Ny algoritme fra kinesisk forsker hjælper robotter med at undgå kollisioner

Den kinesiske forsker Jieyun Yu har foreslået en ny tilgang til autonom robotnavigation, der kan hjælpe med at undgå kollisioner og nedbrud af selvkørende enheder i forskellige miljøer.

Her er, hvad vi ved

Yu fokuserede på to hovedaspekter: forbedring af kontrolsystemets ydeevne og overvindelse af begrænsninger i baneplanlægningen.

Forskeren sikrede nøjagtig banesporing ved hjælp af en ny eksponentiel forward-feedback kontrolstrategi baseret på iterativ læringskontrol (ILC) og modelfri adaptiv kontrol (MFAC). Tilgangen forbedrer banekonvergensen, reducerer fejl og sikrer nøjagtig og gentagelig robotbevægelse.

Baneplanlægningssystemet løser også problemet med at undgå kollisioner ved hjælp af en APF-algoritme (artificial potential field). Denne behandler forhindringer i robottens bane som frastødende kræfter i et virtuelt potentialefelt, så robotten kan gå udenom. Yu udførte simuleringer og validerede effektiviteten af sin metode og viste dens overlegenhed i forhold til traditionelle modeller.

Yus tilgang kan gøre det muligt for en robot eller et autonomt køretøj at finde en passende og sikker rute hurtigere, minimere fejl og gøre det muligt for selvkørende enheder at operere i komplekse og dynamiske miljøer.

Kilde: TechXplore