yi)后，光(guang)束會(hui)反(fan)射(she)回來，如圖所示。反(fan)射(she)回來的(de)紅外光(guang)線被CCD檢(jian)測(ce)器(qi)(qi)檢(jian)測(ce)到(dao)以(yi)后，會(hui)獲(huo)得(de)一個偏移值L，利用三(san)角關系，在知(zhi)道(dao)了發射(she)角度(du)α，偏移距L，中心矩(ju)X，以(yi)及濾鏡的(de)焦距f以(yi)后，傳感器(qi)(qi)到(dao)物(wu)(wu)體(ti)的(de)距離D就可以(yi)通過幾何關系計(ji)算出(chu)來了。

紅(hong)外傳(chuan)感(gan)器(qi)的優點是不受(shou)可(ke)見光影響，白天黑夜(ye)均可(ke)測(ce)量(liang)，角(jiao)度靈敏度高、結(jie)構(gou)簡單、價(jia)格較便宜，可(ke)以快速感(gan)知(zhi)物(wu)(wu)體(ti)的存(cun)在，但測(ce)量(liang)時受(shou)環境影響很大，物(wu)(wu)體(ti)的顏色(se)、方向、周圍的光線都能(neng)導致測(ce)量(liang)誤差，測(ce)量(liang)不夠(gou)。

4、超聲波傳感器

超(chao)生(sheng)波(bo)(bo)傳(chuan)感(gan)器(qi)檢(jian)測距(ju)離(li)(li)原理是測出(chu)(chu)發出(chu)(chu)超(chao)聲波(bo)(bo)至再檢(jian)測到發出(chu)(chu)的(de)(de)超(chao)聲波(bo)(bo)的(de)(de)時間差，同時根據聲速(su)計算(suan)出(chu)(chu)物體的(de)(de)距(ju)離(li)(li)。由(you)于(yu)超(chao)聲波(bo)(bo)在空氣中(zhong)(zhong)的(de)(de)速(su)度(du)與(yu)溫濕度(du)有關，在比較的(de)(de)測量(liang)中(zhong)(zhong)，需(xu)把溫濕度(du)的(de)(de)變化和其它因素(su)考慮進去。超(chao)聲波(bo)(bo)傳(chuan)感(gan)器(qi)一(yi)(yi)般(ban)作用距(ju)離(li)(li)較短，普通(tong)的(de)(de)有效(xiao)探測距(ju)離(li)(li)都在5-10m之間，但是會有一(yi)(yi)個小探測盲區，一(yi)(yi)般(ban)在幾十毫米(mi)。由(you)于(yu)超(chao)聲傳(chuan)感(gan)器(qi)的(de)(de)成本低，實現方法簡單，技(ji)術成熟，是移動(dong)機器(qi)人中(zhong)(zhong)常用的(de)(de)傳(chuan)感(gan)器(qi)。

機器(qi)人避障算法有哪些？

目前移動機器人的避障(zhang)(zhang)根據環境信(xin)息(xi)的掌握程度可以(yi)分為(wei)障(zhang)(zhang)礙(ai)物(wu)信(xin)息(xi)已知、障(zhang)(zhang)礙(ai)物(wu)信(xin)息(xi)部分未(wei)知或*未(wei)知兩種(zhong)。

傳(chuan)統的導(dao)航避障(zhang)(zhang)(zhang)方法(fa)如可(ke)視圖法(fa)、柵格(ge)法(fa)、自(zi)由(you)空間法(fa)等(deng)算(suan)法(fa)對障(zhang)(zhang)(zhang)礙(ai)物(wu)信(xin)息己知時(shi)的避障(zhang)(zhang)(zhang)問題處理尚(shang)可(ke)，但(dan)當(dang)障(zhang)(zhang)(zhang)礙(ai)信(xin)息未知或者障(zhang)(zhang)(zhang)礙(ai)是(shi)可(ke)移動的時(shi)候，傳(chuan)統的導(dao)航方法(fa)一般不(bu)能(neng)很好的解決避障(zhang)(zhang)(zhang)問題或者根本不(bu)能(neng)避障(zhang)(zhang)(zhang)。

