移动机器人路径规划中的后视水平控制方法研究

在未知动态环境中用于移动机器人路径规划的后退Horizo​​n Control 路径规划是移动机器人应用程序中的关键问题之一。在未知动态环境中进行路径规划的传统方法通常只规划一个步骤，而不是多个控制步骤。为了解决这个问题，本文提出了一种具有多个控制步骤的方法，该方法集成了用于移动机器人路径规划的后视水平控制（RHC），其中避障问题转化为数学约束。 路径规划问题的定义是：给定一个机器人A和一个目标G，那么规划一个轨迹使机器人能够到达目标同时满足一些指定的约束条件，避免障碍O。这些障碍可以是移动的或静态的。在规划过程中，机器人的所有waypoints都需要满足机器人的约束，包括 kinematics 和 dynamics 约束。此外，路径规划还需要考虑一些优化准则，例如最短旅行距离、最少时间或最少energy消耗。 传统方法在静态环境中已经取得了一些应用，但是当机器人在未知动态环境中规划路径时，却面临着巨大的挑战。这是因为目标和障碍物都在移动，机器人需要实时规划路径以避免障碍和到达目标。 为了解决这个问题，已经提出了许多方法。例如，使用模型预测控制（MPC）来规划路径，但是这种方法需要机器人实时获取环境信息，并且需要解决复杂的优化问题。另一种方法是使用后视水平控制（RHC），该方法可以将避障问题转化为数学约束，避免了复杂的优化问题。 在本文提出的方法中，我们使用了后视水平控制（RHC）来规划路径，该方法集成了多个控制步骤。首先，我们将避障问题转化为数学约束，然后使用二次成本函数来优化从目标到机器人的距离。最后，我们生成了二次约束二次规划（QCQP），从中可以轻松获得包含多个控制步骤的序列。 此外，本文还介绍了仿真结果，以验证该新方法的有效性。结果表明，该方法可以在未知动态环境中成功规划路径，并且避免了障碍物。 因此，本文提出的方法可以为移动机器人提供一个实用的路径规划方法，在未知动态环境中进行规划路径。在未来的研究中，我们将继续深入研究该方法，并将其应用于更多的实践场景中。