服務(wù)機器人研究報告

效勞機器人研究報告摘要機器人技術(shù)的研究已從傳統(tǒng)的工業(yè)領(lǐng)域擴展到醫(yī)療效勞、教育娛樂、勘探勘測、生物工程、救災(zāi)救援等新領(lǐng)域，并快速開展。而效勞機器人技術(shù)經(jīng)過近30年的開展，在機械、信息、材料、控制、醫(yī)學(xué)等多學(xué)科交叉方面取得了重要的成果，同時機器人技術(shù)代表一個國家的高科技水平和自動化程度，了解和分析國內(nèi)外的研究現(xiàn)狀和最新進展有助于加快我國效勞機器人行業(yè)的開展。本學(xué)習(xí)研究報告在分析效勞機器人國內(nèi)外研究現(xiàn)狀和最新進展的根底上，介紹了效勞機器人的當(dāng)前運用的一些關(guān)鍵性技術(shù)及其開展過程中的一些重要問題，對效勞機器人的動力學(xué)問題進行了研究分析，同時對移動式效勞機器人的路徑規(guī)劃技術(shù)做出了探討，為更好的了解效勞機器人及其研究開展方向提供了理論參考。關(guān)鍵詞：效勞機器人；開展近況；關(guān)鍵技術(shù)；動力學(xué)問題；路徑規(guī)劃技術(shù)AbstractTheresearchesofrobottechnologyaremovingfromthetraditionalindustrytomedicalservice,educationandentertainment,explorationandexploitation,bio-engineering,rescue,etc.,andtherelatedtechnologydevelopsrapidly.Butafterthirtyyears’development,theservicerobotshaveachievedimportantresultsintheinterdisciplinaryaspectinvolvingmechanicalengineering,information,material,controlaswellasmedicine.Thetechnologyoftherobotrepresentsanationalhigh-techlevelandthedegreeofautomation.ItishelpfultodeveloptheindustryofservicerobotsinChinaifweknowthecurrentsituationanddevelopmenttrendofservicerobotsresearchclearly.Thisstudyreportontheanalysisofservicerobot,onthebasisofdomesticandforeignresearchpresentsituationandthelatestprogressofservicerobotispresentedinthepaperthecurrentuseofsomekeytechnologyanditsdevelopment,Servicerobotsfordynamicswerestudiedandanalyzed,whilethepathplanningtechnologytomakemobileservicerobotsdiscussedthedevelopmenttrendofthefuturemarketofservicerobotshasmadeanalysisforabetterunderstandingofservicerobotsandResearchthedirectionofdevelopmentprovidesatheoreticalreference.Keywords:Servicerobots;Recentdevelopment;Keytechnologies;Dynamicsproblems;Pathplanningtechnology1緒論1.1效勞機器人定義國際機器人聯(lián)合會(InternationalFederationofRobotics,IFR)給了效勞機器人一個初步的定義：效勞機器人是一種半自主或全自主工作的機器人，它能完成有益于人類的效勞工作，但不包括從事生產(chǎn)的設(shè)備。在我國《國家中長期科學(xué)和技術(shù)開展規(guī)劃綱要(2006～2020年)》中對智能效勞機器人給予了明確定義——“智能效勞機器人是在非結(jié)構(gòu)環(huán)境下為人類提供必要效勞的多種高技術(shù)集成的智能化裝備”國際機器人聯(lián)合會對效勞機器人按照用途進行分類，分為專業(yè)效勞機器人和家用效勞機器人兩類，如專業(yè)效勞機器人可分為水下作業(yè)機器人、空間探測機器人、搶險救援機器人、反恐防爆機器人、軍用機器人、農(nóng)業(yè)機器人、醫(yī)療機器人以及其他特殊用途機器人；個人或家庭用效勞機器人可分為家政效勞機器人、助老助殘機器人、教育娛樂機器人等[1]。1.2新時代下世界各國機器人開展?fàn)顩r機器人技術(shù)集機械、信息、材料、智能控制、生物醫(yī)學(xué)等多學(xué)科于一體，不但自身技術(shù)附加值高，產(chǎn)品應(yīng)用范圍廣，而且已經(jīng)成為重要的技術(shù)輻射平臺，對增強軍事國防實力、提高處理突發(fā)事件水平、帶動整體經(jīng)濟開展、改善人民群眾生活水平都具有十分重要的意義。世界各國紛紛將突破機器人技術(shù)、開展機器人產(chǎn)業(yè)擺在本國科技開展的重要戰(zhàn)略地位。美、日、德、韓等國家和地區(qū)都非常重視機器人技術(shù)與產(chǎn)業(yè)的開展，將機器人產(chǎn)業(yè)作為戰(zhàn)略產(chǎn)業(yè)，紛紛制定各自的機器人國家開展戰(zhàn)略規(guī)劃[2]。1.2.1美國機器人開展近況美國：引領(lǐng)智能化浪潮，明確提出以開展工業(yè)機器人提振制造業(yè)。2011年6月，奧巴馬宣布啟動《先進制造伙伴方案》，明確提出通過開展工業(yè)機器人提振美國制造業(yè)。