而(er)實際生(sheng)(sheng)活中，絕大多數的(de)(de)(de)(de)情況下，機器(qi)人所(suo)處的(de)(de)(de)(de)環境都是動態(tai)的(de)(de)(de)(de)、可變的(de)(de)(de)(de)、未知的(de)(de)(de)(de)，為了(le)(le)(le)解(jie)決上述問(wen)題，人們引入了(le)(le)(le)計算(suan)機和人工智(zhi)能等領域的(de)(de)(de)(de)一(yi)(yi)些算(suan)法(fa)。同時(shi)得益于處理器(qi)計算(suan)能力的(de)(de)(de)(de)提高及傳感器(qi)技術的(de)(de)(de)(de)發(fa)展，在移(yi)動機器(qi)人的(de)(de)(de)(de)平臺上進行一(yi)(yi)些復雜算(suan)法(fa)的(de)(de)(de)(de)運算(suan)也變得輕松，由(you)此(ci)產(chan)生(sheng)(sheng)了(le)(le)(le)一(yi)(yi)系(xi)列智(zhi)能避障方法(fa)，比較熱門的(de)(de)(de)(de)有：遺(yi)傳算(suan)法(fa)、神經網(wang)絡(luo)算(suan)法(fa)、模糊算(suan)法(fa)等，下面(mian)分別加以介紹。

1、基于遺傳算法的機器人避障算法

遺傳算(suan)(suan)法（genetic algorithm ，簡(jian)稱GA ）是計算(suan)(suan)數(shu)學(xue)中用(yong)于解決*化的搜索(suo)算(suan)(suan)法，是進化算(suan)(suan)法的一種。進化算(suan)(suan)法是借鑒了進化生物學(xue)中的遺傳、突變、自然(ran)選擇(ze)以及雜(za)交等現象而發展(zhan)起來的。 遺傳算(suan)(suan)法采用(yong)從自然(ran)進化中抽象出來的幾(ji)個算(suan)(suan)子(zi)對參數(shu)編碼的字符串進行遺傳操(cao)作 ，包括復制(zhi)或選擇(ze)算(suan)(suan)子(zi)（Reproduction or Select）、交叉算(suan)(suan)子(zi)（Crossover）、變異算(suan)(suan)子(zi)（Mutation）。

遺傳算法的(de)(de)主要(yao) 優點 是：采用(yong)群(qun)體方(fang)式對目標函數空間(jian)進行多線索的(de)(de)并行搜(sou)索，不(bu)會陷(xian)入(ru)局部極(ji)小點；只(zhi)需(xu)要(yao)可行解目標函數的(de)(de)值，而不(bu)需(xu)要(yao)其他信息(xi)，對目標函數的(de)(de)連續性、可*沒有要(yao)求，使用(yong)方(fang)便；解的(de)(de)選擇和(he)產生用(yong)概率方(fang)式，因此具有較(jiao)強的(de)(de)適(shi)應能力和(he)魯棒性。

2、基于神經網絡算法的機器人避障方法

神經網(wang)絡(luo)（neural network，縮(suo)寫(xie)NN），是一(yi)種模仿生物(wu)神經網(wang)絡(luo)的結(jie)構(gou)和(he)功能(neng)的數(shu)學模型(xing)(xing)或計(ji)算模型(xing)(xing)。神經網(wang)絡(luo)由大(da)量的人工(gong)神經元聯結(jie)進(jin)(jin)行計(ji)算。大(da)多數(shu)情況下人工(gong)神經網(wang)絡(luo)能(neng)在(zai)外界信(xin)息的基礎(chu)上(shang)改變(bian)內部結(jie)構(gou)，是一(yi)種自(zi)適應系統。人工(gong)神經網(wang)絡(luo)通常(chang)通過(guo)一(yi)個基于數(shu)學統計(ji)學類型(xing)(xing)的學習(xi)方(fang)法優化，是一(yi)種非線(xian)性統計(ji)性數(shu)據建模工(gong)具，可以(yi)對輸入和(he)輸出間復雜(za)的關系進(jin)(jin)行建模。

傳(chuan)統(tong)的(de)神經網絡路徑(jing)規劃方(fang)法往(wang)往(wang)是建立一個關于機(ji)器(qi)(qi)(qi)人從(cong)初(chu)始(shi)位(wei)置(zhi)(zhi)到目標位(wei)置(zhi)(zhi)行走路徑(jing)的(de)神經網絡模型(xing)(xing)，模型(xing)(xing)輸(shu)入是傳(chuan)感(gan)器(qi)(qi)(qi)信息和機(ji)器(qi)(qi)(qi)人前一位(wei)置(zhi)(zhi)或者前一位(wei)置(zhi)(zhi)的(de)運(yun)(yun)動(dong)方(fang)向(xiang)，通(tong)過(guo)對模型(xing)(xing)訓(xun)練輸(shu)出(chu)機(ji)器(qi)(qi)(qi)人下一位(wei)置(zhi)(zhi)或者下一位(wei)置(zhi)(zhi)的(de)運(yun)(yun)動(dong)方(fang)向(xiang)。

