研发专家：无人机需要蜂群算法完成协同工作_网易航空
研发专家：无人机需要蜂群算法完成协同工作
用微信扫码二维码
分享至好友和朋友圈
近日，无人机研发领域专家Vijay Kumar在雷锋网举办的CCF-GAIR全球人工智能与机器人峰会上，分享了他对于空中机器人的看法，他认为空中机器人更多还是机器人的属性，并且会朝着5S方向发展。
Vijay Kumar在演讲/图 &来源雷锋网Vijay Kumar提到，现阶段无人机的作用在行业应用和娱乐方面比较多，但在未来，空中机器人的作用更多是用在搜索和营救方面，即使是军方也需要小而隐秘的空中机器人搜集情报。所以无人机日后的一个发展方向应该是微小型，如果体积太大，不利于对环境进行监测，也容易被敌人发现，还会降低其灵活度。不过，体积缩小也会带来不便，当无人机直径缩小到10厘米时，它就不能搭载过重的设备，也不能移动物品，只能作为前期勘探侦查使用。而无人机带来的一系列安全问题，则是一直在强调的。不仅在操作时要注意飞行安全，还要时刻对无人机下方的行人负责，虽然部分保险公司已经针对飞手和第三方推出了意外险，但是我们还是应该尽力避免事后伤害。相较于体积大的无人机，微小型无人机显然更安全，即使碰撞到路人，动能也更小，伤害同样会更小。微小型无人机比大型无人机更能适应周遭的环境，由于体积小，质量轻，相应的惯性也比较小，在发生意外情况的时候能被更好的控制，甚至可以迅速的调整自我平衡。今后无人机也将朝着更智能的方向发展，各种传感器会变成空中机器人的眼睛、耳朵、鼻子和手。这些传感器协调工作，组成一个闭环，对环境进行检测、分析、决策，以此实现自我规划路径，同样也可以实现避障。据雷锋网报道，Vijay Kumar指出，这不只是简单的避障。在螺旋仪和加速仪的配合下，无人机知道如何根据环境特征进行移动。通过每秒做数百次的运算，计算出最可行的方位和速度。如图所示，传感器不同的等级、不同的不确定性，我们都可以通过概率学的方法把系统的数据融合在一起，通过一个等式来把它归纳成一个位置和速度的估算。但这个要达到一定灵敏度也仍是个挑战。此外，无人机在飞行过程中不仅需要可以判断其速度和位置，还需要加以控制，避免走入障碍区。这就需要地图的识别技术了。最后一个S是指蜂群，swarms。蜂群有三个特征：1、独立行动；2、只依靠当地信息：不知道其他团队的需求，它只知道周边最近的情况；3、无个性特征的行为：无需身份。蜂群到底是什么东西？简单来说，蜂群就是完全扁平的去中心化的网状结构，依靠点与点间的链接，像波动一样迅速传导信息，而后数量集聚导致质变，涌现出极端一致的"集群"特征。听起来太难懂？举个例子，一群蚂蚁在搬回一小块苹果的时候，每只蚂蚁都是独立行动的，它们并没有一个指挥者告诉它们该什么时候直行、什么时候拐弯，每只蚂蚁都是独立的。他们不知道团队的情况，但是他们清楚地知道自己附近的蚂蚁也在搬这块苹果，每只蚂蚁都是只知道自己的周边的情况，但这足以使这个团体运作。同时，每只蚂蚁也不需要身份，没有个体特征，不需要知道这只蚂蚁是张三，那只蚂蚁是李四，或者之前有过什么矛盾，对于“把苹果块搬回巢穴”这个任务来说，身份只是冗余信息，对于完后该任务没有一点用。更神奇的是，整个任务中，蚂蚁数量的增加和减少都不会改变这个任务的完成度，甚至连队形和路线都不会改变。