刘景森 吉宏远 李煜

近年来随着智能化技术的迅速发展和产业智慧升级的不断推进,智能移动机器人在越来越多的领域里得到了广泛应用,如货物搬运、智慧生产、智能生活、异常环境探测、水下作业、太空探索等等[1−2].其中,移动机器人路径规划是机器人研究领域的一项关键技术.如,在执行抢险救灾、货物搬运等任务时,采用较好的机器人路径规划技术可以提高机器人作业效率、减少机器人磨损,同时也可以节约人力资源,减小资金投入[3].国内外学者已经就移动机器人路径规划问题做了大量的工作并取得了不少成果.如可视图法[4]、自由空间法[5]、人工势场法[6]、A*算法[7]、深度学习方法[8]、强化学习方法[9]等.但可视图法的路径是多个直线相连接,路径不够平滑,不易找出最优路径.自由空间法的复杂度与空间中障碍的数量成正相关关系,故而此方法不适用于复杂障碍空间.人工势场法存在容易陷入局部最优解和终点不可达的缺点,而A* 算法存在着内存开销大、计算时间长等不足.深度学习方法存在工作空间不完全可观察且较不稳定的缺点.强化学习方法在面对复杂环境时,其状态空间的尺寸会变得非常庞大,无法在较小资源中实现实时的路径规划.所以随着环境系统复杂性及任务难度的增加,传统的路径规划方法难以取得理想的效果.最近几年,通过大量的研究和实验发现,仿生智能优化算法在求解机器人路径规划方面……