买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江大学

摘要：本发明公开了一种空地两用机器人双模态自主探索方法及装置，该方法先根据环境生成与聚合当前探索边界，对探索边界体素进行聚类并对边界聚类分别进行空中模式和地面模式视点采样，利用双模态蒙特卡洛树搜索技术对空地两用机器人运动模态进行规划。最后根据指导路径和模态的规划结果生成探索轨迹。基于该方法，空地两用机器人能够在时间和能量受限的情况下完成自主探索，让机器人探索行为在时间最优和能量最优之间取得平衡。

主权项：1.一种空地两用机器人双模态自主探索方法，其特征在于，包括：探索环境信息提取：机器人根据当前已感知环境构建栅格地图，从所述栅格地图中提取所有已知边界的体素并对提取出的体素进行聚类，得到若干边界聚类，依照机器人在空中模态和地面模态不同的感知特性，对每个所述边界聚类进行视点采样，分别得到空中采样模式和地面采样模式下的视点集合；双模态蒙特卡洛树搜索：以采样视点作为节点，构建双模态蒙特卡洛树，通过对所述双模态蒙特卡洛树的迭代选择、拓展、模拟、反馈，得到带运动模态的最佳视点序列；基于所述最佳视点序列进行轨迹规划，从而实现自主探索；其中，在所述双模态蒙特卡洛树中，每个节点的评分向量Rv＝[IGvv,其中IGv是节点v对应的视点VP的信息增益，为包含在该视点视域中的边界体素的数量，nv是当前节点v的子树中的节点数量，和分别是完整探索任务后的剩余能量Erv和剩余时间Trv的惩罚函数，其中Eall是原有总能量，其中Tall是原有总时间，a1,b1,a2,b2是决定惩罚函数形状的超参数；其中，对所述双模态蒙特卡洛树迭代进行以下步骤1-3所示的选择、拓展、模拟、反馈过程，到预定迭代阈值后停止，选择最高评分的子节点作为下一个轨迹规划的目标点，包括：1选择过程：从根节点出发，递归地选择最优叶节点作为准备进行拓展的节点，其中选择策略遵循置信上限规则；2模拟与拓展过程：对于所选的视点节点vi∈VGi，在其潜在的子节点中随机选择一个进行拓展，其中VG为同一个边界聚类的所有视点组成视点集合；更新机器人到达新拓展节点VPi+1的剩余能量和剩余时间，其中剩余能量ERVPi+1如下：ERVPi+1＝ERVPi-EVPi,VPi+1,其中EVPi,VPi+1是从VPi到VPi+1的能量消耗，ERVPi为机器人到达VPi时的剩余能量；基于旅行商问题，得到从VPi+1出发，遍历所有边界聚类并返回出发点的最短引导路径；得到所述最短引导路径后，对从VPi+1出发完成探索任务后的剩余能量和剩余时间Er,Tr进行更新，其中剩余能量Er的更新如下： 其中，k为机器人需要访问的总节点个数，EVGq,VGq+1,T+A2表示平均模态M＝T+A2下机器人从视点集合VGq到VGq+1的能量消耗，EVGk,pH表示从最后一个视点返回出发点的能量消耗，pH为出发点的位置；在扩展过程中引入剪枝规则：当估计的剩余能量下界或剩余时间下界为负数时，剪枝该节点并不再拓展，所述剩余能量下界为： 其中表示遍历完所有视点集合的能量消耗下界，EVGq,VGq+1,T为模态T下机器人从视点集合VGq到VGq+1的能量消耗；遍历完所有视点集合的时间消耗下界为TVGq,VGq+1,A为模态A下机器人从视点集合VGq到VGq+1的时间消耗；3反馈过程：通过回溯到根节点并更新回溯路径上所有节点的评分，来得到新扩展节点的评分；在反馈过程中，每个被回溯节点的子节点数增加1，然后更新IG的累计评分和Er、Tr的平均评分： IGv＝IGv+IGv.kid其中IGv是节点v对应的视点VP的信息增益，Numv.kid为节点v的子节点个数。

全文数据：

权利要求：

百度查询： 浙江大学 一种空地两用机器人双模态自主探索方法及装置