潜在现场方法：真实机器人

Question

潜在的现场方法是机器人导航的非常流行的模拟。但是，是否有人对真正的机器人实施了潜在的现场方法？在真实机器人中使用该方法的任何参考或任何主张？

Answer 1

我以前做过潜在的基于现场的路径计划，但放弃了它，以更适合解决我的问题。它适用于您具有准确的本地化和准确的传感器读数的环境，但在现实世界环境中却少得多（即使在速度和路径质量方面，即使在模拟中，也不是一个特别的解决方案）。考虑到现在有很多免费或低成本的SLAM实现，除非您在重用方面遇到非常具体的问题，否则我不会再重新实现。对于MRD（我使用的工作），有Karto机器人技术，ROS具有SLAM实现，并且只有Google搜索只有几个开源实现。

如果您想对路径计划的不同方法进行很好的概述，那么您可能需要抓住Segwart等人的“自动移动机器人简介”的副本。这是一本很好的书，《路径规划》部分很好地概述了周围的不同策略。

Answer 2

我建议阅读这本书 计划算法 史蒂文·M·拉瓦勒（Steven M. Lavalle），如果您通常对路径或运动计划感兴趣。本书中描述的方法在机器人学界积极使用。

另一方面，在Google Scholar或IEEE网站上进行搜索将为您提供大量参考，这些论文描述了潜在现场方法的用法和研究。

Answer 3

快速的Google用于潜在的现场方法提出了本文： 潜在的现场方法及其对移动机器人导航的固有局限性 并提醒我有关上一次使用潜在现场方法的问题。

在我们的项目中（CWRU移动机器人技术），我们已经看到了潜在的基于现场的算法的这些确切问题。最后一次尝试，一个移动机器人竞争 IGVC 在2009年，该论文中描述了相同的问题，特别是当地的最小值，无法穿越紧密间隔的障碍。我清楚地记得必须解决问题紧密的障碍问题，同时试图通过围栏的狭窄开口进行计划，这是IGVC的GPS Waypoint导航挑战的一部分。

我们能够通过使用自定义的OpenGL着色器来完成所有计算，同时代表潜在字段作为图像/Framebuffer，可以从算法中获得相当不错的计划速度。正如汤姆（Tom）指出的那样，在未知或动态环境中，它不是很好，因为在那些情况下，潜在领域将永远不会稳定，并且会不断需要更新。

Answer 4

正如@Tom上面指出的那样，您通常不能依靠完美的传感器读数，也不能按照您想象的告诉他们的方式移动您的电动机。

几年前，我有机会使用的相对新颖的猛击方法是广义的Voronoi图（GVG）；基本上，保持与最近的两个墙壁的等距，保持移动，并在您等于三个或更多墙的点处，回来，尝试在某个时候尝试每个两壁分支。您将构建一张图形，使您一路绕过房间，并确保您对房间的所有内容都有视线。

Answer 5

我们在2003年为我们的DARPA Grand挑战工具（团队Overbot）尝试并放弃了潜在的现场算法（OpenSteer）。对于非全面机器人来说，这不是一个好主意，因为它不考虑转向或动态限制。它在狭窄的空间中根本无法正常工作。它更适合飞行机器，在那里您有足够的开放空间，并且不想遇到障碍。