卓睿
- 作品数：11 被引量：69H指数：4
- 供职机构：中国科学技术大学信息科学技术学院自动化系更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于多超声波传感器的移动机器人目标识别被引量：7
- 2005年
- 移动机器人在不确定环境中的目标识别技术是自主导航及复杂任务分解的一项关键技术。本文利用自行设计的多超声波传感器探测系统感知外界环境,提出了基于目标原型的目标识别和对感兴趣目标的主动探测方法。根据多超声波传感器的TOF(Time-of-Flight)信息,利用Dempster-Shafer证据理论,实现了移动机器人对室内特征环境的准确识别。测试结果及分析验证了该方法的可行性和识别准确性,并且该方法适用于室内机器人运动中的实时探测。
- 陈春林陈宗海卓睿
- 关键词：目标识别自主式移动机器人
- 移动机器人基于强化学习的多智能体混合式体系结构
- 本文针对室内移动机器人的平台设计、体系结构、学习与导航等开展研究，主要工作及创新点如下：
第一，提出了一种的基于强化学习的多智能体混合式体系结构，即将I/O接口智能体、慎思式智能体和反应式智能体相结合的多智能体混合...
- 卓睿
- 关键词：移动机器人多智能体导航
- 文献传递
- 强化学习在移动机器人导航上的应用
- 导航是移动机器人的一项关键技术。强化学习通过试错与环境交互获得策略的改进,其自学习和在线学习的特点使其成为机器学习领域的—个重要分支。该文首先分析了机器人学习存在的一些同题;其次介绍了强化学习的原理和结构;然后结合近年来...
- 卓睿陈宗海陈春林
- 关键词：移动机器人
- 文献传递
- 基于强化学习和模糊逻辑的移动机器人导航被引量：14
- 2005年
- 自主导航是移动机器人的一项关键技术。该文采用强化学习结合模糊逻辑的方法实现了未知环境下自主式移动机机器人的导航控制。文中首先介绍了强化学习原理,然后设计了一种未知环境下机器人导航框架。该框架由避碰模块、寻找目标模块和行为选择模块组成。针对该框架,提出了一种基于强化学习和模糊逻辑的学习、规划算法:在对避碰和寻找目标行为进行独立学习后,利用超声波传感器得到的环境信息进行行为选择,使机器人在成功避碰的同时到达目标点。最后通过大量的仿真实验,证明了算法的有效性。
- 卓睿陈宗海陈春林
- 关键词：模糊逻辑自主式移动机器人
- 基于多超声波传感器的自主移动机器人探测系统被引量：36
- 2004年
- 超声波传感器在自主式移动机器人领域有着广泛的应用。本研究根据自主式移动机器人对实时探测未知环境的要求以及超声波传感器的特点 ,设计并实现了一种适用于自主式移动机器人的声纳环探测系统。首先 ,采用了多超声波分组循环发射的方法 ,极大地降低了多超声波传感器之间的回波干扰 ;然后在对原始数据进行初步处理的基础上 ,给出了多种距离信息表示形式 ;
- 陈春林陈宗海卓睿
- 关键词：自主式移动机器人
- 分层式强化学习的定性空间表达
- 分层式强化学习是解决强化学习问题中大规模学习空间问题的一种重要方法.但分层式强化学习要协调解决不同层次的学习问题,合适的问题表示方法是其关键性技术.本文以移动机器人导航控制为应用背景,在给出了基于拓扑地图的定性空间构造方...
- 陈春林陈宗海卓睿
- 关键词：定性空间推理拓扑地图
- 连续状态自适应离散化基于K-均值聚类的强化学习方法被引量：10
- 2006年
- 使用聚类算法对连续状态空间进行自适应离散化,得到了基于K-均值聚类的强化学习方法.该方法的学习过程分为两部分:对连续状态空间进行自适应离散化的状态空间学习,使用K-均值聚类算法;寻找最优策略的策略学习,使用替代合适迹Sarsa学习算法.对连续状态的强化学习基准问题进行仿真实验,结果表明该方法能实现对连续状态空间的自适应离散化,并最终学习到最优策略.与基于CM AC网络的强化学习方法进行比较,结果表明该方法具有节省存储空间和缩短计算时间的优点.
- 文锋陈宗海卓睿周光明
- 关键词：K-均值聚类算法
- 分层式强化学习的定性空间表达
- 分层式强化学习是解决强化学习问题中大规模学习空间问题的一种重要方法。但分层式强化学习要协调解决不同层次的学习问题,合适的问题表示方法是其关键性技术。本文以移动机器人导航控制为应用背景,在给出了基于拓扑地图的定性空间构造方...
- 陈春林陈宗海卓睿
- 关键词：定性空间推理拓扑地图
- 文献传递
- 移动机器人的传感器数据融合
- 移动机器人需要综合多传感器的信息来完成诸如地图创建、物体识别、蔽障、自我定位和路径规划等各项任务。本文在对机器人领域里的多传感器技术和理论工作进行了回顾的基础上,把传感器融合算法分成三类:基于概率的融合算法,基于神经网络...
- 卓睿陈宗海陈春林
- 关键词：传感器融合移动机器人神经网络卡尔曼滤波
- 基于分层式强化学习的移动机器人导航控制被引量：2
- 2006年
- 针对未知环境下的移动机器人导航问题,本文提出了一种基于分层式强化学习的混合式控制方法。利用栅格-拓扑相结合的环境表示及地图学习方法,通过分层式强化学习在不同控制层次的扩展设计移动机器人的反应式和慎思式导航控制,实现了全局导航和局部导航控制的协调优化。实验及测试结果证明,该控制方法能实现导航任务的全局优化,避免陷入局部极小,并对未知动态环境具有较强的适应性。
- 陈春林陈宗海卓睿周光明
- 关键词：移动机器人导航控制