根據(jù)該方案，美國將投資28億美元，重點開發(fā)基于移動互聯(lián)技術(shù)的第三代智能機器人。世界技術(shù)評估中心的數(shù)據(jù)顯示，目前美國在工業(yè)機器人體系結(jié)構(gòu)方面處于全球領(lǐng)先地位；其技術(shù)的全面性、精確性、適應(yīng)性均超過他國，機器人語言研究水平更高居世界之首。這些技術(shù)與其固有的信息網(wǎng)絡(luò)技術(shù)優(yōu)勢融合，為機器人智能化奠定了先進、可靠的根底。以智能化為主要方向，美國企業(yè)一方面加大對新材料的研發(fā)力度，力爭大幅降低機器人自重與負(fù)載比，一方面加快開展視覺、觸覺等人工智能技術(shù)，如視覺裝配的控制和導(dǎo)航。隨著智能制造時代的到來，美國有足夠的潛力反超日本和歐洲。值得注意的是，以谷歌為代表的美國互聯(lián)網(wǎng)公司也開始進軍機器人領(lǐng)域，試圖融合虛擬網(wǎng)絡(luò)能力和現(xiàn)實運動能力，推動機器人的智能化。谷歌在2013年強勢收購多家科技公司，已初步實現(xiàn)在視覺系統(tǒng)、強度與結(jié)構(gòu)、關(guān)節(jié)與手臂、人機交互、滾輪與移動裝置等多個智能機器人關(guān)鍵領(lǐng)域的業(yè)務(wù)部署。假設(shè)其機器人部門能按照“組織全球信息”的目標(biāo)持續(xù)成長，未來谷歌既可以進入迅速成長的智能工業(yè)機器人市場，又能從機器人應(yīng)用中獲取巨量信息來反哺其數(shù)據(jù)業(yè)務(wù)。1.2.2日本機器人開展近況日本：產(chǎn)業(yè)體系配套完備，政府大力推動應(yīng)用普及和技術(shù)突破。戰(zhàn)后日本經(jīng)濟進入高速增長期，勞動力供給缺乏和以汽車為代表的技術(shù)密集型產(chǎn)業(yè)的開展刺激了工業(yè)機器人需求快速增長。上世紀(jì)60年代，日本從美國引進工業(yè)機器人技術(shù)后，通過引進、消化、吸收、再創(chuàng)新，于1980年率先實現(xiàn)了機器人的商業(yè)化應(yīng)用，并將產(chǎn)業(yè)技術(shù)和市場競爭優(yōu)勢維持至今，以發(fā)那科、安川為代表的日系工業(yè)機器人與歐美系工業(yè)機器人分庭抗禮。日本工業(yè)機器人的產(chǎn)業(yè)競爭優(yōu)勢在于完備的配套產(chǎn)業(yè)體系，在控制器、傳感器、減速機、伺服電機、數(shù)控系統(tǒng)等關(guān)鍵零部件方面，均具備較強的技術(shù)優(yōu)勢，有力推開工業(yè)機器人朝著微型化、輕量化、網(wǎng)絡(luò)化、仿人化和廉價化的方向開展。近年來，還呈現(xiàn)出以工業(yè)機器人產(chǎn)業(yè)優(yōu)勢帶動效勞機器人產(chǎn)業(yè)開展的趨勢，并重點開展醫(yī)療/護理機器人和救災(zāi)機器人來應(yīng)對人口老齡化和自然災(zāi)害等問題。日本一貫將機器人技術(shù)列入國家的研究方案和重大工程[3]，以工業(yè)機器人、仿人娛樂機器人為突破口，采用模塊化和標(biāo)準(zhǔn)化道路，近兩年開始正在積極開展RT(機器人技術(shù))的研究，推進效勞機器人的產(chǎn)業(yè)化；另外經(jīng)濟產(chǎn)業(yè)省發(fā)布新產(chǎn)業(yè)開展戰(zhàn)略和機器人技術(shù)戰(zhàn)略，其中日本能源及產(chǎn)業(yè)技術(shù)綜合開發(fā)機構(gòu)(NEDO)資助工程包括：效勞機器人平安技術(shù)和驗證工程(2009～2013)2009年預(yù)算約1.2億人民幣；智能機器人技術(shù)軟件方案(2007～2011)2009年資助約9700萬人民幣；根本機器人技術(shù)開放式創(chuàng)新改良傳統(tǒng)技術(shù)(2008～2010)2009年資助約1000萬人民幣；先進機器人單元技術(shù)戰(zhàn)略開發(fā)方案(2006～2010)2009年預(yù)算約5447萬人民幣。2012年，受益于下游汽車產(chǎn)業(yè)對工業(yè)機器人的需求大幅增長，日本再次成為全球最大的工業(yè)機器人市場，工業(yè)機器人密度高達332臺/萬人，為全球最高。1.2.3德國機器人開展近況德國:帶動傳統(tǒng)產(chǎn)業(yè)改造升級，政府資助人機交互技術(shù)及軟件開發(fā)。雖然德國稍晚于日本引進工業(yè)機器人，但與日本類似，二戰(zhàn)后勞動力短缺和提升制造業(yè)工藝技術(shù)水平的要求，極大地促進了德國工業(yè)機器人的開展。除了應(yīng)用于汽車、電子等技術(shù)密集型產(chǎn)業(yè)外，德國工業(yè)機器人還廣泛裝備于包括塑料、橡膠、冶金、食品、包裝、木材、家具和紡織在內(nèi)的傳統(tǒng)產(chǎn)業(yè)，積極帶動傳統(tǒng)產(chǎn)業(yè)改造升級。2011年，德國工業(yè)機器人銷量創(chuàng)歷史新高，并保持歐洲最大多用途工業(yè)機器人市場的地位，工業(yè)機器人密度達147臺/萬人。德國政府在工業(yè)機器人開展的初級階段發(fā)揮著重要作用，其后，產(chǎn)業(yè)需求引領(lǐng)工業(yè)機器人向智能化、輕量化、靈活化和高能效化方向開展。20世紀(jì)70年代中后期，德國政府在推行“改善勞動條件方案”中，強制規(guī)定局部有危險、有毒、有害的工作崗位必須以機器人來代替人工，為機器人的應(yīng)用開啟了初始市場。1985年，德國開始向智能機器人領(lǐng)域進軍，經(jīng)過10年努力，以庫卡為代表的工業(yè)機器人企業(yè)占據(jù)全球領(lǐng)先地位。2012年，德國推行了以“智能工廠”為重心的“工業(yè)4.0方案”，工業(yè)機器人推動生產(chǎn)制造向靈活化和個性化方向轉(zhuǎn)型。依此方案，通過智能人機交互傳感器，人類可借助物聯(lián)網(wǎng)對下一代工業(yè)機器人進行遠(yuǎn)程管理。