项目名称: 基于概率时间自动机的移动机器人运动规划方法研究

项目编号: No.61303014

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 王瑞

作者单位: 首都师范大学

项目金额: 23万元

中文摘要: 机器人是集环境感知、定位、控制决策等于一体的综合性系统,在众多行业中应用广泛,是国内外学术界和工业界的研究热点。机器人对系统的安全性和可靠性有着极高要求。其故障和失效将会导致人身和财产的重大损失。形式化方法是确保系统可靠性和正确性的重要手段。本课题基于现代移动机器人系统的特征,针对复杂环境下移动机器人的运动规划问题,将模型检测方法应用于运动规划中,研究机器人控制软件中基于概率时间自动机的运动规划方法,设计和实现相应算法,建立机器人试验环境,验证方法的有效性。该课题的研究难点在于机器人的动态环境、运动空间和运动学模型的形式化,课题将从以下三个方面展开研究:1、环境、机器人行为、属性规范的形式化建模方法;2、动态环境下运动轨迹生成;3、离散轨迹的连续控制输入生成。项目研究成果力求取得理论方法和技术创新,并应用于医疗服务领域移动机器人软件运动规划的设计和验证。

中文关键词: 运动规划;概率模型检测;机器人验证;时间自动机;

英文摘要: A robot is a comprehensive system collecting environment sensing, localization, controlling and decision-making, etc. It is wildly used in all walks of life, which makes it a hot issue in both academic and industrial area. The safety and reliability of robots system should be highly ensured, in case of huge personal injuries or property damages caused by system failure. Formal methods are efficient means to make sure of the correctness and reliability of the system. The time constraints for robotic missions can be well expressed in temporal logic. In this project, we will focus on the motion planning problem of modern mobile robots in complicated environment. Model checking, one of formal methods, is adopted here. Design and implementation of the robot control software will be achieved for motion planning based on probabilitic timed automata. To check the effect of our approach, an experiment environment will be established as well. The difficulty of the project lies in the formalization of dynamic environment, motion space and kinematic models. We will do the research from the following three aspects: (1) formal modeling of environment, robots behavior and requirement specifications, (2) the generation of motion trajectories in dynamic environment, (3) continuous control input generation under discrete trajecto

英文关键词: Motion Planning;Problistic Model Checking;Robot verification;Timed Automata;

成为VIP会员查看完整内容
1

相关内容

【ETH、Stanford】基于博弈论的运动规划,Tutorial ICRA '21
专知会员服务
55+阅读 · 2022年3月7日
专知会员服务
42+阅读 · 2021年9月15日
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
34+阅读 · 2020年11月26日
【康奈尔】最新《强化学习基础》CS 6789课程
专知会员服务
67+阅读 · 2020年9月27日
最新《智能交通系统的深度强化学习》综述论文,22页pdf
机器人运动轨迹的模仿学习综述
专知
1+阅读 · 2021年11月12日
【GAN】生成对抗网络(GAN)的发展史
产业智能官
16+阅读 · 2020年3月20日
【仿真】基于大数据的机器学习与数值仿真技术
产业智能官
49+阅读 · 2019年9月3日
【AGV】仓库内多AGV协作的全局路径规划算法的研究
产业智能官
27+阅读 · 2018年11月10日
形式化方法的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月8日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
国家自然科学基金
11+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
20+阅读 · 2019年9月7日
Self-Attention Graph Pooling
Arxiv
13+阅读 · 2019年6月13日
Arxiv
24+阅读 · 2018年10月24日
小贴士
相关VIP内容
相关资讯
机器人运动轨迹的模仿学习综述
专知
1+阅读 · 2021年11月12日
【GAN】生成对抗网络(GAN)的发展史
产业智能官
16+阅读 · 2020年3月20日
【仿真】基于大数据的机器学习与数值仿真技术
产业智能官
49+阅读 · 2019年9月3日
【AGV】仓库内多AGV协作的全局路径规划算法的研究
产业智能官
27+阅读 · 2018年11月10日
形式化方法的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月8日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
相关基金
国家自然科学基金
11+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
相关论文
微信扫码咨询专知VIP会员