<mark id="oztn4"></mark>
0
| 本文作者： 科技剪刀手 | 2016-12-29 20:15 |
雷鋒網按：本文作者SLAMTEC（思嵐科技公號slamtec-sh）技術顧問，專注SLAM及相關傳感器研發應用。本文是《機器人自主移動的秘密》系列第三篇。
我們先來看看SLAM與路徑規劃的關系。
實際上，SLAM算法本身只是完成了機器人的定位和地圖構建兩件事情，與我們說的導航定位并不是完全等價的。這里的導航，其實是SLAM算法做不了的。它在業內叫做運動規劃（Motion Planning）。
運動規劃是一個很大的概念，從機械臂的運動、到飛行器的飛行，再到這里我們說的掃地機的清掃路徑規劃，都是運動規劃的范疇。
我們先談談針對掃地機這類輪式機器人的運動規劃。這里所需的基礎能力就是路徑規劃，也就是一般在完成SLAM后，要進行一個叫做目標點導航的能力。通俗的說，就是規劃一條從A點到B點的路徑出來，然后讓機器人移動過去。
要實現這個過程，運動規劃要實現至少兩個層次的模塊，一個叫做全局規劃，這個和我們車載導航儀有一點像，它需要在地圖上預先規劃一條線路，也要有當前機器人的位置。這是由我們的SLAM系統提供出來的。行業內一般會用叫做A*的算法來實現這個過程，它是一種啟發式的搜索算法，非常優秀。它最多的應用是在游戲中，比如像星際爭霸、魔獸爭霸之類的即時戰略游戲，都是使用這個算法來計算單位的運動軌跡的。
當然，僅僅規劃了路徑還是不夠的，現實中會有很多突發情況，比如正巧有個小孩子擋道了，就需要調整原先的路徑。當然，有時候這種調整并不需要重新計算一遍全局路徑，機器人可能稍微繞一個彎就可以。此時，我們就需要另一個層次的規劃模塊，叫做局部規劃。它可能并不知道機器人最終要去哪，但是對于機器人怎么繞開眼前的障礙物特別在行。
這兩個層次的規劃模塊協同工作，機器人就可以很好的實現從A點到B點的行動了，不過實際工作環境下，上述配置還不夠。比如A＊算法規劃的路徑是根據已知地圖，預先規劃好的，一旦機器人前往目的地的過程中遇到了新的障礙物，就只好完全停下來，等待障礙物離開或者重新規劃路徑了。如果掃地機器人買回家，必須先把屋子都走一遍以后才肯掃地，那用戶體驗就會很差。
為此，也會有針對這類算法的改進，比如SLAMWARE內我們采用改良的D*算法進行路徑規劃，這也是美國火星探測器采用的核心尋路算法。這是一種動態啟發式路徑搜索算法，它讓機器人在陌生環境中行動自如，在瞬息萬變的環境中游刃有余。
D*算法的最大優點是不需要預先探明地圖，機器人可以和人一樣，即使在未知環境中，也可以展開行動，隨著機器人不斷探索，路徑也會時刻調整。
以上是目前大部分移動機器人都需要的路徑規劃算法，而掃地機器人作為最早出現在消費市場的服務機器人之一，它需要的路徑規劃算法更為復雜。
一般來說，掃地機需要這么幾個規劃能力：貼邊打掃、折返的工字形清掃以及沒電時候自主充電。單單依靠前面介紹的D*這類算法，無法滿足這些基礎需要。
掃地機器人還需要有額外的規劃算法，比如針對折返的工字形清掃，有很多問題要處理。掃地機如何最有效進行清掃而不重復清掃？如何讓掃地機和人一樣，理解房間、門、走廊這種概念？
針對這些問題，學術界長久以來有一個專門的研究課題，叫做空間覆蓋（space coverage），同時也提出了非常多的算法和理論。其中，比較有名的是Morse Decompositions，掃地機通過它實現對空間進行劃分，隨后進行清掃。
20世紀70年代，卡內基梅隆大學（CMU）完全依靠超聲波做到了現在我們掃地機的行為，當然造價也十分昂貴。
前面介紹的從A點到B點移動路徑規劃也是實現這類更高級路徑規劃的基礎。實際上，要從SLAM實現到掃地機器人所需要的這些功能，還是有非常多的工作要做的。
針對掃地機器人，我們將其特有的路徑規劃功能預先內置在SLAMWARE中，方便廠家進行整合，不需要進行二次開發。
第二篇傳送入口：《實際應用中，SLAM究竟是如何實現的？》。
