-
Patent Agency Ranking
公开(公告)号：CN117806333B
公开(公告)日：2024-05-24
申请号：CN202410223976.9
申请日：2024-02-29
Applicant: 北京大学
Abstract: 本发明属于控制系统领域，为了解决现有技术无法做到实时轨迹规划的问题，本发明提供了复杂环境中保持可见性的目标追踪轨迹规划方法及装置，包括：机器人通过板载传感器检测目标，获得对目标的观测值；通过扩展卡尔曼滤波，获得对目标状态的估计；通过历史的目标状态，预测当前以及未来目标运动的控制输入；采用模型预测控制MPC的框架，通过优化机器人未来N步的控制输入，来最小化目标函数，同时满足约束，并使用顺序凸规划的范式求解优化问题；通过底层的控制器执行轨迹规划中得到的当步控制指令，追踪目标。机器人能够在障碍物杂乱的环境及机器人运动和传感器的噪声较高的不利条件下，对运动高度随机的目标进行实时、安全、稳健的追踪。
-
公开(公告)号：CN119165869B
公开(公告)日：2025-03-21
申请号：CN202411666535.2
申请日：2024-11-21
Applicant: 北京大学
Abstract: 为了解决大规模机器人集群的运动规划算法耗时长，计算复杂度较高的问题，本发明提出一种大规模机器人集群的概率路线图运动规划方法及装置，结合采样算法和分层运动规划框架，分为宏观、微观两个阶段。在宏观阶段，使用概率密度函数表示集群整体，规划概率密度函数的输运轨迹；在微观阶段，通过人工势场方法，机器人个体追踪宏观阶段规划的概率密度函数。本发明在计算效率、可扩展性和轨迹质量等方面优于前沿方法，能够以最少的规划耗时求解出最高质量的集群运动轨迹。而且本发明的方案展现出风险觉知特性，可以通过调整高斯路线图中高斯分布节点的碰撞风险，改变集群运动轨迹的风险偏好，增加集群对复杂环境的适应性和轨迹灵活性。
-
公开(公告)号：CN119165869A
公开(公告)日：2024-12-20
申请号：CN202411666535.2
申请日：2024-11-21
Applicant: 北京大学
Abstract: 为了解决大规模机器人集群的运动规划算法耗时长，计算复杂度较高的问题，本发明提出一种大规模机器人集群的概率路线图运动规划方法及装置，结合采样算法和分层运动规划框架，分为宏观、微观两个阶段。在宏观阶段，使用概率密度函数表示集群整体，规划概率密度函数的输运轨迹；在微观阶段，通过人工势场方法，机器人个体追踪宏观阶段规划的概率密度函数。本发明在计算效率、可扩展性和轨迹质量等方面优于前沿方法，能够以最少的规划耗时求解出最高质量的集群运动轨迹。而且本发明的方案展现出风险觉知特性，可以通过调整高斯路线图中高斯分布节点的碰撞风险，改变集群运动轨迹的风险偏好，增加集群对复杂环境的适应性和轨迹灵活性。
-
公开(公告)号：CN118897541A
公开(公告)日：2024-11-05
申请号：CN202410547681.7
申请日：2024-05-06
Applicant: 北京大学
Abstract: 本发明公开了基于自适应粒子滤波树的机器人动态目标搜索和追踪方法，该方法基于sigma点的互信息估计方法，能够快速准确地计算互信息。在蒙特卡洛树搜中利用符合运动学模型的运动基元组成动作空间，用以生成满足运动学约束的平滑路径。所采用的自适应粒子滤波树中自适应的停止策略，能够根据奖励信息动态调整规划时域，减少运算时间。本发明对未来可行路径进行有选择地搜索，同时其自适应的性质能够根据当前奖励信息动态调整规划时域，节省计算资源。结合以运动基元构成的动作空间，该发明可以高效地生成考虑未来观测影响的、长时域的、符合运动学模型的平滑路径，从而高效地完成目标搜索和追踪的问题。
-
公开(公告)号：CN117806333A
公开(公告)日：2024-04-02
申请号：CN202410223976.9
申请日：2024-02-29
Applicant: 北京大学
Abstract: 本发明属于控制系统领域，为了解决现有技术无法做到实时轨迹规划的问题，本发明提供了复杂环境中保持可见性的目标追踪轨迹规划方法及装置，包括：机器人通过板载传感器检测目标，获得对目标的观测值；通过扩展卡尔曼滤波，获得对目标状态的估计；通过历史的目标状态，预测当前以及未来目标运动的控制输入；采用模型预测控制MPC的框架，通过优化机器人未来N步的控制输入，来最小化目标函数，同时满足约束，并使用顺序凸规划的范式求解优化问题；通过底层的控制器执行轨迹规划中得到的当步控制指令，追踪目标。机器人能够在障碍物杂乱的环境及机器人运动和传感器的噪声较高的不利条件下，对运动高度随机的目标进行实时、安全、稳健的追踪。
-
-
-
-
Search Results
5
records
(took 0.028 seconds)
