图片来源：Pixabay/CC0公共领域

如果你曾经在亚马逊上订购过产品，那么很有可能是机器人从货架上选择了你购买的产品，读取条形码并将其送到柜台进行包装。希望它在途中没有与人类工人相撞，没有迷失方向。

现在这种情况发生的几率已经缩短，南澳大利亚大学的研究人员开发了一种算法，帮助机器人避免撞上人类和其他移动障碍物。

南澳大学机电一体化工程讲师Habib Habibullah博士及其同事建立了一个计算机模型，确保移动机器人能够识别并避开意外的障碍物，找到通往目的地的最快速和最安全的路径。

在发表于《现场机器人学杂志》的一篇新论文中，Habibullah博士描述了他的团队如何结合现有算法的最佳元素，实现能够调整其速度和转向角度的无碰撞TurtleBot。

Habibullah博士说："移动机器人有两种路径规划策略，取决于它们是在固定环境中使用，还是在遇到移动障碍物（如人类或机器）时使用。第一种相当容易编程，但第二种更具挑战性。"

市场上有几种算法试图解决机器人与移动物体碰撞的问题，但没有一种算法是万无一失的。

南方大学的研究人员将他们的模型与两种常见的在线防撞算法--动态窗口法（DWA）和人工势场（APF）--进行了测试，发现他们的模型取得了胜利。

在九个不同场景的一系列模拟中，他们比较了碰撞率、到达目的地的平均时间和机器人的平均速度。

在每个场景中，UniSA设计的算法都帮助机器人成功地浏览了一条没有任何碰撞的路径。相比之下，DWA模型的效率只有66%，在9次模拟中，有3次与物体发生碰撞。APF模型也没有发生碰撞，但需要更多的时间才能到达目的地。

Habibullah博士说："我们提出的方法有时需要更长的路径，但它更快、更安全，避免了所有碰撞。"他们的算法可以应用于许多环境，包括通常使用机器人的工业仓库，用于机器人采摘水果、包装和造粒，还可以用于将食物从厨房送到餐桌的餐厅机器人。

UniSA设计的算法可以指导TurtleBot停止，转弯，甚至在其路径上遇到任何东西时扭转方向。

Habibullah博士说："这也可能是农业机器人的一个潜在解决方案，例如自主割草机、用于作物监控的地面机器人和自主除草机器人，在这些地方经常有儿童、宠物和其他动物出现。"

通过整合改进的动态窗口方法和改进的跟随间隙方法进行自主移动机器人的局部路径规划 发表在《野外机器人学杂志》上。