移動(dòng)機(jī)器人是機(jī)器人的重要研究領(lǐng)域，人們很早就開始移動(dòng)機(jī)器人的研究。

世界上臺(tái)真正意義上的移動(dòng)機(jī)器人是斯坦福研究院（SRI）的人工智能中心于1966年到1972年研制的，名叫Shakey，它裝備了電視攝像機(jī)、三角測(cè)距儀、碰撞傳感器、驅(qū)動(dòng)電機(jī)以及編碼器，并通過無線通訊系統(tǒng)由二臺(tái)計(jì)算機(jī)控制，可以進(jìn)行簡(jiǎn)單的自主導(dǎo)航。Shakey的研制過程中還誕生了兩種經(jīng)典的導(dǎo)航算法：A*算法(the A* search algorithm)和可視圖法(the visibility graph  method）。

雖然Shakey只能解決簡(jiǎn)單的感知、運(yùn)動(dòng)規(guī)劃和控制問題，但它卻是當(dāng)時(shí)將AI應(yīng)用于機(jī)器人的為成功的研究平臺(tái)，它證實(shí)了許多通常屬于人工智能(Aritificial Intelligence, AI)領(lǐng)域的嚴(yán)肅的科學(xué)結(jié)論。從20世紀(jì)70年代末開始，隨著計(jì)算機(jī)的應(yīng)用和傳感技術(shù)的發(fā)展，以及新的機(jī)器人導(dǎo)航算法的不斷推出，移動(dòng)機(jī)器人研究開始進(jìn)入快車道。

移動(dòng)機(jī)器人智能的一個(gè)重要標(biāo)志就是自主導(dǎo)航，而實(shí)現(xiàn)機(jī)器人自主導(dǎo)航有個(gè)基本要求——避障。下面讓我們來了解一下移動(dòng)機(jī)器人的避障，避障是指移動(dòng)機(jī)器人根據(jù)采集的障礙物的狀態(tài)信息，在行走過程中通過傳感器感知到妨礙其通行的靜態(tài)和動(dòng)態(tài)物體時(shí)，按照一定的方法進(jìn)行有效地避障，后達(dá)到目標(biāo)點(diǎn)。

實(shí)現(xiàn)避障與導(dǎo)航的必要條件是環(huán)境感知，在未知或者是部分未知的環(huán)境下避障需要通過傳感器獲取周圍環(huán)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(shù)在移動(dòng)機(jī)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(dòng)機(jī)器人避障常用的傳感器

1、激光傳感器

激光測(cè)距傳感器利用激光來測(cè)量到被測(cè)物體的距離或者被測(cè)物體的位移等參數(shù)。

比較常用的測(cè)距方法是由脈沖激光器發(fā)出持續(xù)時(shí)間極短的脈沖激光，經(jīng)過待測(cè)距離后射到被測(cè)目標(biāo)，回波返回，由光電探測(cè)器接收。根據(jù)主波信號(hào)和回波信號(hào)之間的間隔，即激光脈沖從激光器到被測(cè)目標(biāo)之間的往返時(shí)間，就可以算出待測(cè)目標(biāo)的距離。

由于光速很快，使得在測(cè)小距離時(shí)光束往返時(shí)間極短，因此這種方法不適合測(cè)量精度要求很高的（亞毫米級(jí)別）距離，一般若要求精度非常高，常用三角法、相位法等方法測(cè)量。

2、視覺傳感器

視覺傳感器的優(yōu)點(diǎn)是探測(cè)范圍廣、獲取信息豐富。

實(shí)際應(yīng)用中常使用多個(gè)視覺傳感器或者與其它傳感器配合使用，通過一定的算法可以得到物體的形狀、距離、速度等諸多信息?；蚴抢靡粋€(gè)攝像機(jī)的序列圖像來計(jì)算目標(biāo)的距離和速度，還可采用SSD算法，根據(jù)一個(gè)鏡頭的運(yùn)動(dòng)圖像來計(jì)算機(jī)器人與目標(biāo)的相對(duì)位移。

但在圖像處理中，邊緣銳化、特征提取等圖像處理方法計(jì)算量大，實(shí)時(shí)性差，對(duì)處理機(jī)要求高。且視覺測(cè)距法檢測(cè)不能檢測(cè)到玻璃等透明障礙物的存在，另外受視場(chǎng)光線強(qiáng)弱、煙霧的影響很大。

