[论文解读] Multi-Objective Path Planning of an Autonomous Mobile Robot in Static and Dynamic Environments using a Hybrid PSO-MFB Optimisation Algorithm.

Ibraheem Kasim Ibraheem, Fatin Hassan Ajeil|arXiv (Cornell University)|May 1, 2018

Robotic Path Planning Algorithms参考文献 8被引用 8

一句话总结

本文提出一种混合PSO-MFB优化算法，用于静态和动态环境中的多目标路径规划，结合局部搜索以确保可行性，并通过障碍物检测与避障实现实时适应。该方法在复杂场景中生成更短、更平滑且无碰撞的路径，优于传统的基于网格的方法。

ABSTRACT

The main aim of this paper is to solve a path planning problem for an autonomous mobile robot in static and dynamic environments by determining the collision-free path that satisfies the chosen criteria for shortest distance and path smoothness. The algorithm mimics the real world by adding the actual size of the mobile robot to that of the obstacles and formulating the problem as a moving point in the free-space. The proposed path planning algorithm consists of three modules: in the first module, the path planning algorithm forms an optimised path by conducting a hybridized Particle Swarm Optimization-Modified Frequency Bat (PSO-MFB) algorithm that minimises distance and follows path smoothness criteria; in the second module, any infeasible points generated by the proposed PSO-MFB Algorithm are detected by a novel Local Search (LS) algorithm and integrated with the PSO-MFB algorithm to be converted into feasible solutions; the third module features obstacle detection and avoidance (ODA), which is triggered when the mobile robot detects obstacles within its sensing region, allowing it to avoid collision with obstacles. Simulations have been carried out that indicated that this method generates a feasible path even in complex dynamic environments and thus overcomes the shortcomings of conventional approaches such as grid methods. Comparisons with previous examples in the literature are also included in the results.

研究动机与目标

• 解决在存在障碍物的复杂静态和动态环境中路径规划的挑战。
• 最小化路径长度，同时确保路径平滑性，以提升机器人运动效率。
• 克服传统基于网格方法存在的计算成本高和适应性差的局限性。
• 开发一种实时障碍物避让机制，能够动态响应环境变化。
• 将局部搜索与PSO-MFB结合，以校正不可行解，确保路径的实际可行性。

提出的方法

• 通过扩展障碍物和机器人的尺寸，将路径规划问题重新表述为在自由空间中移动的点问题。
• 采用混合PSO-MFB算法，利用粒子群优化和改进频率蝙蝠算法，同时优化路径长度和平滑性。
• 提出一种新型局部搜索（LS）算法，用于检测并校正PSO-MFB生成的不可行解，以确保路径可行性。
• 当障碍物进入机器人的感知范围时，触发障碍物检测与避让（ODA）机制，实现实时碰撞避免。
• 三个模块——PSO-MFB优化、LS校正和ODA——在动态环境中顺序且自适应地协同工作。
• 通过在复杂环境中的仿真验证算法性能与鲁棒性。

实验结果

研究问题

• RQ1 混合PSO-MFB算法在静态和动态环境中如何有效最小化路径长度并确保路径平滑性？
• RQ2 局部搜索算法的集成在多大程度上提升了PSO-MFB生成解的可行性？
• RQ3 所提出的ODA机制如何实现实时障碍物避让，以在路径执行过程中避免碰撞？
• RQ4 该方法在路径质量与计算效率方面是否优于传统的基于网格的路径规划技术？
• RQ5 在具有移动障碍物的复杂动态环境中，该混合方法的鲁棒性如何？

主要发现

• 所提出的PSO-MFB算法相比传统方法生成了更短、更平滑的路径，显著提升了静态和动态环境中的路径质量。
• 局部搜索算法的集成成功地将不可行解转化为可行解，显著增强了解的可靠性。
• ODA机制实现了对动态障碍物的实时适应，确保了路径执行过程中的无碰撞导航。
• 仿真结果表明，该方法在存在多个障碍物的复杂环境中仍能保持可行性与高效性。
• 对比结果表明，该方法在路径长度与平滑性方面优于现有的基于网格和元启发式方法。