蚂蚁合作搬东西/图 &来源网络群体行为的产生机制通常都是十分简单的，但是群体中单个个体行为会被邻近的个体所影响，在没有集中控制的情况下，个体就可以通过局部简单的相互交流，使得整体表现出诸如自组织、协作等一些较为复杂的群体行为，在复杂性技术中，这种技术就叫做涌现。通过交互作用或协作行为，一些比较简单的生物个体就能够体现出整体优势，完成较为复杂的任务，这给人类带来了许多启发。把群智能的思想应用到无人机中，可以对多无人机执行任务带来很多优势。比如：群体包含的个体是完全分散式的，没有中心控制，较为容易和此时的网络环境下的工作状况相匹配，不会因为单一个体或几个个体出现不确定的状况而影响全局，因此，具有更强的鲁棒性；每个个体不能直接得到整体信息，仅能感知部分信息，并有十分简单的单个自治个体规则，只需要最小智能，具有简单性；群体中个体之间通过非直接通信相互合作。由于通过这种种方式进行信息传输与交互，所以个体越多，通信消耗的增幅也就越大，这样的系统具有更好的可拓展性；自组织能力，也就是说群体通过个体间简单的一些行为就能够解决较为复杂的问题，执行较为复杂的任务。根据Vijay Kumar的说法，无人机同样可以协同合作，完成单个无人机不能完成的任务，尤其无人机体积变小后，不能负重，但是协同工作的话，就可以更好的发挥微小型无人机的灵活性。蜂群无人机的难度依然很大无人机在实际飞行中如果存在突发状况，必须进行航迹重新规划，以以规避威胁。为满足协同工作时的时效性，重新规划所采用的算法必须具有实时、高效的特点。因此，可以根据蜂群算法领域搜索的特点，以参考航迹的突发威胁作为领蜂航迹，跟随蜂仅在参考航迹的突发威胁段进行领域搜索，而不需要对整条航迹进行搜索，由此可以快速获得修正航迹段，并替换原突发威胁航迹段，整个飞行过程中，无人机根据获得的威胁信息，不断修正参考航迹，直至达到目标节点。但真正使用蜂群算法实现无人机协同飞行还是很困难的，知乎用户吴易易在回答“无人机编队飞行应用了哪些技术？实现有什么困难？”时指出：编队飞行本质上是一个路径规划问题，你并不清楚自己在哪里，也不太清楚周围都有啥，甚至都不知道你的伙伴都有谁。用比较专业的术语回答就是，首先，没有足够可用的定位方法，无论相对的还是绝对的；其次，没有被透彻研究过的动态避障问题；没有现成可用的通讯链路。何况使用蜂群算法的无人机协同工作比编队飞行更难，因为编队飞行需要注重飞行，但蜂群协同工作还需要完成任务，在完成任务的过程中，还会遇到更多问题。
由于无人机使用蜂群算法进行协同工作有巨大的价值，目前很多高校实验室、科技企业也在研究，新加坡新创科技公司SwarmX同样在从事蜂群无人机的研究工作。日前，在深圳召开2016商业无人机论坛上，来自新加坡的 SwarmX公司的CEO Pulkit Jaiswal在论坛上分享了他们关于蜂群无人机的坞站，挪威总理还去他们公司参观过。根据目前的形势来看，蜂群算法在无人机的应用上还有相当大的进步空间，这对于优化无人机航迹和提高无人机协同作战能力均有帮助。有志于在群体无人机研究方面取得突破的企业可以试试该方向。（来源：宇辰网）
本文来源：宇辰网
责任编辑：丁子璇_BJS2867
用微信扫码二维码
分享至好友和朋友圈
加载更多新闻
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
阅读下一篇
用微信扫描二维码
分享至好友和朋友圈在现今的推荐技术和中，最被大家广泛认可和采用的就是基于协同过滤的推荐方法。本文将带你深入了解协同过滤的秘密。下面直接进入正题.
