潛在場方法：真實機器人

勢場方法是一種非常流行的機器人導航模擬。然而，有沒有人在真實機器人上實現了潛在的場方法？在真實機器人中使用該方法的任何參考或任何要求？潛在場方法：真實機器人

2010-05-04 Arkapravo

夥計們，我是在響應喜出望外，感謝大家誰回答。 – Arkapravo 2010-05-12 08:20:22

我之前已經做過潛在的基於場的路徑規劃，但放棄了它，傾向於更適合我的問題的方法。它適用於具有準確定位和準確傳感器讀數的環境，但在真實世界環境中的情況要少得多（即使在模擬速度和路徑質量方面，它也不是特別優秀的解決方案）。考慮到現在有許多SLAM實現可以免費或者低成本實現，所以我不打算重新實現，除非你在重用時遇到了特殊的問題。對於MRDS（我工作的地方）有Karto Robotics，ROS有一個SLAM實現，並且有幾個開源實現只有谷歌搜索了。

如果您想對路徑規劃的不同方法有一個很好的概述，那麼您可能需要獲取Segwart等人的「Autonomous Mobile Robots介紹」的副本。它是一本相當不錯的書，路徑規劃部分對周圍的不同策略進行了很好的概述。

來源

2010-05-10 00:02:41 Tom

非常感謝.....我以前認爲我的問題沒有答案。我想你應該得到100分，你能否把我的電子郵件[email protected]的潛在實地工作細節（公有領域或正式發表）發送給我。非常感謝 – Arkapravo 2010-05-10 04:29:57

您可以請發送您的出版物等 – Arkapravo 2010-05-13 04:28:42

Segwart的書是非常好的。我有一個電子副本，大部分主題都很好地處理。 – Arkapravo 2010-06-15 07:05:45

如果您一般對路徑或運動規劃感興趣，建議您閱讀Steven M. LaValle的書Planning Algorithms。本書中描述的方法在機器人學界得到了積極的應用。

另一方面，谷歌學者或IEEE網站上的搜索將爲您提供大量關於潛在字段方法的使用和研究的論文。

來源

2010-05-10 08:53:13 MKroehnert

@MKroehnert：我讀過很多材料:) ....我想要一個關於基於潛在領域的導航的第一人意見......在真實的機器人中......不是電腦屏幕！ :) – Arkapravo 2010-05-10 11:44:05

@Arkapravo：在我們的實驗室中，基於RRT的方法用於運動和路徑規劃，效果很好。在OpenRAVE規劃（http://openrave.programmingvision.com）也與RRTS完成，並與幾個「真正的」機器人項目一起使用。不幸的是，我並沒有任何有意義的潛在領域方法的經驗。 – MKroehnert 2010-05-10 11:57:10

@MKroehnert：我真正的印象OpenRAVE .....看起來非常圓滑 – Arkapravo 2010-05-11 03:34:28

有關潛在領域方法的快速Google提出了本文：Potential Field Methods and Their Inherent Limitations for Mobile Robot Navigation並提醒我關於上次使用潛在領域方法時遇到的問題。

在我們的項目（CWRU Mobile Robotics）中，我們已經看到了潛在的基於場的算法的確切問題。最後一次嘗試，2009年參加IGVC競賽的移動機器人具有該論文中描述的相同問題，特別是當地最低標準，並且無法通過緊密間隔的障礙物。我清楚地記得，在試圖通過柵欄的狹窄開口進行規劃時，必須解決緊密間隔障礙的問題，這是IGVC的GPS航點導航挑戰的一部分。

通過使用自定義OpenGL着色器執行所有計算，同時將潛在字段表示爲圖像/幀緩衝區，我們能夠獲得相當不錯的計劃速度。正如湯姆指出的那樣，它在未知或動態環境中並不是那麼好，因爲在這些情況下，潛在領域將永遠不會穩定下來，並且會不斷需要更新。

來源

2010-05-10 20:55:55

我已經通過報紙上看到，很高興知道你的經驗。 – Arkapravo 2010-05-11 03:31:20

你有沒有發表過關於你的實現的文章？ .... OpenGL的着色器看起來不錯......從來不知道我可以導航界面結婚的OpenGL ....在這些方面從來沒有想過.. – Arkapravo 2010-05-11 08:25:50

@Arkapravo：我們沒有這方面公佈實施任何東西，至少我我知道。我會看看我是否可以提供源代碼，然後在我的帖子中添加一個鏈接。至於（一般如OpenCV的和圖像處理的東西），我們已經看到用OpenGL在導航使用爲他們的任何地方，我們需要大規模更新可以通過灰度圖像或幀緩衝器表示的任何結構，例如作爲一個潛在的場或佔用網格。 – 2010-05-11 12:22:31

正如@Tom在上面指出的那樣，您通常不能依靠完美的傳感器讀數或使電機完全按照您的想法告訴他們。我有機會使用幾年前的相對新穎的方法是廣義Voronoi圖（GVG）;基本上，離最近的兩個牆壁等距離，保持移動，並且在與三個或更多牆壁等距的地方，返回並嘗試每個雙壁分支。你將建立一個圖表，讓你一直在房間周圍，並保證你對房間裏的所有東西都有視線。

來源

2010-05-11 17:56:53

哇.....很好......謝謝！ – Arkapravo 2010-05-12 03:04:18

我們在2003年嘗試並放棄了DARPA Grand Challenge車輛（Team Overbot）的潛在場算法（OpenSteer）。對於非完整機器人來說這不是一個好主意，因爲它不考慮轉向或動力學約束。它在狹小的空間裏並不能很好地工作。它更適合飛行器，在那裏你有足夠的空間並且不想靠近障礙物。

來源

2013-08-21 04:46:57

潛在場方法：真實機器人

回答

相關問題