势场法：Real Robots答案

【问题标题】：Potential field method : Real Robots势场法：Real Robots
【发布时间】：2010-05-04 09:53:33
【问题描述】：

势场法是一种非常流行的机器人导航模拟。但是，有没有人在真正的机器人上实施了势场法？在真实机器人中使用该方法的任何参考或任何声明？

【问题讨论】：

伙计们，我很高兴收到回复，感谢所有回复的人。

【解决方案1】：

我之前做过基于潜在领域的路径规划，但放弃了它，转而采用更合适的方法来解决我的问题。它适用于您具有准确定位和准确传感器读数的环境，但在现实世界环境中则更少（即使在速度和路径质量方面，即使在模拟中，它也不是一个特别好的解决方案）。考虑到现在有很多好的 SLAM 实现，无论是免费的还是低成本的，我不会费心重新实现，除非你在重用方面有非常具体的问题。对于 MRDS（我从事的工作）有 Karto Robotics，ROS 有一个 SLAM 实现，并且有几个开源实现只需 google 搜索即可。

如果您想全面了解路径规划的不同方法，那么您可能需要获取 Segwart 等人的“自主移动机器人简介”的副本。这是一本相当不错的书，路径规划部分很好地概述了不同的策略。

【讨论】：

非常感谢.....而且我曾经认为我的问题会无人回答。我想你应该得到 100 分，你能否将你潜在的实地工作的详细信息（在公共领域或正式出版）发送到我的电子邮件 arkapravobhaumik@gmail.com。非常感谢
能否请您发送您的出版物等
Segwart 的书非常好。我有一份电子版，大部分主题都处理得很好。

【解决方案2】：

如果您通常对路径或运动规划感兴趣，我建议您阅读 Steven M. LaValle 的书Planning Algorithms。本书中描述的方法在机器人社区中得到了积极使用。

另一方面，在 google 学者或 IEEE 网站上进行搜索，您将获得大量描述势场方法使用和研究的论文的参考资料。

【讨论】：

@MKroehnert ：我已经阅读了很多资料 :) .... 我想要关于基于潜在场的导航的第一人称意见...在真正的机器人中...不是电脑屏幕！ :)
@Arkapravo：在我们的实验室中，基于 RRT 的方法用于运动和路径规划，并且效果很好。 OpenRAVE (openrave.programmingvision.com) 中的规划也是使用 RRT 完成的，并与几个“真实”机器人项目一起使用。不幸的是，我对势场法没有任何有意义的经验。
@MKroehnert：我确实从 IEEE 和 Science Direct 网站上获得了大量关于该主题的研究论文。 :)
@MKroehnert : 你对潜在场导航做了什么样的研究？
@Arkapravo：正如我在上面的评论中提到的，我们主要使用 RRT 相关的方法进行运动规划。就个人而言，到目前为止我还没有使用过潜在领域。

【解决方案3】：

一个关于潜在场方法的快速谷歌提出了这篇论文：Potential Field Methods and Their Inherent Limitations for Mobile Robot Navigation，并提醒我上次使用潜在场方法时遇到的问题。

在我们的项目 (CWRU Mobile Robotics) 中，我们已经看到了基于潜在场的算法的这些确切问题。最后一次尝试是 2009 年在IGVC 竞争的移动机器人，它遇到了与该论文中描述的相同的问题，特别是局部最小值和无法通过紧密间隔的障碍物。我清楚地记得，作为 IGVC 的 GPS 航路点导航挑战的一部分，我在尝试通过栅栏上的狭窄开口进行规划时，必须解决间隔距离很近的障碍物的问题。

通过使用自定义 OpenGL 着色器来执行所有计算，同时将潜在场表示为图像/帧缓冲区，我们能够从算法中获得相当不错的规划速度。正如 Tom 所指出的，它在未知或动态环境中并不是那么好，因为在这些情况下，势场永远不会稳定并且需要不断更新。

【讨论】：

我已经阅读了那篇论文，很高兴知道你的经历。
你有任何关于你的实现的文章吗？ .... OpenGL 着色器看起来不错... 从来不知道我可以将 OpenGL 与导航界面结合起来 .... 从没想过这些术语 ..
@Arkapravo：我们没有任何关于该实现的发布，至少我知道。我会看看我是否可以提供源代码，然后在我的帖子中放一个链接。至于使用 OpenGL（以及一般的图像处理工具，例如 OpenCV），我们已经看到它们在导航中的用途，我们需要大规模更新可以由灰度图像或帧缓冲区表示的任何结构，例如势场或占用网格。

【解决方案4】：

正如@Tom 上面指出的那样，您通常不能依赖完美的传感器读数或电机将您移动到您认为您告诉他们的距离。

几年前我有机会使用的相对新颖的 SLAM 方法是广义 Voronoi 图 (GVG)；基本上，与最近的两堵墙保持等距，继续移动，在与三堵或更多堵墙等距的地方，回来尝试每个两堵墙的分支。您将构建一个图表，让您在房间内四处走动，并确保您对房间内的所有事物都有视线。

【讨论】：

【解决方案5】：

我们在 2003 年尝试并放弃了用于 DARPA 大挑战车辆（Team Overbot）的势场算法 (OpenSteer)。对于非完整机器人来说，这不是一个好主意，因为它不考虑转向或动态约束。在狭小的空间里它根本不起作用。它更适合飞行机器，您有足够的开放空间并且不想靠近障碍物。

【讨论】：