[论文解读] Intelligent Bug Algorithm (IBA): A Novel Strategy to Navigate Mobile Robots Autonomously

Muhammad Zohaib, Syed Mustafa Pasha+2 more|arXiv (Cornell University)|Nov 25, 2013

Robotic Path Planning Algorithms被引用 9

一句话总结

本文提出了一种新型、计算高效的自主移动机器人避障策略——智能虫算法（IBA）。通过在导航过程中持续整合目标方向，IBA 生成的轨迹比传统虫算法更加平滑、更短，显著减少了路径完成时间，同时保持了调参和实现的简便性。

ABSTRACT

This research proposed an intelligent obstacle avoidance algorithm to navigate an autonomous mobile robot. The presented Intelligent Bug Algorithm (IBA) over performs and reaches the goal in relatively less time as compared to existing Bug algorithms. The improved algorithm offers a goal oriented strategy by following smooth and short trajectory. This has been achieved by continuously considering the goal position during obstacle avoidance. The proposed algorithm is computationally inexpensive and easy to tune. The paper also presents the performance comparison of IBA and reported Bug algorithms. Simulation results of robot navigation in an environment with obstacles demonstrate the performance of the improved algorithm.

研究动机与目标

• 解决经典虫算法在自主移动机器人路径长度和导航效率方面的局限性。
• 开发一种在避障过程中保持目标导向行为的策略，以减少路径长度和到达目标的时间。
• 确保该算法计算轻量化且易于调参，适用于实时机器人应用。
• 通过在复杂障碍物环境中的仿真，证明其性能优于现有虫算法变体。

提出的方法

• IBA 在穿越障碍物期间持续评估目标的相对位置，并实时调整机器人的路径。
• 与传统虫算法刚性地沿障碍物边界移动不同，IBA 根据目标向量反馈动态调整路径。
• 该算法采用混合策略：无障碍时直接朝目标运动，检测到障碍物时则沿边界移动并结合目标感知进行路径校正。
• 路径校正机制确保机器人在避障过程中不会过度偏离最优路径。
• 该算法设计计算开销极低，仅依赖本地传感器数据和简单的几何逻辑。
• 调参过程简化，算法仅依赖少数关键参数，如检测范围和转向增益。

实验结果

研究问题

• RQ1 通过在避障过程中持续引入目标反馈，改进的虫算法是否能实现更短、更平滑的轨迹？
• RQ2 与经典虫算法相比，所提出的 IBA 在路径长度和到达目标时间方面表现如何？
• RQ3 IBA 在保持可靠障碍物导航的同时，计算复杂度降低程度如何？
• RQ4 IBA 是否易于在实时机器人系统中调参和实现？
• RQ5 在存在多个或形状不规则障碍物的环境中，IBA 是否保持鲁棒性？

主要发现

• 由于持续整合目标向量，IBA 实现了显著短于标准虫算法的路径长度。
• 该算法通过减少绕行路径，在障碍物避让过程中保持更直接的轨迹，从而缩短了到达目标的时间。
• 仿真结果证实，IBA 生成的路径比 Bug0 和 Bug1 更平滑、更高效，且角偏差更小。
• 该算法计算成本低，适用于资源受限的移动机器人实时部署。
• IBA 展现出更优的收敛行为，在完成障碍物穿越后能更快恢复目标导向运动。
• 性能对比表明，IBA 在路径效率和导航速度方面均优于现有虫算法变体。