可以建立基于動態神經網絡的機器人避障算法， 動態神經網絡可以根據機器人環境狀態的復雜程度自動地調整其結構，實時地實現機器人的狀態與其避障動作之間的映射關系，能有效地減輕機器人的運算壓力。 還有研究通過使用神經網絡避障的同時與混合智能系統（HIS）相連接，可以使移動機器人的認知決策避障能力和人相近。
 

3、基于模糊控制的機器人避障算法

模(mo)糊(hu)控(kong)制(zhi)（fuzzy control）是一類應(ying)用模(mo)糊(hu)集合理論的(de)(de)(de)控(kong)制(zhi)方(fang)法，它沒有(you)像(xiang)經(jing)(jing)典控(kong)制(zhi)理論那樣把實際情況加以簡化從(cong)而建立起數學(xue)模(mo)型，而是通過(guo)人的(de)(de)(de)經(jing)(jing)驗和(he)決策進行相應(ying)的(de)(de)(de)模(mo)糊(hu)邏輯推理，并且(qie)用具有(you)模(mo)糊(hu)性的(de)(de)(de)語言來描述整個時變的(de)(de)(de)控(kong)制(zhi)過(guo)程。

對于移動機器人(ren)避(bi)障用經典控制理論建立(li)起的(de)數學(xue)模(mo)型將會非常(chang)粗(cu)糙，而模(mo)糊控制則(ze)把經典控制中被(bei)簡化的(de)部分也綜合(he)起來加以考(kao)慮。

對于移(yi)動(dong)機(ji)器人避障(zhang)的(de)模(mo)(mo)糊(hu)控(kong)(kong)制(zhi)而言(yan)，其關鍵問題就是要建立合適的(de)模(mo)(mo)糊(hu)控(kong)(kong)制(zhi)器，模(mo)(mo)糊(hu)控(kong)(kong)制(zhi)器主要完(wan)成障(zhang)礙物距(ju)離值的(de)模(mo)(mo)糊(hu)化(hua)(hua)、避障(zhang)模(mo)(mo)糊(hu)關系(xi)的(de)運算、模(mo)(mo)糊(hu)決策以及避障(zhang)決策結果(guo)的(de)非模(mo)(mo)糊(hu)化(hua)(hua)處理(化(hua)(hua))等(deng)重要過(guo)程，以此來智能地控(kong)(kong)制(zhi)移(yi)動(dong)機(ji)器人的(de)避障(zhang)行(xing)為。利用(yong)模(mo)(mo)糊(hu)控(kong)(kong)制(zhi)理論還可將(jiang)專(zhuan)家知識(shi)或操作人員(yuan)經驗(yan)形成的(de)語(yu)(yu)言(yan)規(gui)則直接轉化(hua)(hua)為自動(dong)控(kong)(kong)制(zhi)策略。通常(chang)使用(yong)模(mo)(mo)糊(hu)規(gui)則查(cha)詢表，用(yong)語(yu)(yu)言(yan)知識(shi)模(mo)(mo)型來設計和修正(zheng)控(kong)(kong)制(zhi)算法。

除此之外還有啟發式搜索算法、基于行為的路徑規劃算法、基于再激勵學習的路徑規劃算法等避障算法，也都在移動機器人的避障研究中取得了很好的成果。
 

展望

隨著計算機技術、傳感器技術、人工智能的發展，移動機器的避障及自主導航技術已經取得了豐碩的研究成果，應用領域也在不斷地擴大，應用復雜程度也越來越高。移動機器人的自主尋路要求已經從之前簡單的功能實現提升到可靠性、通用性、率上來，因此對其相關技術提出了更高的要求。
 

然而至今沒有(you)(you)任(ren)何(he)一種方法(fa)(fa)能(neng)夠(gou)在任(ren)意環(huan)境(jing)使機器人進行有(you)(you)效地避(bi)障，如何(he)克服相關算(suan)法(fa)(fa)的(de)(de)局限性是(shi)今后工作的(de)(de)研究(jiu)方向(xiang)之一。可以看出不管是(shi)傳統(tong)算(suan)法(fa)(fa)還是(shi)新興的(de)(de)智能(neng)算(suan)法(fa)(fa)都有(you)(you)其適用(yong)與不適用(yong)的(de)(de)環(huan)境(jing)，通過傳統(tong)算(suan)法(fa)(fa)與智能(neng)算(suan)法(fa)(fa)及智能(neng)算(suan)法(fa)(fa)之間的(de)(de)相互融合(he)，克服單個算(suan)法(fa)(fa)的(de)(de)缺陷，增強整體的(de)(de)適用(yong)性，現(xian)在已經有(you)(you)很(hen)多這(zhe)方面的(de)(de)研究(jiu)，以后仍將是(shi)研究(jiu)熱點之一。