3、紅外傳感器

大多數(shù)紅外傳感器測(cè)距都是基于三角測(cè)量原理。

紅外發(fā)射器按照一定的角度發(fā)射紅外光束，當(dāng)遇到物體以后，光束會(huì)反射回來，如圖所示。反射回來的紅外光線被CCD檢測(cè)器檢測(cè)到以后，會(huì)獲得一個(gè)偏移值L，利用三角關(guān)系，在知道了發(fā)射角度α，偏移距L，中心矩X，以及濾鏡的焦距f以后，傳感器到物體的距離D就可以通過幾何關(guān)系計(jì)算出來了。

紅外傳感器的優(yōu)點(diǎn)是不受可見光影響，白天黑夜均可測(cè)量，角度靈敏度高、結(jié)構(gòu)簡(jiǎn)單、價(jià)格較便宜，可以快速感知物體的存在，但測(cè)量時(shí)受環(huán)境影響很大，物體的顏色、方向、周圍的光線都能導(dǎo)致測(cè)量誤差，測(cè)量不夠。

4、超聲波傳感器

超生波傳感器檢測(cè)距離原理是測(cè)出發(fā)出超聲波至再檢測(cè)到發(fā)出的超聲波的時(shí)間差，同時(shí)根據(jù)聲速計(jì)算出物體的距離。由于超聲波在空氣中的速度與溫濕度有關(guān)，在比較的測(cè)量中，需把溫濕度的變化和其它因素考慮進(jìn)去。超聲波傳感器一般作用距離較短，普通的有效探測(cè)距離都在5-10m之間，但是會(huì)有一個(gè)小探測(cè)盲區(qū)，一般在幾十毫米。由于超聲傳感器的成本低，實(shí)現(xiàn)方法簡(jiǎn)單，技術(shù)成熟，是移動(dòng)機(jī)器人中常用的傳感器。

機(jī)器人避障算法有哪些？

目前移動(dòng)機(jī)器人的避障根據(jù)環(huán)境信息的掌握程度可以分為障礙物信息已知、障礙物信息部分未知或*未知兩種。

傳統(tǒng)的導(dǎo)航避障方法如可視圖法、柵格法、自由空間法等算法對(duì)障礙物信息己知時(shí)的避障問題處理尚可，但當(dāng)障礙信息未知或者障礙是可移動(dòng)的時(shí)候，傳統(tǒng)的導(dǎo)航方法一般不能很好的解決避障問題或者根本不能避障。

而實(shí)際生活中，絕大多數(shù)的情況下，機(jī)器人所處的環(huán)境都是動(dòng)態(tài)的、可變的、未知的，為了解決上述問題，人們引入了計(jì)算機(jī)和人工智能等領(lǐng)域的一些算法。同時(shí)得益于處理器計(jì)算能力的提高及傳感器技術(shù)的發(fā)展，在移動(dòng)機(jī)器人的平臺(tái)上進(jìn)行一些復(fù)雜算法的運(yùn)算也變得輕松，由此產(chǎn)生了一系列智能避障方法，比較熱門的有：遺傳算法、神經(jīng)網(wǎng)絡(luò)算法、模糊算法等，下面分別加以介紹。

1、基于遺傳算法的機(jī)器人避障算法

遺傳算法（genetic algorithm ，簡(jiǎn)稱GA ）是計(jì)算數(shù)學(xué)中用于解決*化的搜索算法，是進(jìn)化算法的一種。進(jìn)化算法是借鑒了進(jìn)化生物學(xué)中的遺傳、突變、自然選擇以及雜交等現(xiàn)象而發(fā)展起來的。 遺傳算法采用從自然進(jìn)化中抽象出來的幾個(gè)算子對(duì)參數(shù)編碼的字符串進(jìn)行遺傳操作 ，包括復(fù)制或選擇算子（Reproduction or Select）、交叉算子（Crossover）、變異算子（Mutation）。

遺傳算法的主要 優(yōu)點(diǎn) 是：采用群體方式對(duì)目標(biāo)函數(shù)空間進(jìn)行多線索的并行搜索，不會(huì)陷入局部極小點(diǎn)；只需要可行解目標(biāo)函數(shù)的值，而不需要其他信息，對(duì)目標(biāo)函數(shù)的連續(xù)性、可*沒有要求，使用方便；解的選擇和產(chǎn)生用概率方式，因此具有較強(qiáng)的適應(yīng)能力和魯棒性。