這種機器人還將具備生產(chǎn)間隙的“網(wǎng)絡(luò)喚醒模式”，以解決使用中的高能耗問題，促進制造業(yè)的綠色升級。目前，德國聯(lián)邦教育及研究部已開始資助人機互動技術(shù)和軟件的研究開發(fā)。1.2.4韓國機器人開展近況韓國:使用密度全球第一，多項政策支持第三代智能機器人的研發(fā)。20世紀(jì)90年代初，韓國政府為應(yīng)對本國汽車、電子產(chǎn)業(yè)對工業(yè)機器人的爆發(fā)性需求，以“市場換技術(shù)”，通過現(xiàn)代集團引進日本發(fā)那科，全面學(xué)習(xí)后者技術(shù)，到本世紀(jì)大致建成了韓國工業(yè)機器人產(chǎn)業(yè)體系。2000年后，韓國的工業(yè)機器人產(chǎn)業(yè)進入第二輪高速增長期。2001年至2011年間，韓國機器人裝機總量年均增速高達11.7%。國際機器人聯(lián)合會的數(shù)據(jù)顯示，2012年，韓國的工業(yè)機器人使用密度為世界第一，每萬名工人擁有347臺機器人，遠(yuǎn)高于58臺的全球平均水平。目前，韓國的工業(yè)機器人生產(chǎn)商已占全球5%左右的市場份額?，F(xiàn)代重工已可供給焊接、搬運、密封、碼垛、沖壓、打磨、上下料等領(lǐng)域的機器人，大量應(yīng)用于汽車、電子、通信產(chǎn)業(yè)，大大提高了韓國工業(yè)機器人的自給率。但整體而言，韓國技術(shù)仍與日本、歐洲等領(lǐng)先國家存在較大差距。韓國政府近年來陸續(xù)發(fā)布多項政策，旨在扶植第三代智能機器人的研發(fā)與應(yīng)用。2003年，產(chǎn)業(yè)資源部公布了韓國“十大未來成長動力產(chǎn)業(yè)”，其中就包括智能工業(yè)機器人；2008年9月，《智能機器人開發(fā)與普及促進法》正式實施；2009年4月，政府發(fā)布《第一次智能機器人根本方案》，方案在2013年前向包括工業(yè)機器人在內(nèi)的五個機器人研究方向投入1萬億韓元〔約合61.16億元人民幣〕，力爭使韓國在2018年成為全球機器人主導(dǎo)國家；2012年10月，《機器人未來戰(zhàn)略戰(zhàn)網(wǎng)2022》公布，其政策焦點為支持韓國企業(yè)進軍國際市場，搶占智能機器人產(chǎn)業(yè)化的先機。1.2.5中國機器人開展近況中國:面臨核心技術(shù)被興旺國家控制等挑戰(zhàn)，產(chǎn)業(yè)市場空間巨大。首先，我國在機器人領(lǐng)域的局部技術(shù)已到達或接近國際先進水平。機器人涉及的技術(shù)較多，大體可分為器件技術(shù)、系統(tǒng)技術(shù)和智能技術(shù)。我國在通用零部件、信息網(wǎng)絡(luò)等局部器件和系統(tǒng)技術(shù)領(lǐng)域與興旺國家的差距在10年左右，而對智能化程度要求不高的焊接、搬運、清潔、碼垛、包裝機器人的國產(chǎn)化率較高。近年來，我國在人工智能方面的研發(fā)也有所突破，中國科學(xué)院和多所著名高校都培育出專門從事人工智能研究的團隊，機器人學(xué)習(xí)、仿生識別、數(shù)據(jù)挖掘以及模式、語言和圖像識別技術(shù)[4]比擬成熟。其次，我國企業(yè)具有很強的系統(tǒng)集成能力，這種能力在電子信息等高度模塊化產(chǎn)業(yè)和高鐵等復(fù)雜產(chǎn)品產(chǎn)業(yè)都得到表達。系統(tǒng)集成的意義在于根據(jù)具體用戶的需求，將模塊組成可應(yīng)用的生產(chǎn)系統(tǒng)，這可能成為我國機器人產(chǎn)業(yè)打破國外壟斷的突破口。第三，我國機器人產(chǎn)業(yè)的市場空間巨大。目前，我國機器人使用密度較低，制造業(yè)萬人機器人累計安裝量不及國際平均水平的一半，效勞和家庭用機器人市場尚處于培育階段，機器人應(yīng)用市場增長空間巨大；二代機器人仍然是主流，機器人向第三代智能機器人升級換代空間巨大；機器人主要應(yīng)用于汽車產(chǎn)業(yè)，機器人向其他領(lǐng)域擴展空間巨大。1.3效勞機器人的意義及未來空間《國家中長期科學(xué)和技術(shù)開展規(guī)劃綱要(2006～2020年)》明確指出將效勞機器人作為未來優(yōu)先開展的戰(zhàn)略高技術(shù)，并提出“以效勞機器人應(yīng)用需求為重點，研究設(shè)計方法、制造工藝、智能控制和應(yīng)用系統(tǒng)集成等共性根底技術(shù)”。效勞機器人技術(shù)作為戰(zhàn)略性高技術(shù)，未來產(chǎn)業(yè)鏈長并帶動性強，在世界范圍內(nèi)還處在分散開展階段。通過效勞機器人核心技術(shù)與產(chǎn)品的攻關(guān)，對國家重大需求與平安具有重要意義；通過前沿技術(shù)、核心部件與相關(guān)標(biāo)準(zhǔn)的研發(fā)，對于國家民生科技與戰(zhàn)略性新興產(chǎn)業(yè)開展具有重要推動作用；通過感知、決策與執(zhí)行等探索，對于傳統(tǒng)產(chǎn)業(yè)升級與效勞有重要促進作用。一方面，隨著我國逐步進入老齡化社會，我國助老效勞機器人需求量將面臨井噴式增長；助老效勞機器人產(chǎn)品市場前景廣闊，開展?jié)摿薮?，為我國提供了難得的效勞機器人產(chǎn)業(yè)開展機遇。另一方面，公共平安事件如地震、洪澇災(zāi)害和極端天氣以及礦難、火災(zāi)、社會安防等頻發(fā)；另外，醫(yī)療與教育對效勞機器人的需求旺盛。這些都說明我國效勞機器人潛在巨大市場急待開發(fā)。效勞機器人技術(shù)具有綜合性、滲透性的特點，著眼于利用機器人技術(shù)完成有益于人類的效勞工作，在老人/殘疾人和特種領(lǐng)域具有廣闊應(yīng)用前景，同時具有技術(shù)輻射性強和經(jīng)濟效益明顯的特點[5]。效勞機器人技術(shù)不僅是國家未來空間、水下與地下資源勘探、武器裝備制高點的技術(shù)較量，而且將成為國家之間高技術(shù)劇烈競爭的戰(zhàn)略性新興產(chǎn)業(yè),包括助老助殘、危險作業(yè)、教育娛樂等，它是未來先進制造業(yè)與現(xiàn)代效勞業(yè)的重要組成局部，也是世界高科技產(chǎn)業(yè)開展的一次重大機遇。