轮式蛇形机器人

自主避障建图

采用模块化设计和多传感器融合，基于深度强化学习的路径规划方法，使蛇形机器人在未知环境中实现自主导航与避障。

Xin, Liu · 温淑焕 · Yaohua, Hu · Fei, Han · 张宏 · Reza Karimi, Hamid

Mechatronics 2024

技术优势

避障能力更强

采用深度Q学习进行路径规划，相较于传统算法能更有效地避开障碍物，减少碰撞。

成功率更高

所提出的主动SLAM算法提高了蛇形机器人路径规划的成功率。

多传感器融合

融合二维激光雷达与IMU数据，实现未知环境下的自主导航和障碍物检测。

应用场景

• 蛇形机器人：进入狭窄或危险环境执行探测与作业。
• 自主导航避障：在未知环境中自主移动并避开障碍物，减少碰撞。
• 深度强化学习：通过深度强化学习训练路径规划策略，实现更优避障。