机器人技术课件-运动规划.pptx

1运动规划§5-1概述§5-3机器人的轨迹规划§5-2机器人的路径规划

2§5-1概述机器人运动规划概述：运动规划是机器人技术中至关重要的一部分，其由路径规划和轨迹规划两部分组成。路径规划：连接起点位置和终点位置的序列点或曲线称之为路径，构成路径的策略称之为路径规划。

3§5-1概述机器人运动规划概述：运动规划是机器人技术中至关重要的一部分，其由路径规划和轨迹规划两部分组成。轨迹规划：是在空间路径上附加运动学、动力学等约束，对机器人执行任务时的速度与加速度进行规划，以满足光滑性和速度可控性等要求。

4第五章运动规划§5-1概述§5-3机器人的轨迹规划§5-2机器人的路径规划

5§5-2机器人的路径规划机器人的路径规划：路径规划的定义路径规划的定义非常简单：“在指定环境中找到初始位置（开始）和最终位置（目标）之间的无碰撞运动路径”，最简单的情况是在静态或已知环境中规划路径。配置空间是指将工作空间进行转换，将机器人转化为一个质点，同时将障碍物按照机器人的体积进行膨胀，这样在进行路径规划时，就可以将机器人当作一个质点来处理。配置空间

6§5-2机器人的路径规划机器人的路径规划：路径规划算法主要分为三大类。基于图有哪些信誉好的足球投注网站：Dijkstra算法、A*算法基于强化学习的：基于Q-learning的路径规划算法、基于SARSA的路径规划算法基于采样的：快速扩展随机树（RRT）、RRT*算法

7§5-2机器人的路径规划机器人的路径规划：基于图有哪些信誉好的足球投注网站：Dijkstra算法Dijkstra算法是由E.W.Dijkstra于1959年提出。该算法采用了一种贪心策略。其解决的是有向图中单个节点到另一节点的最短路径问题。其主要特点是每次迭代时选择的下一个节点是距离当前节点最近的子节点，也就是说每一次迭代行进的路程是最短的。

8§5-2机器人的路径规划机器人的路径规划：基于图有哪些信誉好的足球投注网站：A*算法A*算法由斯坦福大学PeterHart等人于1968年首次提出。A*算法是一种静态环境中求解最短路径的有效方法，通过一个估计函数来估计图中当前点到终点的距离，并由此来决定它的有哪些信誉好的足球投注网站方向，当一条路径规划失败时，算法会继续规划其他路径。

9§5-2机器人的路径规划机器人的路径规划：基于强化学习的：强化学习的基本要素要素在强化学习中的作用环境的状态S用于描述智能体在环境中的位置或状态。智能体的动作A决定智能体如何与环境交互，例如路径规划中的运动方向。环境的即时奖励R在路径规划中，奖励可以设为-1，以便智能体朝着最短路径收敛。个体的策略描述智能体在不同状态下选择不同动作的概率。状态价值用于衡量状态的好坏，不仅考虑即时奖励，还考虑后续状态的价值。奖励衰减因子通过调整衰减因子，智能体平衡即时奖励和未来奖励的重要性。状态转换模型在某些系统中，状态转换不是确定的，需要引入概率来描述。探索率?增加最优解获得的可能性，避免陷入局部最优解。

10§5-2机器人的路径规划机器人的路径规划：基于强化学习的：贝尔曼方程：是强化学习中的基础和核心之一。它帮助我们理解在不同状态下选择哪个动作是最优的。??最优策略为:状态价值函数:

11§5-2机器人的路径规划机器人的路径规划：?

12§5-2机器人的路径规划机器人的路径规划：基于强化学习的：基于SARSA的路径规划算法其基本思想与Q-learning完全一致，都是维护一个全局的Q-table并不断学习更新Q-table，区别是更新Q-table的策略稍有不同。

13§5-2机器人的路径规划机器人的路径规划：基于采样的：快速扩展随机树（RRT）RRT算法是一种随机采样算法，目标是尽可能快的找到一条从起点到终点的无碰撞路径。它可以直接应用于非完整约束系统的规划，且不受高维空间的限制，目前已成为机器人路径规划的主流方法。

14§5-2机器人的路径规划机器人的路径规划：基于采样的：RRT*算法RRT*算法能够解决传统RRT在大规模环境中难以求解最优路径的问题。随着迭代次数和采样点的增加，得到的可行路径解将逐渐收敛到全局最优处。算法流程

15第五章运动规划§5-1概述§5-3机器人的轨迹规划§5-2机器人的路径规划

16§5-3机器人的轨迹规划轨迹：末端执行器空间运动的位姿、速度和加速度的时间历程。轨迹规划的任务：根据机器人的作业要求，构造出各关节运动的时间历程，以保证末端执行器实现所期望的空间运动。机器人的轨迹规划：

17§5-3机器人的轨迹规划以关节变量描述操作臂的空间运动，并以关节变量的时间函数来规划其运动轨迹的称为在关节空间中规划。在关节空间中的轨迹规划：

18§5-3机器人的轨迹规划以三次多项式规划以三次多项式作为关节在两个位置间的平滑过渡函数约束条件：关节在初始、终了位置处的位置、速度。轨迹