陈岳军，王敬贤

(上海五零盛同信息科技有限公司，上海 200333)

智能化机器人拥有感知决策能力，它们可以辨识身边的信息情况，实现自主控制并完成复杂的任务[1]。机器人的路径规划问题是智能控制领域中的一个关键问题，保证机器人在完成任务的同时提高效率[2]。路径规划是在起始点和目标点之间选出一条最短路径，既能使机器人在行进过程中躲过障碍物，并且满足特定评价标准，如行走路线距离最短、到达目标行走时间最短、自身能量消耗最小等[3-4]。目前，机器人及其路径规划相关问题已经取得了许多成果，可分为传统方法和智能化方法两大类。

传统路径规划方法主要有几何构造方法和人工势场法。基于几何构造的方法将机器人抽象成一个可忽略的点，同时适当扩大障碍物体积，然后构造自由空间，并将其全部连通，最后采用图搜索算法找出最优路径[5]。人工势场法运用较为成熟，它用引力场和斥力场模型来表示机器人所工作的环境信息[6]，受力如图1所示。该算法原理简单，适合底层的简单控制，其运行速度和存储空间与其他算法相比具有优势。但它只解决局部空间内的避障问题，更适用于动态环境，在实时避障方面发挥重要作用。

图1 人工势场法受力示意图

智能化路径规划方法主要基于遗传算法、模糊逻辑和蚁群算法。遗传算法在全局环境中搜索最优路径的能力比较强，有并行计算特性，应用较为广泛[7]。孙树栋等[8]实现了离散空间下机器人的路径规划，使用插入和删除算子，使规划出的路径是连续的。……