2、基于神經(jīng)網(wǎng)絡(luò)算法的機(jī)器人避障方法

神經(jīng)網(wǎng)絡(luò)（neural network，縮寫NN），是一種模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能的數(shù)學(xué)模型或計(jì)算模型。神經(jīng)網(wǎng)絡(luò)由大量的人工神經(jīng)元聯(lián)結(jié)進(jìn)行計(jì)算。大多數(shù)情況下人工神經(jīng)網(wǎng)絡(luò)能在外界信息的基礎(chǔ)上改變內(nèi)部結(jié)構(gòu)，是一種自適應(yīng)系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)通常通過一個(gè)基于數(shù)學(xué)統(tǒng)計(jì)學(xué)類型的學(xué)習(xí)方法優(yōu)化，是一種非線性統(tǒng)計(jì)性數(shù)據(jù)建模工具，可以對(duì)輸入和輸出間復(fù)雜的關(guān)系進(jìn)行建模。

傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃方法往往是建立一個(gè)關(guān)于機(jī)器人從初始位置到目標(biāo)位置行走路徑的神經(jīng)網(wǎng)絡(luò)模型，模型輸入是傳感器信息和機(jī)器人前一位置或者前一位置的運(yùn)動(dòng)方向，通過對(duì)模型訓(xùn)練輸出機(jī)器人下一位置或者下一位置的運(yùn)動(dòng)方向。

可以建立基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的機(jī)器人避障算法， 動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)可以根據(jù)機(jī)器人環(huán)境狀態(tài)的復(fù)雜程度自動(dòng)地調(diào)整其結(jié)構(gòu)，實(shí)時(shí)地實(shí)現(xiàn)機(jī)器人的狀態(tài)與其避障動(dòng)作之間的映射關(guān)系，能有效地減輕機(jī)器人的運(yùn)算壓力。 還有研究通過使用神經(jīng)網(wǎng)絡(luò)避障的同時(shí)與混合智能系統(tǒng)（HIS）相連接，可以使移動(dòng)機(jī)器人的認(rèn)知決策避障能力和人相近。
 

3、基于模糊控制的機(jī)器人避障算法

模糊控制（fuzzy control）是一類應(yīng)用模糊集合理論的控制方法，它沒有像經(jīng)典控制理論那樣把實(shí)際情況加以簡(jiǎn)化從而建立起數(shù)學(xué)模型，而是通過人的經(jīng)驗(yàn)和決策進(jìn)行相應(yīng)的模糊邏輯推理，并且用具有模糊性的語(yǔ)言來描述整個(gè)時(shí)變的控制過程。

對(duì)于移動(dòng)機(jī)器人避障用經(jīng)典控制理論建立起的數(shù)學(xué)模型將會(huì)非常粗糙，而模糊控制則把經(jīng)典控制中被簡(jiǎn)化的部分也綜合起來加以考慮。

對(duì)于移動(dòng)機(jī)器人避障的模糊控制而言，其關(guān)鍵問題就是要建立合適的模糊控制器，模糊控制器主要完成障礙物距離值的模糊化、避障模糊關(guān)系的運(yùn)算、模糊決策以及避障決策結(jié)果的非模糊化處理(化)等重要過程，以此來智能地控制移動(dòng)機(jī)器人的避障行為。利用模糊控制理論還可將專家知識(shí)或操作人員經(jīng)驗(yàn)形成的語(yǔ)言規(guī)則直接轉(zhuǎn)化為自動(dòng)控制策略。通常使用模糊規(guī)則查詢表，用語(yǔ)言知識(shí)模型來設(shè)計(jì)和修正控制算法。

除此之外還有啟發(fā)式搜索算法、基于行為的路徑規(guī)劃算法、基于再激勵(lì)學(xué)習(xí)的路徑規(guī)劃算法等避障算法，也都在移動(dòng)機(jī)器人的避障研究中取得了很好的成果。
 

展望

隨著計(jì)算機(jī)技術(shù)、傳感器技術(shù)、人工智能的發(fā)展，移動(dòng)機(jī)器的避障及自主導(dǎo)航技術(shù)已經(jīng)取得了豐碩的研究成果，應(yīng)用領(lǐng)域也在不斷地?cái)U(kuò)大，應(yīng)用復(fù)雜程度也越來越高。移動(dòng)機(jī)器人的自主尋路要求已經(jīng)從之前簡(jiǎn)單的功能實(shí)現(xiàn)提升到可靠性、通用性、率上來，因此對(duì)其相關(guān)技術(shù)提出了更高的要求。
 

然而至今沒有任何一種方法能夠在任意環(huán)境使機(jī)器人進(jìn)行有效地避障，如何克服相關(guān)算法的局限性是今后工作的研究方向之一。可以看出不管是傳統(tǒng)算法還是新興的智能算法都有其適用與不適用的環(huán)境，通過傳統(tǒng)算法與智能算法及智能算法之間的相互融合，克服單個(gè)算法的缺陷，增強(qiáng)整體的適用性，現(xiàn)在已經(jīng)有很多這方面的研究，以后仍將是研究熱點(diǎn)之一。