1. 什么是推荐算法
推荐算法最早在1992年就提出来了，但是火起来实际上是最近这些年的事情，因为互联网的爆发，有了更大的数据量可以供我们使用，推荐算法才有了很大的用武之地。
最开始，所以我们在网上找资料，都是进yahoo，然后分门别类的点进去，找到你想要的东西，这是一个人工过程，到后来，我们用google，直接搜索自己需要的内容，这些都可以比较精准的找到你想要的东西，但是，如果我自己都不知道自己要找什么肿么办？最典型的例子就是，如果我打开豆瓣找电影，或者我去买说，我实际上不知道我想要买什么或者看什么，这时候推荐系统就可以派上用场了。
2. 推荐算法的条件
现在的各种各样的推荐算法，但是不管怎么样，都绕不开几个条件，这是推荐的基本条件
1.根据和你共同喜好的人来给你推荐&2.根据你喜欢的物品找出和它相似的来给你推荐&3.根据你给出的关键字来给你推荐，这实际上就退化成搜索算法了&4.根据上面的几种条件组合起来给你推荐
3. 推荐算法分类
推荐算法大致可以分为三类：
3.1 基于内容的推荐算法
基于内容的推荐算法，原理是用户喜欢和自己关注过的Item在内容上类似的Item，比如你看了哈利波特I，基于内容的推荐算法发现哈利波特II-VI，与你以前观看的在内容上面（共有很多关键词）有很大关联性，就把后者推荐给你，这种方法可以避免Item的冷启动问题（冷启动：如果一个Item从没有被关注过，其他推荐算法则很少会去推荐，但是基于内容的推荐算法可以分析Item之间的关系，实现推荐），弊端在于推荐的Item可能会重复，典型的就是新闻推荐，如果你看了一则关于MH370的新闻，很可能推荐的新闻和你浏览过的，内容一致；另外一个弊端则是对于一些多媒体的推荐（比如音乐、电影、图片等)由于很难提内容特征，则很难进行推荐，一种解决方式则是人工给这些Item打标签。
3.2 协同过滤推荐算法
协同过滤算法，原理是用户喜欢那些具有相似兴趣的用户喜欢过的商品，比如你的朋友喜欢电影哈利波特I，那么就会推荐给你，这是最简单的基于用户的协同过滤算法（user-based collaboratIve filtering），还有一种是基于Item的协同过滤算法（item-based collaborative filtering），这两种方法都是将用户的所有数据读入到内存中进行运算的，因此成为Memory-based Collaborative Filtering，另一种则是Model-based collaborative filtering，包括Aspect Model，pLSA，LDA，聚类，SVD，Matrix Factorization等，这种方法训练过程比较长，但是训练完成后，推荐过程比较快。
3.3基于知识的推荐算法。
最后一种方法是基于知识的推荐算法，也有人将这种方法归为基于内容的推荐，这种方法比较典型的是构建领域本体，或者是建立一定的规则，进行推荐。 混合推荐算法，则会融合以上方法，以加权或者串联、并联等方式尽心融合。 当然，推荐系统还包括很多方法，其实或者数据挖掘里面的方法，很多都可以应用在推荐系统中，比如说LR、GBDT、RF（这三种方法在一些电商推荐里面经常用到），社交网络里面的图结构等，都可以说是推荐方法。
今天这篇文章要讲的基于用户的协同过滤算法.