2效勞機器人關(guān)鍵技術(shù)效勞機器人關(guān)鍵技術(shù)可從產(chǎn)業(yè)與前沿創(chuàng)新兩個方面進行劃分。效勞機器人產(chǎn)業(yè)開展共性關(guān)鍵技術(shù)包含產(chǎn)品創(chuàng)意與性能優(yōu)化設(shè)計，模塊化/標(biāo)準(zhǔn)化體系結(jié)構(gòu)設(shè)計,標(biāo)準(zhǔn)化、模塊化、高性能、低本錢的執(zhí)行機構(gòu)，傳感器、驅(qū)動器、控制器等核心零部件制造，高功率密度能源動力，信息識別與宜人化人機交互，人機共存平安，系統(tǒng)集成與應(yīng)用，性能測試標(biāo)準(zhǔn)與維護技術(shù)等方面；效勞機器人前沿創(chuàng)新技術(shù)包含仿生材料與結(jié)構(gòu)一體化設(shè)計、精密微/納操作、多自由度靈巧操作、執(zhí)行機構(gòu)與驅(qū)動器一體化設(shè)計、非結(jié)構(gòu)環(huán)境下的動力學(xué)與智能控制、生機電鼓勵與控制、非結(jié)構(gòu)環(huán)境認(rèn)知與導(dǎo)航規(guī)劃、故障自診斷與自修復(fù)、人類情感與運動感知理解、人類語義識別與提取、記憶和智能推理、多模式人機交互、多機器人協(xié)同作業(yè)等方面。以下將重點闡述仿生材料與結(jié)構(gòu)、自重構(gòu)機器人、復(fù)雜環(huán)境下機器人動力學(xué)問題、智能認(rèn)知與感知、網(wǎng)絡(luò)化交互及微納系統(tǒng)等效勞機器人涉及的關(guān)鍵技術(shù)[6]。2.1仿生材料與結(jié)構(gòu)自然界中生物經(jīng)過億萬年長期進化,其結(jié)構(gòu)與功能已到達近乎完美的程度，實現(xiàn)了機構(gòu)與功能的統(tǒng)一，局部與整體的協(xié)調(diào)和統(tǒng)一。效勞機器人作為機器人的一個重要分支，從仿生學(xué)角度出發(fā)，吸收借鑒生物系統(tǒng)的結(jié)構(gòu)、性狀、原理、行為以及相互作用，能夠為機器人的功能實現(xiàn)提供必要的技術(shù)支撐，其中仿生皮膚、人工肌肉及結(jié)構(gòu)驅(qū)動一體化設(shè)計是當(dāng)前及未來效勞機器人開展的重要課題。在仿生結(jié)構(gòu)運動方面，仿魚尾巴擺動機構(gòu)效率主要面臨著電機驅(qū)動效率的制約,靈巧手除了傳統(tǒng)的手指性狀模式外，仿生物的柔性驅(qū)動目前正成為一種趨勢。目前來看，仿生材料與機構(gòu)能夠為未來機器人實現(xiàn)多功能高效率開展提供必要的技術(shù)儲藏，一個很重要的問題是必須具備相應(yīng)的光機電微納加工工藝及傳感驅(qū)動執(zhí)行一體化設(shè)計能力，這對于仿生結(jié)構(gòu)材料的未來應(yīng)用至關(guān)重要。2.2導(dǎo)航、路徑規(guī)劃和定位技術(shù)導(dǎo)航是尋找路徑或路線的任務(wù)過程，機器人必須確切平安地從一個位置移動到另一個位置而不會發(fā)生碰撞。導(dǎo)航包括三個問題：路徑規(guī)劃、定位、和運動控制。路徑規(guī)劃在導(dǎo)航過程中扮演著非常重要的角色，要求機器人在環(huán)境中穿行時，要選擇適宜的路徑規(guī)劃器來規(guī)劃機器人的路線。當(dāng)移動機器人處在一個簡單或復(fù)雜、靜態(tài)或動態(tài)、或未知的環(huán)境中時，機器人的首要任務(wù)是感知環(huán)境，躲避障礙物，然后以最小的消耗〔時間、距離、或者能量〕完成任務(wù)，這個過程的根底所在就是路徑規(guī)劃。所謂路徑規(guī)劃就是指按照一定的性能指標(biāo)，機器人如何從所處的環(huán)境中搜索一條從初始位置到目標(biāo)位置的最優(yōu)或次優(yōu)路徑。通常路徑規(guī)劃包含兩個方面的意思：一個是關(guān)節(jié)機器手空間的路徑規(guī)劃；一個是移動機器人運動的路徑規(guī)劃。定位是確定移動機器人在二維工作環(huán)境中相對于全局坐標(biāo)的位置及本身的姿態(tài)，是移動機器人導(dǎo)航的最根本環(huán)節(jié)。機器人的定位方式取決于所采用的傳感器。移動機器人常用的傳感器有攝像機、激光雷達、超聲波、紅外線、微波雷達、陀螺儀、指南針、聲納傳感器、視覺傳感器等。與此相對應(yīng)，機器人定位技術(shù)可分為絕對定位和相對定位兩類。運動控制是機器人導(dǎo)航中的一個重要方面，是移動機器人的執(zhí)行機構(gòu)，對系統(tǒng)平穩(wěn)起著非常重要的作用。2.3多傳感器系統(tǒng)與信息融合技術(shù)多傳感器及先進的感知算法，將是在現(xiàn)實環(huán)境中實現(xiàn)具有高度靈活性及高魯棒性行為機器人的關(guān)鍵。當(dāng)特定傳感器很不精確或是噪聲太大而使單個傳感器無法給出可靠數(shù)據(jù)時，可使用多傳感器系統(tǒng)。多個傳感器的使用可以提供更完全、更有效的環(huán)境信息，有利于機器人更好的完成自己的使命，但同時也出現(xiàn)了數(shù)據(jù)冗余、互補這樣的問題。信息融合技術(shù)是關(guān)于如何協(xié)同利用多源信息，以獲得對同一事物或目標(biāo)更客觀、更本質(zhì)認(rèn)識的綜合信息處理技術(shù)，它可以很好的解決數(shù)據(jù)冗余、互補這類問題[7]?，F(xiàn)在，信息融合技術(shù)已拓展到大型數(shù)據(jù)庫的數(shù)據(jù)挖掘、遙感、戰(zhàn)場監(jiān)控及環(huán)保等方面。2.4多機器人技術(shù)由于單機器人技術(shù)的不斷開展和社會需求的進一步提高，人們對于機器人的需求不再局限于單個機器人，而是對多個機器人組成的系統(tǒng)越來越感興趣。