Ny algoritme fra kinesisk forsker hjelper roboter med å unngå kollisjoner
Den kinesiske forskeren Jieyun Yu har foreslått en ny tilnærming til autonom robotnavigasjon som kan bidra til å unngå kollisjoner og krasj med selvkjørende enheter i ulike miljøer.
Dette er hva vi vet
Yu fokuserte på to hovedaspekter: å forbedre ytelsen til kontrollsystemet og overvinne begrensninger i baneplanleggingen.
Forskeren sørget for nøyaktig banesporing ved hjelp av en ny eksponentiell fremadrettet kontrollstrategi basert på iterativ læringskontroll (ILC) og modellfri adaptiv kontroll (MFAC). Tilnærmingen forbedrer banekonvergensen, reduserer feil og sikrer nøyaktig og repeterbar robotbevegelse.
Baneplanleggingssystemet løser også problemet med å unngå kollisjoner ved hjelp av en APF-algoritme (artificial potential field). Denne behandler hindringer i robotens bane som frastøtende krefter i et virtuelt potensialfelt, slik at roboten kan kjøre rundt. Yu gjennomførte simuleringer og validerte metodens effektivitet og viste at den var bedre enn tradisjonelle modeller.
Yus tilnærming kan gjøre det mulig for en robot eller et autonomt kjøretøy å finne en passende og trygg rute raskere, minimere feil og gjøre selvkjørende enheter i stand til å operere i komplekse og dynamiske miljøer.
Kilde: TechXplore