3 什么是协同过滤
协同过滤是利用集体智慧的一个典型方法。要理解什么是协同过滤 (Collaborative Filtering, 简称 CF)，首先想一个简单的问题，如果你现在想看个电影，但你不知道具体看哪部，你会怎么做？大部分的人会问问周围的朋友，看看最近有什么好看的电影推荐，而我们一般更倾向于从口味比较类似的朋友那里得到推荐。这就是协同过滤的核心思想。
换句话说，就是借鉴和你相关人群的观点来进行推荐，很好理解。
4 协同过滤的实现
要实现协同过滤的推荐算法，要进行以下三个步骤：
4.1)收集数据
4.2)找到相似用户和物品
4.3进行推荐
4.1 收集数据
这里的数据指的都是用户的历史行为数据，比如用户的购买历史，关注，收藏行为，或者发表了某些评论，给某个物品打了多少分等等，这些都可以用来作为数据供推荐算法使用，服务于推荐算法。需要特别指出的在于，不同的数据准确性不同，粒度也不同，在使用时需要考虑到噪音所带来的影响。
4.2找到相似用户和物品
这一步也很简单，其实就是计算用户间以及物品间的相似度。以下是几种计算相似度的方法：&
4.3 进行推荐
在知道了如何计算相似度后，就可以进行推荐了。
在协同过滤中，有两种主流方法：
1)基于用户的协同过滤
2)基于物品的协同过滤
具体怎么来阐述他们的原理呢，看个图大家就明白了
基于用户的 CF 的基本思想相当简单，基于用户对物品的偏好找到相邻邻居用户，然后将邻居用户喜欢的推荐给当前用户。计算上，就是将一个用户对所有物品的偏好作为一个向量来计算用户之间的相似度，找到 K 邻居后，根据邻居的相似度权重以及他们对物品的偏好，预测当前用户没有偏好的未涉及物品，计算得到一个排序的物品列表作为推荐。 下图给出了一个例子，对于用户 A，根据用户的历史偏好，这里只计算得到一个邻居 - 用户 C，然后将用户 C 喜欢的物品 D 推荐给用户 A。&&基于物品的 CF 的原理和基于用户的 CF 类似，只是在计算邻居时采用物品本身，而不是从用户的角度，即基于用户对物品的偏好找到相似的物品，然后根据用户的历史偏好，推荐相似的物品给他。从计算的角度看，就是将所有用户对某个物品的偏好作为一个向量来计算物品之间的相似度，得到物品的相似物品后，根据用户历史的偏好预测当前用户还没有表示偏好的物品，计算得到一个排序的物品列表作为推荐。下图给出了一个例子，对于物品 A，根据所有用户的历史偏好，喜欢物品 A 的用户都喜欢物品 C，得出物品 A 和物品 C 比较相似，而用户 C 喜欢物品 A，那么可以推断出用户 C 可能也喜欢物品 C。&
算法存在的问题
这个算法实现起来也比较简单，但是在实际应用中有时候也会有问题的。
比如一些非常流行的商品可能很多人都喜欢，这种商品推荐给你就没什么意义了，所以计算的时候需要对这种商品加一个权重或者把这种商品完全去掉也行。
再有，对于一些通用的东西，比如买书的时候的工具书，如现代汉语词典，新华字典神马的，通用性太强了，推荐也没什么必要了。
　　在非社交网络的网站中，内容内在的联系是很重要的推荐原则，它比基于相似用户的推荐原则更加有效。比如在购书网站上，当你看一本书的时候，推荐引擎会给你推荐相关的书籍，这个推荐的重要性远远超过了网站首页对该用户的综合推荐。可以看到，在这种情况下，Item CF 的推荐成为了引导用户浏览的重要手段。同时 Item CF 便于为推荐做出解释，在一个非社交网络的网站中，给某个用户推荐一本书，同时给出的解释是某某和你有相似兴趣的人也看了这本书，这很难让用户信服，因为用户可能根本不认识那个人；但如果解释说是因为这本书和你以前看的某本书相似，用户可能就觉得合理而采纳了此推荐。
movie name
=======================================================
Contact (1997)
11-Jul-1997
Scream (1996)
20-Dec-1996
Liar Liar (1997)