與此同時，到了20世紀(jì)70年代后期，一些機器人學(xué)的研究者將人工智能中的多智能體理論應(yīng)用到多機器人系統(tǒng)的研究中，由此開辟了多機器人系統(tǒng)研究。多機器人系統(tǒng)不是多個單機器人的簡單堆砌，而是多個機器人的有機組合，它有效防止了單機器人的缺乏，充分發(fā)揮了群體機器人的優(yōu)勢。多機器人系統(tǒng)的應(yīng)用領(lǐng)域主要是一些適合群體作業(yè)的場合或工作，如機器人生產(chǎn)線、海洋勘探、星球探索、無人作業(yè)飛機群、無人作業(yè)坦克群等。其中應(yīng)用多機器人系統(tǒng)代表性的有：機器人足球〔Soccer〕，這項比賽已經(jīng)吸引了各個國家越來越多的團體參加，這項賽事極大地推進了多移動機器人技術(shù)的研究，成為研究和驗證人工智能成果的實驗床；多目標(biāo)觀察，它要求多個機器人合作，盡可能長時間地觀察多個移動目標(biāo)，在任意時刻，對移動目標(biāo)至少有一個機器人可以觀測到。2.5復(fù)雜環(huán)境動力學(xué)控制技術(shù)隨著人類探索空間的擴大及對任務(wù)需求的提高，未來效勞機器人的工作環(huán)境將是復(fù)雜多變的，高動態(tài)性、高適應(yīng)性、高負(fù)載能力是效勞機器人特別是戶外機器人開展的方向之一。以機械臂為代表的工業(yè)機器人必須滿足對高負(fù)載及高速的雙重需求，但是高負(fù)載與高速將給機器人帶來額外的影響，一方面是對外部運動生成器提出更高的要求，其生成的指令必須是內(nèi)環(huán)伺服控制器能夠有效執(zhí)行的；另一方面，大負(fù)載高速運動引起內(nèi)部摩擦等非線性因素放大，如此，傳統(tǒng)的動力學(xué)將不適合這種情況，對控制器的設(shè)計將提出更高要求。以四足機器人BigDog為代表的戰(zhàn)場復(fù)雜地形環(huán)境下移動機器人那么詮釋著機器人動力學(xué)控制的精髓。BigDog四足機器人在復(fù)雜地形移動時，通過自身攜帶的傳感設(shè)備實時感知與周邊環(huán)境的作用力，內(nèi)部核心位姿控制器能夠通過每條腿與地面接觸的反響力來協(xié)調(diào)腿部運動學(xué)，核心問題包括四足機器人的運動學(xué)及全狀態(tài)動力學(xué)精確建模用以。2.6電源技術(shù)移動電源的地位在移動式效勞機器人中歷來十分重要,可以說是它的生命源。移動電源需要同時滿足機器人的多種能源需要,如為移動機構(gòu)提供動力、為控制電路提供穩(wěn)定的電壓和為效勞執(zhí)行模塊提供能源等。在移動式效勞機器人領(lǐng)域,一般采用化學(xué)電池作為移動電源。理想的電池應(yīng)該具有十分高的能量密度、能夠在放電過程中保持恒定的電壓、內(nèi)阻小以便具有快速放電能力、能夠耐高溫、可充電以及本錢低等。但實際上沒有一種電池可同時具備上述優(yōu)點,這就要求設(shè)計人員根據(jù)實際任務(wù)的需要,選擇一種適宜的電池。3效勞機器人動力學(xué)問題效勞機器人的動力學(xué)理論離不開最根本的機器人動力學(xué)理論，同樣的其動力學(xué)問題的研究離不開最根本的機器人動力學(xué)問題研究，機器人動力學(xué)的研究有牛頓-歐拉〔Newton-Euler〕法、拉格朗日〔Langrange〕法、高斯〔Gauss〕法、凱恩〔Kane〕方法、旋量〔對偶數(shù)〕方法和羅伯遜－魏登堡〔Roberson－Wittenburg〕法等[8,9]。本章主要介紹了牛頓-歐拉〔Newton-Euler〕法、拉格朗日〔Langrange〕法、理論根底，同時介紹了動力學(xué)研究常用的牛頓-歐拉〔Newton-Euler〕法、拉格朗日〔Langrange〕法在機器人運動學(xué)上的應(yīng)用。3.1牛頓-歐拉動力學(xué)方程3.1.1牛頓-歐拉方程法原理牛頓—歐拉方程法原理：將機器人的每個桿件看成剛體，并確定每個桿件質(zhì)心的位置和表征其質(zhì)量分布的慣性張量矩陣。當(dāng)確定機器人坐標(biāo)系后，根據(jù)機器人關(guān)節(jié)速度和加速度，那么可先由機器人機座開始向手部桿件正向遞推出每個桿件在自身坐標(biāo)系中的速度和加速度，再用牛頓——歐拉方程得到機器人每個桿件上的慣性力和慣性力矩，然后再由機器人末端關(guān)節(jié)開始向第一個關(guān)節(jié)反向遞推出機器人每個關(guān)節(jié)上承受的力和力矩，最終得到機器人每個關(guān)節(jié)所需要的驅(qū)動力〔矩〕，這樣就確定了機器人關(guān)節(jié)的驅(qū)動力〔矩〕與關(guān)節(jié)位移、速度和加速度之間的函數(shù)關(guān)系，即建立了機器人的動力學(xué)方程[11]。機器人動力學(xué)研究的問題：機器人各個關(guān)節(jié)的運動與關(guān)節(jié)需要的驅(qū)動力〔矩〕之間的關(guān)系。同時機器人動力學(xué)按照條件的不同分為以下兩種問題：1〕動力學(xué)正解問題，關(guān)節(jié)運動，求關(guān)節(jié)驅(qū)動力〔矩〕。2〕動力學(xué)逆解問題，關(guān)節(jié)驅(qū)動力〔矩〕，求關(guān)節(jié)運動。其數(shù)學(xué)模型是：與關(guān)節(jié)運動有關(guān)的參數(shù)位移、速度、加速度用表示；與關(guān)節(jié)力學(xué)特性〔驅(qū)動力或驅(qū)動力矩〕有關(guān)的參數(shù)用表示。動力學(xué)方程：，。正問題：，求。逆問題：，求。圖3.1物體運動坐標(biāo)系圖如圖3.1所示得到：牛頓慣性力方程為：歐拉慣性力矩方程為：質(zhì)心上的慣性張量矩陣為：，其理論計算方法為：，，，，，。3.1.2牛頓-歐拉正向遞推法正向遞推，機器人各個關(guān)節(jié)的速度和加速度：①從1～n遞推出機器人每個桿件在自身坐標(biāo)系中的速度和加速度；②機器人每個桿件質(zhì)心上的速度和加速度；③機器人每個桿件質(zhì)心上的慣性力和慣性力矩。