基于相对速度的奖励函数用于机器人人群导航
机器人学
2022-01-17 v2 人工智能
摘要
四轮麦克纳姆（Mecanum）机器人因其机动性强和承载能力大而被广泛应用于各行各业，适用于在狭窄环境中执行精密运输任务，但麦克纳姆轮机器人在具有机动性的同时，也比普通机器人消耗更多能量。麦克纳姆轮移动机器人消耗的能量因其运行工况和环境而有巨大差异。因此，只有了解机器人的工作环境和精确的功耗模型，才能准确预测其功耗。为增加麦克纳姆轮机器人能耗模型的适用场景并提高建模精度，本文关注影响麦克纳姆轮机器人能耗的各种因素，如电机温度、地形、重心位置等。该模型由运动学与动力学模型结合电气工程与能量流原理推导得出。模型在MATLAB中进行了仿真，并在我们实验室的四轮麦克纳姆机器人平台上进行了实验验证。实验结果表明该模型精度达90%。能耗建模结果可通过辅助机器人进行合理路径规划与任务规划来帮助其节能。
引用
@article{arxiv.2112.13984,
title = {Relative velocity-based reward functions for crowd navigation of robots},
author = {Xiaoqing Yang and Fei Li},
journal= {arXiv preprint arXiv:2112.13984},
year = {2022}
}