55、机器人导航环境中的并行物体运动预测

机器人导航环境中的并行物体运动预测

1. 引言

在移动机器人导航系统中，预测移动物体的下一时刻位置（短期预测）和识别其运动轨迹（长期预测）是避障和规划安全路径到达目的地的关键需求。运动预测技术的成功很大程度上取决于预测技术的响应时间和预测的时间有效性。

以往的预测算法通常倾向于考虑所有观察对象中最近的对象进行未来预测，这可能会导致一些问题：
- 从所有观察对象中搜索最近对象，这在预测过程中会花费大量时间。
- 当多个对象距离相同但位置不同时，难以选择最关键的对象。
- 对机器人未来移动的决策不佳。

为了解决这些问题，研究人员提出利用并行计算技术来解决机器人运动规划问题。本文将之前的工作进行扩展，使机器人能够通过并行实现同时处理多个对象。

2. 移动物体运动预测

机器人进行避障时，理想的方式是类似于人类的避障动作，应在障碍物靠近之前就采取行动，因此需要对障碍物的未来运动进行预测。
- 短期运动预测 ：采用基于模糊规则的运动预测算法。在导航环境中，按相等时间间隔对移动物体的位置进行采样，将其作为模糊规则库的输入，然后使用模糊推理过程和最大均值去模糊化方法预测下一个实例的物体位置。
- 长期运动预测 ：采用基于模糊自组织映射（FSOM）的算法。观察的导航环境是基于模糊的，以模糊值表示物体相对于机器人的位置（范围和方向）。在学习阶段，使用自组织映射（SOM）对环境中观察到的相似运动模式进行聚类；在估计阶段，SOM将环境中部分观察到的物体轨迹分类到学习阶段生成的聚类之一，所识别聚类的平均轨迹即为移动物体可能的未来轨迹。 <