1〕桿件速度和加速度遞推計算公式建立相鄰兩個桿件的坐標(biāo)系：{i-1}、{i}。如圖3.2所示。：i-1桿件速度和加速度，i關(guān)節(jié)速度和加速度；計算：i桿件速度和加速度。各參數(shù)如圖3.3所示。相鄰桿件的位姿矩陣，關(guān)節(jié)速度和加速度的矢量化：，如圖3.4所示。圖3.2桿件坐標(biāo)系圖3.3參數(shù)圖圖3.4矢量化圖那么有：，2〕桿件質(zhì)心上的速度和加速度遞推計算公式其矢量圖如圖3.5所示，有：，，。3〕桿件質(zhì)心上的慣性力和慣性力矩其矢量圖如圖3.6所示，圖3.5速度加速度矢量圖圖3.6慣性力和慣性力矩圖慣性力：慣性力矩：3.1.3牛頓-歐拉逆向遞推法1〕關(guān)節(jié)承受的力和力矩遞推計算公式建立相鄰兩個桿件的坐標(biāo)系：{i-1}、{i}。如圖3.7所示。：i-1桿件的慣性力和慣性力矩，i關(guān)節(jié)承受的力和力矩；計算：i-1關(guān)節(jié)承受的力和力矩。圖3.7桿件坐標(biāo)系圖3.8力和力矩圖坐標(biāo)系:相鄰桿件位姿矩陣：i-1桿件受力分析：，如圖3.9所示。圖3.9桿件i受力分析圖圖3.10桿件i-1受力分析圖如圖3.10以i-1桿件為研究對象，由達朗貝爾原理可得：2〕關(guān)節(jié)驅(qū)動力〔矩〕遞推計算公式平移關(guān)節(jié)：回轉(zhuǎn)關(guān)節(jié)：那么關(guān)節(jié)驅(qū)動力〔矩〕為：3.2遞推初始條件正向遞推初始條件如圖3.11所示：圖3.11正向遞推初始條件機座0的速度和加速度：考慮桿件自重或手部負(fù)載為重物時：為描述在機座坐標(biāo)系{0}中的標(biāo)準(zhǔn)重力加速度。3.2.2逆向遞推初始條件如圖3.12機器人手部負(fù)載：，圖3.12逆向遞推初始條件3.2.3遞推應(yīng)用條件應(yīng)用遞推公式應(yīng)滿足以下三個條件：1〕機器人的關(guān)節(jié)變量及其速度和加速度；2〕任一桿件i相對于與自身坐標(biāo)系{i}方向相同的坐標(biāo)系{Ci}所描述的慣性張量及其質(zhì)心在自身坐標(biāo)系{i}中的位置矢量〔可用實驗等方法確定〕；3〕相鄰桿件的位姿矩陣及必要的初始數(shù)據(jù)。3.3遞推算法確實定由上述正逆向遞推公式、正逆向遞推初始條件及遞推應(yīng)用條件都滿足的前提下得到以下遞推算法：〔1〕正向遞推算法〔2〕逆向遞推算法3.4拉格朗日方程法拉格朗日方程的一般形式為：式中：--廣義力，它可以是力，也可以是力矩；--系統(tǒng)選定的廣義坐標(biāo)；--廣義坐標(biāo)對時間的一階導(dǎo)數(shù)，即速度；--拉格朗日函數(shù)，又稱為拉格朗日算子，它被定義為系統(tǒng)的動能與勢能之差L=T-U。對給定的機器人，可以按以下幾個步驟建立拉格朗日動力學(xué)方程：〔1〕選取完全并獨立的廣義坐標(biāo)：；〔2〕選定廣義力：；〔3〕求出系統(tǒng)的動能T和勢能U，并用其構(gòu)造拉格朗日函數(shù)L=T-U；〔4〕將以上結(jié)果代入拉格朗日方程式中，即可求得機器人的動力學(xué)方程。3.5拉格朗日法的實際應(yīng)用二關(guān)節(jié)機器人如圖3.13所示，機器人的兩個連桿長度分別為l1和l2，質(zhì)量分別為m1和m2，且集中在各連桿的端部。假設(shè)將機器人直接懸掛在加速度為g的重力場中，試用拉格朗日方程建立該機器人的動力學(xué)方程。圖3.13二關(guān)節(jié)機器人結(jié)構(gòu)圖解：1〕選取連桿繞關(guān)節(jié)的轉(zhuǎn)角為變量θ1和θ2，那么系統(tǒng)的廣義坐標(biāo)就可以選為，即。2〕轉(zhuǎn)動關(guān)節(jié)對應(yīng)的是力矩，所以廣義力就選為，即。3〕求出各連桿的動能和勢能：連桿l1的動能為：連桿l1的勢能為：對連桿l2求動能和勢能時，要先寫出其質(zhì)心在直角坐標(biāo)系中的位置表達式：然后求微分，那么其速度就為：由此可得連桿的速度平方值為：從而連桿l2的動能為：勢能為：那么可構(gòu)造出拉格朗日函數(shù)為：4〕求出機器人動力學(xué)方程：先將拉格朗日函數(shù)對和進行微分，即：再將拉格朗日函數(shù)對和進行微分，即：將以上結(jié)果代入方程即可得關(guān)節(jié)上的力矩分別為：將得到的機器人動力學(xué)方程簡寫為如下形式：當(dāng)機器人有n個關(guān)節(jié)時，上式可推廣為普遍形式：將其簡化也可得到機器人的動力學(xué)模型：該模型反映了機器人關(guān)節(jié)驅(qū)動力〔矩〕與各個關(guān)節(jié)的位移、速度和加速度之間的關(guān)系，這是一個變系數(shù)、多變量、強耦合的非線性系統(tǒng)。4移動效勞機器人路徑規(guī)劃技術(shù)4.1移動效勞機器人路徑規(guī)劃技術(shù)概述移動效勞機器人的路徑規(guī)劃就是給定機器人及其工作環(huán)境信息，按照某種優(yōu)化指標(biāo),在起始點和目標(biāo)點間規(guī)劃出一條與環(huán)境障礙無碰的路徑。機器人路徑規(guī)劃的研究始于20世紀(jì)70年代，目前對這一問題的研究仍十分活潑,許多學(xué)者做了大量的工作。其主要研究內(nèi)容按機器人工作環(huán)境不同可分為靜態(tài)結(jié)構(gòu)化環(huán)境、動態(tài)環(huán)境和動態(tài)不確定環(huán)境,按機器人獲取環(huán)境信息的方式不同可分為基于模型的路徑規(guī)劃和基于傳感器的路徑規(guī)劃。路徑規(guī)劃技術(shù)在機器人研究中占有重要位置，是移動機器人自主決策系統(tǒng)的重要組成局部，是對移動機器人進行更深層次研究和應(yīng)用的根底。路徑規(guī)劃是指機器人按照一定的性能指標(biāo)〔路徑最短、時間消耗最少等〕，搜索一條從起始點到目標(biāo)點的無碰撞最優(yōu)或次優(yōu)路徑。