潜在场方法：真实机器人

Question

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

Answer 1

之前我已经完成了潜在的基于字段的路径规划，但放弃了它以支持更适合我的问题的方法。它适用于您具有精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，即使在模拟中也不是特别好的解决方案）。考虑到现在有很多好的SLAM实现可以免费或低成本，我不打算重新实现，除非你有重复的非常具体的问题。对于MRDS（我工作的）有Karto Robotics，ROS有一个SLAM实现，并且有几个开源实现只有google搜索。

如果您想要对路径规划的不同方法有一个很好的概述，那么您可能想要获取Segwart等人的“自主移动机器人介绍”的副本。这是一本非常好的书，路径规划部分概述了不同的策略。

Answer 2

如果您对路径或动作规划感兴趣，我建议您阅读Steven M. LaValle的书Planning Algorithms。 本书中描述的方法被积极地用于机器人社区。

另一方面，谷歌学者或IEEE网站上的搜索将为您提供大量参考描述潜在领域方法的使用和研究的论文。

Answer 3

本文提出了一个针对潜在现场方法的快速Google：Potential Field Methods and Their Inherent Limitations for Mobile Robot Navigation并提醒了我上次使用潜在字段方法时出现的问题。

在我们的项目（CWRU Mobile Robotics）中，我们已经看到了潜在的基于字段的算法的这些确切问题。最后一次尝试，一个移动机器人在2009年IGVC参加比赛，与该论文中描述的问题相同，特别是局部最小值并且无法通过间隔很小的障碍物。我清楚地记得，在试图通过围栏中的狭窄开口作为IGVC GPS航点导航挑战的一部分时，必须解决间隔较小的障碍物的问题。

通过使用自定义OpenGL着色器完成所有计算，同时将潜在字段表示为图像/帧缓冲，我们能够从算法中获得相当不错的计划速度。正如汤姆所指出的那样，在未知或动态环境中它并不是那么好，因为在那些情况下，潜在领域永远不会稳定并且将不断需要更新。

Answer 4

正如@Tom在上面所指出的那样，你通常不能依靠完美的传感器读数或者你想要告诉他们的电动机。

我在几年前有机会使用的相对新颖的SLAM方法是广义Voronoi图（GVG）;基本上，与最近的两面墙保持距离，保持移动，并且在与三面或更多墙壁等距的点处，回来并在某一点尝试每个双壁分支。你将建立一个图表，让你在房间里一路走来，并保证你在房间里的所有东西都有视线。

Answer 5

我们在2003年尝试并放弃了我们的DARPA Grand Challenge车辆（Team Overbot）的潜在场算法（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力学限制。它在狭小的空间里并不能很好地工作。它更适合飞行机器，你有充足的开放空间，不想靠近障碍物。