[论文解读] Path Planning of an Autonomous Mobile Robot in a Dynamic Environment using Modified Bat Swarm Optimization

Ibraheem Kasim Ibraheem, Fatin Hassan Ajeil+1 more|arXiv (Cornell University)|Jan 1, 2018

Robotic Path Planning Algorithms参考文献 28被引用 3

一句话总结

本文提出了一种改进频率蝙蝠算法（MFBA），用于动态环境中的路径规划，通过重新定义其频率参数，提升了标准蝙蝠算法的收敛速度与搜索效率。MFBA使自主移动机器人能够实时生成无碰撞、更短且更平滑的路径，在模拟实验中，其路径长度和标准差均优于标准BA。

ABSTRACT

This paper outlines a modification on the Bat Algorithm (BA), a kind of swarm optimization algorithms with for the mobile robot navigation problem in a dynamic environment. The main objectives of this work are to obtain the collision-free, shortest, and safest path between starting point and end point assuming a dynamic environment with moving obstacles. A New modification on the frequency parameter of the standard BA has been proposed in this work, namely, the Modified Frequency Bat Algorithm (MFBA). The path planning problem for the mobile robot in a dynamic environment is carried out using the proposed MFBA. The path planning is achieved in two modes; the first mode is called path generation and is implemented using the MFBA, this mode is enabled when no obstacles near the mobile robot exist. When an obstacle close to the mobile robot is detected, the second mode, i.e., the obstacle avoidance (OA) is initiated. Simulation experiments have been conducted to check the validity and the efficiency of the suggested MFBA based path planning algorithm by comparing its performance with that of the standard BA. The simulation results showed that the MFBA outperforms the standard BA by planning a collision-free path with shorter, safer, and smoother than the path obtained by its BA counterpart.

研究动机与目标

• 解决传统路径规划算法在动态环境中存在的计算成本高和陷入局部极小值等问题。
• 通过修改蝙蝠算法（BA）的频率参数，提升其搜索精度与收敛速度。
• 开发一种混合路径规划策略，结合全局路径生成（使用MFBA）与局部障碍物规避，当动态障碍物进入感知区域时触发。
• 通过仿真实验，从路径长度、平滑度、安全性与计算效率等方面，验证所提出的MFBA相较于标准BA的性能优势。
• 为动态、障碍物密集的环境提供一种鲁棒且具备实时处理能力的自主移动机器人导航解决方案。

提出的方法

• 通过重新定义频率参数更新规则，提出改进频率蝙蝠算法（MFBA），以增强搜索方向性与收敛速度。
• 实现双模式路径规划系统：(1) 当无障碍物靠近时，使用MFBA进行全局路径生成；(2) 当障碍物进入机器人感知区域时，触发局部障碍物规避（OA）。
• 构建动态环境模型，其中障碍物具有明确的位置、速度与运动方向，并支持实时感知与轨迹预测。
• 设计适应度函数，以最小化路径长度，同时最大化与障碍物的安全距离及目标接近度。
• 在两个案例研究的仿真环境中进行测试：一个包含三个动态障碍物，另一个包含五个，各自具有不同的运动轨迹。
• 通过十轮仿真运行的统计分析，比较MFBA与标准BA在适应度、均值、最大值、最小值与标准差方面的表现。

实验结果

研究问题

• RQ1 蝙蝠算法中改进的频率参数是否能显著提升动态路径规划中的收敛速度与路径质量？
• RQ2 基于MFBA的路径规划策略在路径长度、平滑度与计算时间方面，相较于标准BA有何差异？
• RQ3 双模式系统（全局路径生成与局部障碍物规避）在多大程度上提升了动态环境中的实时适应能力？
• RQ4 MFBA在多次运行中是否表现出比标准BA更优的一致性与更低的方差？
• RQ5 MFBA能否有效应对具有不同速度与轨迹的多个移动障碍物，同时确保无碰撞导航？

主要发现

• 在案例研究1（三个动态障碍物）中，MFBA实现了17.0925米的最短路径长度，优于标准BA的最佳路径17.0932米。
• 在案例研究1中，MFBA的平均适应度为0.05844756632，标准差为0.05315157，显著低于标准BA的0.00103782，表明其性能更稳定一致。
• 在案例研究2（五个动态障碍物）中，MFBA实现最佳路径长度18.3533米，运行时间9.0903秒，优于标准BA的18.6239米与9.10554秒。
• 在案例研究2中，MFBA的平均适应度为0.05399353627，标准差为0.07777658，低于标准BA的0.10387507，表明其性能更稳定。
• 在两个案例研究的十轮仿真运行中，MFBA在路径长度与适应度一致性方面始终优于标准BA。
• 仿真结果证实，MFBA能够实现更快的收敛与更具方向性的搜索，从而在动态环境中生成更平滑、更安全、更短的路径。