路徑規(guī)劃主要涉及的問題包括：利用的環(huán)境信息或者傳感器的探測信息建立一種合理的環(huán)境模型，然后利用適宜的算法搜索一條從起始位置到目標(biāo)位置的最優(yōu)或次優(yōu)的無碰撞路徑。移動機器人的路徑規(guī)劃方法分為基于地圖的全局路徑規(guī)劃和基于傳感器的局部路徑規(guī)劃。基于模型的全局路徑規(guī)劃，作業(yè)環(huán)境的信息完全，又稱靜態(tài)或離線路徑規(guī)劃；基于傳感器的局部路徑規(guī)劃，作業(yè)環(huán)境的信息全部未知或局部未知，又稱動態(tài)路徑規(guī)劃。全局路徑規(guī)劃的主要方法有：可視圖法、自由空間法、柵格法、拓?fù)浞ǖ?；局部路徑?guī)劃的主要方法有：人工勢場法、D*算法、神經(jīng)網(wǎng)絡(luò)算法、遺傳算法、蟻群算法、粒子群算法等[12]。機器人路徑規(guī)劃主要包括三個方面的問題：第一，如何表示環(huán)境，即環(huán)境中的障礙物和自由空間如何在計算機中表示。合理的環(huán)境表示才能有利于減少規(guī)劃量和規(guī)劃時間。第二，定位問題，指的是機器人如何在環(huán)境中確定自身位置以及障礙物的位置，并在這個根底上確定平安的通行范圍。第三，規(guī)劃算法，機器人通過怎樣的策略將一系列平安位置連接起來構(gòu)成從起始點到目標(biāo)點的平安路徑。4.1Dijkstra路徑規(guī)劃算法Dijkstra算法[13]是由荷蘭計算機科學(xué)家狄克斯特拉〔Dijkstra〕于1959年提出的，因此又叫狄克斯特拉算法。是從一個頂點到其余各頂點的最短路徑算法，解決的是有向圖中最短路徑問題。Dijkstra算法是典型最短路徑算法，用于計算一個節(jié)點到其他所有節(jié)點的最短路徑。主要特點是以起始點為中心向外層層擴展，直到擴展到終點為止。Dijkstra算法能得出最短路徑的最優(yōu)解，但由于它遍歷計算的節(jié)點很多，所以效率低。Dijkstra算法思想為：設(shè)G=(V，E)是一個帶權(quán)有向圖，把圖中頂點集合V分成兩組，第一組為已求出最短路徑的頂點集合〔用S表示，初始時S中只有一個源點，以后每求得一條最短路徑,就將所擴展的頂點參加到集合S中，直到全部頂點都參加到S中，算法就結(jié)束了〕，第二組為其余未確定最短路徑的頂點集合〔用U表示〕，按最短路徑長度的遞增次序依次把第二組的頂點參加S中。在參加的過程中，總保持從源點v到S中各頂點的最短路徑長度不大于從源點v到U中任何頂點的最短路徑長度。此外，每個頂點對應(yīng)一個距離，S中的頂點的距離就是從v到此頂點的最短路徑長度，U中的頂點的距離，是從v到此頂點只包括S中的頂點為中間頂點的當(dāng)前最短路徑長度，且節(jié)點與節(jié)點之間有路徑相連，那么路徑權(quán)值為有限正數(shù)，否那么路徑權(quán)值為無窮大。Dijkstra算法流程圖如圖4.1所示：圖4.1Dijkstra算法流程圖4.2A*算法相對于盲目搜索的效率低下，難以應(yīng)用于復(fù)雜問題，人們試圖利用問題所提供的特定信息來選擇待擴展的頂點，以提高搜索速度。這種與具體問題有關(guān)，可知道搜索過程朝著可能的“最快”方向前進的信息被稱為啟發(fā)式信息。相應(yīng)算法被稱為啟發(fā)式算法。在啟發(fā)式算法中，通常利用估價函數(shù)將頂點對應(yīng)的啟發(fā)式信息轉(zhuǎn)化為評價其搜索效率的代價值。在搜索的每一步根據(jù)估價函數(shù)從Open表中選擇帶擴展的頂點。根據(jù)搜索過程中選擇帶擴展頂點的范圍，啟發(fā)式搜索可分為全局擇優(yōu)搜索和局部擇優(yōu)搜索。全局擇優(yōu)啟發(fā)式搜索是指在Open表的所有頂點中選擇一個估計函數(shù)值最小的頂點進行擴展。局部擇優(yōu)啟發(fā)式搜索是指在剛生成的子頂點集合中選擇一個估價函數(shù)值最小的頂點進行擴展。在很多情況下，能夠通過檢測來確定合理的順序，選擇最優(yōu)希望的節(jié)點加以擴展，搜索效率將會大大提高，稱這類搜索為啟發(fā)搜索〔HeuristicallySearch〕或有信息搜索〔InformedSearch〕。目前最常用的路徑搜素算法之一是A*〔AStar〕算法。A*算法是計算最優(yōu)路徑的經(jīng)典啟發(fā)試圖搜索算法，現(xiàn)已成功應(yīng)用在機器人路徑規(guī)劃、游戲?qū)ぢ?、車輛導(dǎo)航等方面。估價函數(shù)的正確選取直接關(guān)系到A*算法的成功與否，而函數(shù)確實定與實際情形也有著密切的關(guān)系，可根據(jù)實際情況對估價函數(shù)模型進行變化。A*算法的規(guī)劃流程如下：a)把S放入OPEN表，記f=h，令CLOSED表為空表。b)重復(fù)以下過程，直至找到目標(biāo)節(jié)點為止，假設(shè)OPEN表為空表，失敗退出。c)選取OPEN表中未設(shè)置過的具有最小f值的節(jié)點為最正確節(jié)點BESTNODE，并把它放入CLOSED表。d)假設(shè)BESTNODE為目標(biāo)節(jié)點，那么成功求取一解。e)假設(shè)不是目標(biāo)節(jié)點，那么擴展BESTNODE節(jié)點，產(chǎn)生后繼節(jié)點SUCCSSORf)對每個成功的SUCCSSOR進行以下過程：1)建立從BESTNOD返回的指針；2)計算g〔SUC〕=g〔BES〕+g〔BES，SUC〕；3)如果SUCCSSOR，那么稱此節(jié)點為OLD，并把它填入BESTNODE的后繼節(jié)點表中；4)比擬新舊節(jié)點路徑代價，如果g〔SUC〕<g〔OLD〕，那么重新確定OLD的父節(jié)點為BESTNODE，記下較小代價g〔OLD〕，并修正f〔OLD〕的值；5)假設(shè)至LOD節(jié)點代價較低或一樣，那么停止擴展節(jié)點；6)假設(shè)SUCCSSOR不在OPEN表中，那么看其是否在CLOSED表中；7)假設(shè)SUCCSSOR在CLOSED表中，那么轉(zhuǎn)向2〕；8)假設(shè)SUCCSSOR既不在OPEN表中，也不在CLOSED表中，那么把它放入OPEN表中，并填入BESTNODE后繼表，然后轉(zhuǎn)至7〕；g)計算f值。