7.0 导言
在之前的章节中,我们学习了机械臂的几何结构,解决了正逆运动学问题。一个机器人的正逆运动学方程仅仅取决于机器人的机械结构,但是这并没有反映出机器人所在的工作空间的限制。也就是说,我们还未考虑如何让机器人知道在工作空间里,哪里有障碍,哪里安全,哪里可以走哪里不行。因此在这个章节,我们讲解如何在考虑障碍物存在的情况下规划路径。我们将给定初始位置姿态和最终位置姿态,寻求如何找到一个避障路径来连接初始位置和最终位置。
尽管问题的描述看起来十分简单,但是路径规划问题几乎算是计算机科学里面最复杂的问题之一。拿最著名的完全路径算法来说,它的计算复杂度会因为机器人自由度数量的增加呈指数级增加。因此,对于多自由度机器人,一般情况下我们一般不采用完全路径算法。(什么是完全路径算法?)
本章中我们把路径规划问题看成搜索问题。我们讲的算法中不保证对所有问题都能找到解,但是他们对于大多数实际问题已经足够有效了。更重要的是,这些算法很容易应用和部署,并且对大多数问题仅仅需要较少的计算时间。
在本章的一开始7.1节,我们介绍位形空间的概念,并且讲解如何在位形空间里定义障碍物。7.2和7.3节我们介绍一种叫artificial potential field的路径规划方法,相对应的算法使用梯度下降搜索来找到避障路径。跟其他梯度下降方法会出现的问题一样,这里也会出现 “局部最小值陷阱”的问题。因此在7.4节里我们讲解如何通过随机运动来避免“局部最小值陷阱”。7.5节我们讲解另一种随机化的方法——Probabilistic Roadmap(PRM)法。最后,由于所有方法最终都会得到一串位形序列,我们在第八章讲解如何通过多项式曲线由一串不连续的位形序列生成光滑的运动策略。
参考引用
翻译自《robot dynamics and control》
作者:Mark W Spong,Seth Hutchinson, and M. Vidyasagar