21-Mar-1997
Saint, The (1997)
14-Mar-1997
English Patient, The (1996)
15-Nov-1996
Titanic (1997)
01-Jan-1997
Air Force One (1997)
01-Jan-1997
Star Wars (1977)
01-Jan-1977
Conspiracy Theory (1997)
08-Aug-1997
Toy Story (1995)
01-Jan-1995
Fargo (1996)
14-Feb-1997
博客园,昵称:：~大器晚成&csdn昵称:ygrx的[推荐算法]基于用户的协同过滤算法
阅读(...) 评论()浙江工业大学硕士学位论文?；图2-10失真图像（左）和校正后图像（右）对比；图2-11相机标定程序流程图；?16；浙江工业大学硕士学位论文?；3、图像定位；图像定位是实现目标识别的主要过程，包括颜色模型的；1）颜色模型选择；本实验控制平台采用CMOS摄像头作为全局图像输入；RGB颜色模式的阈值范围，而且容易导致把并非指定；表2-1RGB转HSV算法；RGB转
浙江工业大学硕士学位论文? 图2-10
失真图像（左）和校正后图像（右）对比
相机标定程序流程图
?16浙江工业大学硕士学位论文?3、图像定位 图像定位是实现目标识别的主要过程，包括颜色模型的选择和多线程定位过程。 1） 颜色模型选择 本实验控制平台采用CMOS摄像头作为全局图像输入系统，其典型的图像输出颜色模式为RGB模式。在图像处理中，若可采用RGB颜色模型，图像无需处理，可直接采用CMOS全局像机的输出图像。但是，理论分析和实验结果都表明，在不同的光源、照明度、物体反射度等条件下，获得的RGB颜色值分布分散，并且3个分量相关性大，不容易确定识别RGB颜色模式的阈值范围，而且容易导致把并非指定颜色的物体包括进去，或漏掉应该识别的部分物体。因此需要选择其他更能体现彩色特征的模式。其中Hue/Saturation/（HSV）和Hue/Saturation/ Intensity（HLS）是最常用的模式之一。与RGB 模式相比，HSV模式更接近人眼对颜色的感知。其中，色调属性H能比较准确地反映颜色种类，对外界光照条件的变化敏感程度较低，非常适合图像处理。因此，在进行图像处理前，必然对图像数据进行RGB到HSV的变换。RGB转HSV算法如表2-1所示。
RGB转HSV算法 RGB转HSV算法 令var_R = R/255.0，var_G = G/255.0，var_B = B/255.0。因为RGB为0到255之间的值，则var_R、var_G和var_B都在0到1之间 var_Min=min（var_R,var_G，var_B） var_Max=max（var_R,var_G,var_B） del_Max=var_Max-var_Min V=var_Max 当del_Max=0，H=0，S=0； 当del_Max不等于0时， S=del_Max/var_M del_R=（（（var_Max-var_R）/6）+（del_Max/2））/del_M del_G=（（var_Max-var_G）/6）+（del_Max/2））/del_M del_B=（（（var_Max-var_B）/6）+（del_Max/2））/del_M 当var_R=var_Max，H=del_B-del_G 当var_G=var_Max，H=1.0/3.0+del_R-del_B 当var_B=var_Max，H=2.0/3.0+del_G-del_R 当H1，H-=1; 在HSV颜色空间中H、S和V的取值从0.0到1.0。