h)GOTOb)。A*算法流程圖如圖4.2所示：圖4.2A*算法流程圖4.3D*路徑規(guī)劃算法D*(D-Star，DynamicA*)算法[14]由Nilsson在1980年提出，是一種應(yīng)用廣泛的啟發(fā)式搜索算法，原理是通過不斷搜索逼近目的地的路徑獲取。經(jīng)典的A*算法是在靜態(tài)環(huán)境中求解最短路徑的一種極為有效的方法，許多學(xué)者通過對該算法的深入研究后，提出動態(tài)A*算法，即D*〔DynamicAStar〕算法。D*算法是一種基于傳感器的機器人路徑規(guī)劃算法，由于其適用于復(fù)雜環(huán)境能力強，在國外許多移動機器人研究中得到廣泛應(yīng)用。如在美國的火星探測器、DARPA〔DefenseAdvancedResearchProjectsAgency〕的無人戰(zhàn)車UGV〔UnmannedGroundVehicles〕工程研究以及CMU〔CarnegieMellonUniversity〕開發(fā)的適用于城市環(huán)境下作戰(zhàn)偵查的戰(zhàn)術(shù)移動機器人中均得到應(yīng)用。D*算法是動態(tài)的A*算法，首先基于離線應(yīng)用A*算法建立目標(biāo)距離勢場。機器人向目標(biāo)距離減小的方向前進，當(dāng)遇到動態(tài)障礙時，從機器人當(dāng)前的位置規(guī)劃一條能夠到達小于被阻路徑的目標(biāo)距離位置，而后更新路徑，機器人沿更新后的路徑實現(xiàn)避障。到達建立的目標(biāo)距離區(qū)域后，恢復(fù)離線規(guī)劃的路徑方向前進。它如同多數(shù)路徑規(guī)劃算法一樣都采取“先嚴(yán)格規(guī)劃后反響執(zhí)行”的模式。D*路徑規(guī)劃算法事先從每個可能的位置到目標(biāo)點進行Dijkstra或者A*搜索建立目標(biāo)距離勢場，然后機器人沿著初始路徑向目標(biāo)距離減少的方向前進，當(dāng)遇到動態(tài)障礙物時，地圖不斷地被更新，觸發(fā)連續(xù)重規(guī)劃。在D*算法中，用Dijkstra搜索建立目標(biāo)距離勢場，能夠獲得全局最優(yōu)初始路徑，但其遍歷計算代價大，所以效率低；用A*搜索建立目標(biāo)距離勢場，在大多數(shù)場合下能夠有效減少搜索空間，降低計算代價，但無法獲得全局最優(yōu)初始路徑；并且，當(dāng)事先建立的目標(biāo)距離勢場需要被不斷地進行更新時，不管是用Dijkstra搜索還是用A*搜索修改局部勢場都會導(dǎo)致連續(xù)重規(guī)劃計算量大，耗時較長，制約機器人對動態(tài)環(huán)境的適應(yīng)能力。4.4波陣面?zhèn)鞑シú嚸鎮(zhèn)鞑バ鸵?guī)劃器很適合柵格化表示的環(huán)境。其根本原理是：波陣面把結(jié)構(gòu)空間視為一種導(dǎo)熱物質(zhì)，如果存在一個路徑，熱從起始節(jié)點向目標(biāo)節(jié)點傳到，熱量將最終到達目標(biāo)節(jié)點。另外一個與波陣面規(guī)劃器相類似的是圖形學(xué)中的區(qū)域著色問題，在這個問題中，顏色向周圍的像素擴散。波陣面?zhèn)鞑サ囊粋€有意義的方面是，所有網(wǎng)格元素到目標(biāo)的最優(yōu)路徑可以作為副產(chǎn)品計算出來，圖的結(jié)果看起來像市場圖。KenHughes提出的Trulla算法是諸多波陣面型路徑規(guī)劃器中的一種，該算法利用了與勢場的相似性，它讓路徑自身來表示機器人應(yīng)該怎么做，仿佛路徑是一個傳感器觀測。波陣面?zhèn)鞑シǖ囊粋€吸引人的特點是它處理地形的方法，障礙物模型的導(dǎo)熱率為零〔熱量不能通過這個單元網(wǎng)格進行傳導(dǎo)〕，暢通區(qū)域的導(dǎo)熱率是無窮大，對于能夠通過而不希望通過的地形區(qū)域[15]，可設(shè)置一個較低的導(dǎo)熱率，這就意味著熱量將以較低的速度穿過非期望區(qū)域。雖然有了非期望區(qū)域的損失，結(jié)果路徑也可能是最有路徑中的一條。波陣面法很自然地會在期望區(qū)域中的較長路徑和非期望區(qū)域中的捷徑之間進行折中選擇。機器人路徑規(guī)劃的波陣面?zhèn)鞑シ椒ㄒ呀?jīng)被其他的研究者提出過。傳統(tǒng)的方法是首先啟動一個列表，這個列表只包含目標(biāo)點〔或者是圍繞目標(biāo)點小范圍的區(qū)域〕，并且對于這個區(qū)域中每一個未訪問的鄰居傳播兩個區(qū)域之間遍歷費用的一個值。該區(qū)域從列表中刪除，并且它的所有新訪問的鄰居被添加到列表中，通過增加本錢對列表排序，并且這一過程用列表中最低本錢地區(qū)重復(fù)進行。當(dāng)?shù)竭_源區(qū)域，這一過程終止。使用計算本錢值在端點之間構(gòu)造實際路徑。5總結(jié)與展望本課程研究學(xué)習(xí)報告完成了以下工作：1〕從研究當(dāng)今世界各國效勞機器人開展規(guī)劃和近況出發(fā)，分析了國內(nèi)外機器人產(chǎn)業(yè)的開展規(guī)劃和特征，指出了我國效勞機器人的開展?jié)摿褪袌鲩_展趨勢；2〕以效勞機器人的開展離不開其技術(shù)的進步與突破為核心，對當(dāng)今效勞機器人的前沿關(guān)鍵性技術(shù)進行了具體的介紹，在當(dāng)今信息時代的沖擊下，對效勞機器人的處理和交互信息的能力要求越來越高，所以研究其關(guān)鍵性技術(shù)是不可缺少的一大主題；3〕對效勞機器人中涉及的動力學(xué)正逆解問題進行了分析，以牛頓-歐拉〔Newton-Euler〕法、拉格朗日〔Langrange〕法為例具體的介紹了其正逆解的遞推算法，同時從實際問題出發(fā)，利用拉格朗日法對機器人動力