机器人运动路径规划方法

机器人运动路径规划的性能指标包括：实时性、安全性和可达性等。在动态环境中，由于环境信息是时刻变化的，如果移动机器人实时性差，滞后于动态环境，就可能会导致避障失败。安全性和可达性也很重要。一个性能指标不好的方法，即使它能使移动机器人走出完美的轨迹，也将被淘汰。而有些方法没有高深的理论，但计算简单，实时性、安全性好，则有存在的空间。如何使性能指标更好是各种算法研究的一个重要方向。

智能化移动机器人路径规划主要包括模糊控制、神经网络、遗传算法以及它们的相互结合等方法。智能化方法能模拟人的经验，逼近非线性，具有自组织、自学习功能并且具有一定的容错能力。这些方法应用于路径规划会使移动机器人在动态环境中更灵活，更具智能化。

移动机器人的多传感器信息融合也是当今一个比较活跃的研究领域。移动机器人在动态环境中进行路径规划所需信息都是从传感器得来。单传感器难以保证输入信息准确与可靠。多传感器所获得信息具有冗余性，互补性，实时性和低代价性，且可以快速并行分析现场环境。具体方法有采用概率方法表示信息的加权平均法，贝叶斯估计法，多贝叶斯法，卡尔曼滤波法，统计决策理论法。有采用命题方法表示信息的D-S证据推理，模糊逻辑，产生式规则，还有仿效生物神经网络的信息处理方法，人工神经网络法等。

基于行为的路径规划方法是一种自底向上的构建系统方法，即把路径规划分解成一系列相对独立的小系统，在运行状态下通过竞争机制取得控制机器人的主导权，并在与环境交互作用中最终达到目标。基于功能/行为的机器人控制结构融合了两者优点，既有基于功能控制结构的必要理性，又有基于行为控制结构的快速响应。

综上所述，移动机器人路径规划技术已经取得了可观的成绩，但是，在其全局路径与局部路径规划方法中仍然存在诸多不足之处，并且还未研究出能够适用于所有场合的方法。所以，需要在其路径规划技术方面深入研究，进而推动该技术的进一步发展。