圖片來源：Pixabay/CC0公共領域

如果你曾經在亞馬遜上訂購過產品，那么很有可能是機器人從貨架上選擇了你購買的產品，讀取條形碼并將其送到柜臺進行包裝。希望它在途中沒有與人類工人相撞，沒有迷失方向。

現在這種情況發生的幾率已經縮短，南澳大利亞大學的研究人員開發了一種算法，幫助機器人避免撞上人類和其他移動障礙物。

南澳大學機電一體化工程講師Habib Habibullah博士及其同事建立了一個計算機模型，確保移動機器人能夠識別并避開意外的障礙物，找到通往目的地的最快速和最安全的路徑。

在發表于《現場機器人學雜志》的一篇新論文中，Habibullah博士描述了他的團隊如何結合現有算法的最佳元素，實現能夠調整其速度和轉向角度的無碰撞TurtleBot。

Habibullah博士說："移動機器人有兩種路徑規劃策略，取決于它們是在固定環境中使用，還是在遇到移動障礙物（如人類或機器）時使用。第一種相當容易編程，但第二種更具挑戰性。"

市場上有幾種算法試圖解決機器人與移動物體碰撞的問題，但沒有一種算法是萬無一失的。

南方大學的研究人員將他們的模型與兩種常見的在線防撞算法--動態窗口法（DWA）和人工勢場（APF）--進行了測試，發現他們的模型取得了勝利。

在九個不同場景的一系列模擬中，他們比較了碰撞率、到達目的地的平均時間和機器人的平均速度。

在每個場景中，UniSA設計的算法都幫助機器人成功地瀏覽了一條沒有任何碰撞的路徑。相比之下，DWA模型的效率只有66%，在9次模擬中，有3次與物體發生碰撞。APF模型也沒有發生碰撞，但需要更多的時間才能到達目的地。

Habibullah博士說："我們提出的方法有時需要更長的路徑，但它更快、更安全，避免了所有碰撞。"他們的算法可以應用于許多環境，包括通常使用機器人的工業倉庫，用于機器人采摘水果、包裝和造粒，還可以用于將食物從廚房送到餐桌的餐廳機器人。

UniSA設計的算法可以指導TurtleBot停止，轉彎，甚至在其路徑上遇到任何東西時扭轉方向。

Habibullah博士說："這也可能是農業機器人的一個潛在解決方案，例如自主割草機、用于作物監控的地面機器人和自主除草機器人，在這些地方經常有兒童、寵物和其他動物出現。"

通過整合改進的動態窗口方法和改進的跟隨間隙方法進行自主移動機器人的局部路徑規劃 發表在《野外機器人學雜志》上。