?17浙江工业大学硕士学位论文?2） 多线程定位过程 图像识别程序主要处理颜色块识别过程，对于多机器人系统，有几个机器人就有几个颜色块需要识别。由于采用高像素相机――图像分辨率高达，若对每一张图像全面扫描识别多种颜色，需要花费很长的时间。为了提高对机器人的定位频率，本文根据每个机器人的运动预测选择只对某些图像区域进行扫描，从而缩短每个目标的色块识别时间。虽然每个机器人色块识别运算量不大，但是大量机器人需要进行识别时，按顺序图像识别处理，同样累加时间过长。为了避免这种情况，本系统利用高性能计算的多核技术和QT多线程技术，对多个机器人同时进行色块识别算法，减少定位处理时间。同时为了模拟多机器人的独立算法运行，每个机器人单独占据一个线程，互不干扰。给予以上两种需要利用多线程技术，本系统将定位处理和算法运算放在同样一个线程模拟一个独立的机器人定位与运算系统。 （1）机器人图像区域预测 通过上一时刻机器人的运动方向和速度，大概估计该时刻机器人在图像中的位置。同时，根据机器人能达到的最大速度计算在一个采样时间T内移动的最大像素值r，机器人色块图像对应的像素大小为l最后以此为中心，至少以该最大移动像素的两倍2r与l的和为边的正方形区域进行颜色识别算法。具体的原理和计算方法如下： 在一个采样内，对机器人运动线性化，则由线性运动模型，得当前时刻的大概位置为(x(k+1),y(k+1))=v(k)T。其中，x(k+1),y(k+1)分别为当前时刻智能机器人的位置坐标，v(k)为上一个时刻的速度，T为系统采样频率。 机器人e-puck最大速度为vmax为13cm/s，T取0.1s，则r=vmaxT=1.3cm。相机横像素为2050，对应的实际物理距离为170cm，所以r=.3=15.7≈16个像素。机器人正方形色块物理边长L为7cm，则对应的像素为l==84.3≈85个像素。所以，以(x(k+1),y(k+1))为中心，2r+l=117个像素为边长的正方形像素为某机器人的色块识别区域。 （2）色块识别算法（扫描线种子填充法） 系统从（1）中得到了需要处理的像素区域，接着需要将该区域内的符合色块范围的像素坐标提取出来，从而计算得到色块的中心值，即机器人的坐标值。这里，系统采用比较高效的计算机搜索算法――扫描线种子填充算法达到目的。算法基本思想为：假设在一个给定的区域内已知某点为有效的，并以此点为种子像相邻点搜索。若相邻点在给定的区域内，则继续向周围的点搜索，否则退出搜索。 ?18浙江工业大学硕士学位论文?扫描线种子填充算法的基本过程如下：当给定种子点（x,y）时，首先分别向左和向右两个方向填充种子点所在扫描线上的位于给定区域的一个区段，同时记下这个区段的范围[xLeft, xRight]。然后确定与这一区段相连通的上、下两条扫描线上位于给定区域内的区段，并依次保存下来。反复这个过程，直到填充结束。实现扫描线种子填充算法的算法步骤如表2-2所示。 搜索总流程图如图2-12所示，其中函数流程图如图2-13和图2-14所示。其中，往种子右边搜素和往种子左边搜索类似，前者只要将后者的流程图中的x-i改为x+i，其他过程不变。往上一行搜索种子和往下一行搜索种子类似，前者只要将后者的流程图中的y-1改为y+1,，其他过程不变。
线扫描种子填充算法步骤 线扫描种子填充算法步骤 第一步 初始化一个空的栈用于存放种子点，从颜色区域选择种子点（x, y）入栈； 第二步 判断栈是否为空，如果栈为空则结束算法，否则取出栈顶元素作为当前扫描线的种子点（x, y），y是当前的扫描线； 第三步 从种子点（x, y）出发，沿当前扫描线向左、右两个方向填充，直到扫描区域边界。分别标记区段的左、右端点坐标为xLeft和xRight； 第四步 分别检查与当前扫描线相邻的y-1和y+1两条扫描线在区间[xLeft, xRight]中的像素，从xLeft开始向xRight方向搜索，若存在非边界且不符合色块阈值的像素点，则找出这些相邻的像素点中最右边的一个，并将其作为种子点压入栈中，然后返回第（2）步。 启动搜索种子栈是否为空否弹出种子(x,y)往种子左边搜索并填充是往种子右边搜索并填充往下一行寻找种子函数往上一行寻找种子函数退出搜索图2-12
种子搜索总流程图
