吕晟岩 顾海毅 黄冲

摘要：移动机器人的路径规划技术是机器人研究非常重要的研究內容。本文介绍了移动机器人路径规划的相关概念并介绍了当前国内外的研究进展，并对比了传统和现代机器人关于其路径规划的研究差异，对今后的路径规划算法研究具有一定参考价值。

关键词：移动机器人;路径规划算法;萤火虫自由变异

近年来，国内外针对智能移动机器人室内移动路径算法方面的应用积极展开了相关的课题研究，并取得了相当卓越的成果。英国人休伯特·布兹（Hubert Cecil Booth）在1901年发明了真空吸尘器，成为扫地机器人的前世。 2002年9月，iRobot公司于推出的Roomba是扫地机器人发展史上的里程碑式事件。从2015年左右开始发展，国内仓储机器人行业的热度从来没有真正降温过。美国德雷克赛尔大学学生发明可用于核事故中拯救人类的机器人，它可以从双脚行进的方式转换至四足行进的方式，并拥有极其强壮的双手可用于抓取物体和攀爬台阶。移动机器人路径规划主要需要实现点对点的可行路径、障碍物的绕行、行走路径的优化，使得选择的路径是所有可行路径中最短最平滑的。本文分别从传统和现代的机器人路径规划两个方面进行研究介绍。

1.传统机器人移动路径规划方式

关于移动机器人的路径规划有很多种方式，然而机器人路径规划中所选取路径的运行效率和选取轨道的好坏，对机器人最终的任务完成情况都起着决定性的作用。一般由于机器人移动的空间环境约束，关于其路径规划一般会分为离散和连续路径规划两种方式。

1.1 A*算法路径规划

A*算法是移动机器人路径规划领域非常经典的一种规划方式，应用与此机器人的移动路径主要由估值函数来决定。A*算法的具体运行原理是从机器人的运动起始点作为初始点，以此搜索周围的八个节点，然后运用估价函数计算八个节点的最低代价值的点作为下个运行节点，之后以此循环过程直至到达终止点。

1.2 人工势场路径规划

人工势场法是由Khatib在二十世纪提出，其基本的实现方法是将机器人的路径规划同磁场相结合，同时将人工势场函数用作机器人的环境模拟状态。并将终止点的吸引磁场，和运行过程中的潜在运行障碍物体的排斥磁场，两相复合作为参照指标。人工势场由于其实时能力和控制简洁的优势在机器人路径规划领域应用广泛。

1.3 快速扩展随机树路径规划

这是一种搜索算法，其实在采集样本的基础上进行路径规划，一般适用于三维空间的目标搜寻。其设计原理是将空间中的某点作为起始点，然后规定一定原则，在原则约束下以起始点来确定一个新的节点，重复直至找到目标终止点。快速随机树算法是一种较为迅捷搜索的方式，其优点明显，主要体现在其较强的搜索能力，并且运用快速拓展随机树的路径规划对路径运行环境没有限制要求。但是在动态环境中会有一定局限性。

2. 现代机器人移动路径规划方式

2.1蚁群算法路径规划

蚁群算法是在20世纪90年代由Macro Dorigo提出，这是一种利用随机搜索的方法，蚂蚁外出觅食总是会体现觅食路线趋向最优选择的趋向性。基本思路是研究发现蚂蚁在外出的时候会在行走的路线上，对路线进行标记，并发出信息素告示其他蚂蚁，蚂蚁会有对同类的信息素感知的能力，并会根据信息素的浓度高低进行选择，在众多路线中，蚂蚁会选择信息浓度最高的线路，形成正态反馈，从而浓度高的线路，信息素浓度会越来越高，浓度低的线路信息素会越来越少，最终蚁群由于正反馈机制，会选择最优的线路。

2.2 遗传算法路径规划

该算法是以基因学原理为理论基础，对路线选择进行优化。运用该算法，首先会先随机产生一个初始点，在设定的选择函数，还有环境条件等多种条件的综合约束下，选择最优的路径规划。该种方式借鉴了进化论的观点，将即将解决的问题比作一个种群，再各种函数条件的约束下，种群不断发展繁衍，在繁衍的过程中实现物种的进化，最终实现优胜劣汰的目标。该种方法特点是有向且高效，不同以往无向的搜索方式，因此能够选择最优的搜索方向，进而能较快的选择出最优的路径规划。但是该种方法需要的约束条件比较多，需要的参数也比较多，在复杂的路径环境下容易出现错误。

2.3 粒子群算法路径规划

粒子群算法是在20世纪末提出，该算法是一种现代的路径优化算法，该算法借鉴了鸟类外出觅食或者飞行过程中，之间的通行方式。粒子群算法是将空间中的某一个地点作为初始点，然后在设定的函数条件判断下，决定该点是否是有利点，然后在同类群体的路径记忆进行筛选，选择最优路径。粒子群的路径规划方法有很多优点，其中最为突出的优点是该法需要的参数约束条件比较少，系统的运行效率、反应能力比较高;缺点是粒子群算法的路径规划在全局域环境路径判断较好，但是在局部环境的反应上比较差。但是粒子群算法的运行简单、收敛迅速、参数约束较少等众多优点，是现在机器人路径规划领域一个热点研究方向。

3.总结

移动机器人的路径规划是为了帮机器人规划线路从起点最终到达终点，并且所选择的路径运行方式能避开路径中的障碍物，且路径选择达到最佳。本文对移动机器人路径规划算法应用方式的发展做了一个介绍，希望能对以后移动机器人的路径规划发展起到一定参考意义。

参考文献：

[1]Feiyi Xu，Haolun Li，Chi-Man Pun，Haidong Hu，Yujie Li，Yurong Song，Hao Gao. A new global best guided artificial bee colony algorithm with application in robot path planning[J]. Applied Soft Computing Journal，2020，88.

[2]韩颜，许燕，周建平.粒子群-蚁群融合算法的机器人路径规划[J].组合机床与自动化加工技术，2020（02）：47-50.

[3]李海彬，沈显庆.改进蚁群算法的路径规划研究[J].电子测试，2020（03）：38-39+87.

项目来源：

本文系江苏大学2019年度大学生科研立项项目，项目编号18A088