- 博客(7)
- 收藏
- 关注
RSS订阅原创 2024.4.3组会
可以看到加入了转弯次数影响因子的试验最后总的转弯次数是更少的，为75次，说明该方法能有效减少AGV转弯。之后会将这部分代码在多AGV中应用。编写了turn_punish函数，对直线行驶的奖励值提高，最终将奖励值更新到Q表中，可以直接影响Q-learning搜索动作。考虑到机器人转身时的速率影响，转身动作的奖励值比直线行走的奖励值要低，以这种方式减少转身次数，降低实际运行时的车辆转弯损耗。在复杂地图中，针对Q-learning算法进行测试，加入转弯影响因子和不加入转弯影响因子各测试15次，得到如下的结果。
2024-04-02 21:21:33
129
原创 2024.3.27组会
对比Q-learning 与 Q-learning + PSO在复杂的栅格地图中测试，每种情况运行50次，分析50次的数据从多次仿真的结果来看，在Q-learning算法中添加PSO算法，在同样的起点终点、同样的迭代次数的情况下，PSO + Qlearning算法的搜索最短路径的。
2024-03-28 11:22:02
302
1
原创 2024.2.29
以上步骤完成一次时间窗算法迭代，若时间窗还有问题，继续进行下一次迭代直到所有时间窗都不冲突。解决了时间窗空缺的情况，图中还存在栅格重叠，需要将有重叠情况发生的时间处之后的所有时间窗均推迟相同时间，以消除重叠。图1是还未进行时间窗连接，图2是时间窗连接之后，可以看到时间窗“空缺”的情况解决了，目前时间窗都是连续的。例如，对比发现时间窗存在不连续、多窗重叠的现象，需要通过下面的时间窗连接+时间窗推迟来解决。时间窗DWA算法在完成时间窗查重叠、重叠时间窗移位操作后，会发现AGV的时间窗不连续。
2024-02-29 15:05:31
330
原创 2024.2.22
原先的代码agv运送完初始给定的任务后会报错，没法继续配送新任务，循环体迭代有问题，解决后可以完成所有的任务配送。设置了四个任务，两台AGV，每台AGV配送了2个任务，任务都能配送完了。
2024-02-22 00:00:36
441
1
原创 2024.2.1进度汇报
（2）还是会有一些小问题，比如某AGV完成一次任务后规划新的任务路径时路径不是最短的，可能重新规划时其他AGV目前没走完的路径对该AGV规划路径时没有排除掉。（1）当一辆车完成一次任务后，会重新规划其新的任务路径，此时是重新用Q learning+PSO算法去规划，耗时较久，导致停滞时间较长。（3）目前的任务是直接给定的货架索引，避障是通过等待避障，后面需要研究任务分配算法、更好的动态避障算法。逐步解决上面提到的存在的问题，开始研究任务分配算法和更好的动态避障策略。将路径显现，并将走过的路径颜色清除。
2024-02-01 09:02:35
195
1
原创 2024.01.25进度汇报
做出了AGV车辆实时移动的动画，为后续多AGV动态避障提供基础。这个动画做的比较久，多台AGV的实时路径这周仍在debug，下周应该可以做出来了，多台AGV采用的避障策略（局部路径规划）目前采用的是优先级的方法，即匀速行驶-冲突时优先级低的AGV进行等待。后续实现了通过优先级进行等待的方案后，再考虑采用其他的避障方法来优化或者结合。（3）Q learning + PSO 混合算法。ps：这里的路径长度是曲线长度。ps：这里的路径长度是栅格数目。（1）粒子群PSO算法。
2024-01-25 10:39:51
401
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人