【技术实现步骤摘要】
本专利技术属于机器人自主导航与路径规划，具体涉及结合人工势场与强化学习的机器人路径规划与避障方法。
技术介绍
1、随着机器人技术的快速发展，机器人在复杂环境中的自主导航与避障能力成为研究的重点。现有的路径规划与避障方法主要依赖于传感器技术和算法的结合，以确保机器人能够在未知或动态的环境中安全地完成任务。然而，现有技术中存在的诸多局限性限制了机器人在复杂环境中的表现。
2、其一、传统传感器技术的局限性
3、当前，机器人路径规划与避障的主流方法主要依赖单一传感器，如激光雷达(lidar)、深度摄像头、超声波传感器或红外传感器。这些传感器各有其优势，但在复杂环境下也暴露出局限性。
4、激光雷达：激光雷达可以提供高精度的三维空间探测能力，尤其在距离测量和空间布局方面表现出色。然而，激光雷达在光线极差或存在复杂反射环境(如玻璃或有雾环境)时容易出现误差。此外，激光雷达在探测动态障碍物(如行人、动物)时反应相对迟缓，难以应对快速变化的场景。
5、深度摄像头：深度摄像头能够捕捉环境的三维深度信息，通常用...
【技术保护点】
1.结合人工势场与强化学习的机器人路径规划与避障方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的结合人工势场与强化学习的机器人路径规划与避障方法，其特征在于：步骤A进行传感器数据采集与融合，具体过程如下：
3.根据权利要求2所述的结合人工势场与强化学习的机器人路径规划与避障方法，其特征在于：在融合输出过程中，具体如下：
4.根据权利要求1所述的结合人工势场与强化学习的机器人路径规划与避障方法，其特征在于：步骤B进行环境复杂性评估，建立多尺度规划机制，基于切换条件，确定全局规划、局部规划，具体过程如下：
5.根据...
【技术特征摘要】
1.结合人工势场与强化学习的机器人路径规划与避障方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的结合人工势场与强化学习的机器人路径规划与避障方法，其特征在于：步骤a进行传感器数据采集与融合，具体过程如下：
3.根据权利要求2所述的结合人工势场与强化学习的机器人路径规划与避障方法，其特征在于：在融合输出过程中，具体如下：
4.根据权利要求1所述的结合人工势场与强化学习的机器人路径规划与避障方法，其特征在于：步骤b进行环境复杂性评估，建立多尺度规划机制，基于切换条件，确定全局规划、局部规划，具体过程如下：
5.根据权利要求4所述的结合人工势场与强化学习的机器人路径规划与避障方法，其特征在于；所述环境复杂性评估模型，具体如下：
6.根据权利要求5所述的结合人工势场与强化学习的机器人路径规划与避障方法，其特征在于：步骤b中的切换条件通过...
【专利技术属性】
技术研发人员：贺志远，陈鹏，孙涛，张俊华，季昭臣，
申请(专利权)人：天津大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。