Ny algoritm från kinesisk forskare hjälper robotar att undvika kollisioner

Den kinesiska forskaren Jieyun Yu har föreslagit en ny metod för autonom robotnavigering som skulle kunna bidra till att undvika kollisioner och krascher av självkörande enheter i olika miljöer.

Här är vad vi vet

Yu fokuserade på två huvudaspekter: att förbättra styrsystemets prestanda och övervinna begränsningar i banplanering.

Forskaren säkerställde noggrann spårning av banan med hjälp av en ny exponentiell framåtriktad återkopplad kontrollstrategi baserad på iterativ inlärningskontroll (ILC) och modellfri adaptiv kontroll (MFAC). Strategin förbättrar banans konvergens, minskar felen och säkerställer noggrann och repeterbar robotrörelse.

Banplaneringssystemet löser även problemet med att undvika kollisioner med hjälp av en APF-algoritm (artificiellt potentialfält). Denna behandlar hinder i robotens bana som repulsiva krafter i ett virtuellt potentialfält, vilket gör att roboten kan gå runt. Yu genomförde simuleringar och validerade effektiviteten hos sin metod och visade att den var överlägsen traditionella modeller.

Med hjälp av Yus metod kan en robot eller ett autonomt fordon snabbare hitta en lämplig och säker väg, minimera felen och ge självkörande enheter möjlighet att arbeta i komplexa och dynamiska miljöer.

Källa: TechXplore