?19浙江工业大学硕士学位论文? 图2-13
往种子左边搜索函数流程图
往下一行搜索种子函数流程图
算法加载模块 作为一个实验控制平台，算法加载是一个很重要的部分。本系统针对算法的复杂性设计了三种方案： （1）对于简单的控制算法，直接写成C代码，这样程序控制简单，且高效。 （2）对于复杂控制算法，特别是针对大矩阵求逆等复杂计算时，系统采用通过网络 通信连接matlab实现。控制平台作为图像识别服务器，matlab通过网络访问方式获得机器人位置信息，再经过算法，获得输出，最后通过蓝牙无线通信发布控制命令。 （3）对于复杂算法，将该算法写成matlab的脚本文件，通过工具箱转成动态链接库 文件，再将动态库文件加入控制平台，最后控制平台加载该链接库访问算法。 第三种方案步骤多，且算法需要写成单循环模式，会增加编程工作量。为了方便普通实验人员，对于复杂算法，系统采用方案（2）。
显示模块 系统的实时显示模块包括机器人实时轨迹显示和机器人实时图像显示： （1）机器人实时轨迹显示 ?20三亿文库包含各类专业文献、高等教育、生活休闲娱乐、各类资格考试、文学作品欣赏、专业论文、多移动机器人的协同控制系统设计与局部控制算法研究85等内容。　
　的方向发展,移动机器人编队控制问题成为研究领域的...对于机器人系统而言,多机基金项目:国家自然科学基金...对机器人基本行为以及局部控制规则的设计使得机器 人... 　用于表述 3-D 点云的局部几何特征,然后通过匹配的...研究热点主要有两个方面: (1)飞行控制算法的研究。...与地面移动机器人协同工作的系统方法设计以及软硬件 ... 　机器人控制系统设计(毕业设计)文献综述_工学_高等...一、前言 1.课题研究的意义,国内外研究现状和发展...通讯的功能,以便于实现资源共享或多台机器人协同工作... 　详细研究了移动机器人的感知系统,包括超声波传感器和...通过对基于行为控制技术的论 述,设计了一种用于移动...通讯的功能,以便于实现资源共享或多台机器人 协同... 　电机及电 机控制器,由各个电机间协同完成移动机器人的行走和转向任务,控制器...自动控制和无线通信等多个 领域,需要进一步研究和设计更好的机构和算法来提高... 　自主移动机器人控制系统软件设计项文炳 (自动化与...对移动机器人的研究,提出了许 多新的或挑战性的...机器人利用其自身的传感器创建一个 4 自己的局部... 　多自由度机械臂控制算法设计_机械/仪表_工程科技_...进行编程并在自动控制下执行某些操作和移动作业任务 ...本文研究的目的与意义机器人是一种能够进行编程并在... 　移动机器人的智能循迹控制系统研究_工程科技_专业资料...通过循迹控制算法计算出控制 量, 控制车辆平台的两...(3)协同控制要求需满足多移动机器人的协同控制与...热门搜索：
当前位置：
突破机器人协同“作战”的技术瓶颈
公司在研发具有独立自主知识产权的惯性导航移动机器人（AGV）的基础上，今年又打破了多台机器人同场地协同智能运行的技术瓶颈，其控制和避让算法均达到了国际先进水平。
　　一家企业仓库车间，一名工人一天工作8小时，需要走至少32公里；一家物流企业，雇佣一名仓库员工需要月工资、福利、保险等费用4000元，三班倒就需要3名员工，一年下来近20万元的开支&&而采用工业物流移动后，不仅节省了人力物力，还可使运行效率提高5到6倍，并大幅节约仓储物流成本。　　记者昨天在青岛海通机器人系统有限公司采访时了解到，公司在研发具有独立自主知识产权的惯性导航移动机器人（AGV）的基础上，今年又打破了多台机器人同场地协同智能运行的技术瓶颈，其控制和避让算法均达到了国际先进水平。　　青岛海通机器人系统有限公司董事长申作军是美国加利福尼亚大学伯克利分校正教授、校长特聘教授，于2012年以国家&千人计划&特聘专家的身份回国，致力于系统优化和智能机器人系统的教学与研究，大胆技术创新，其相关学术成果和算法已广泛应用于机场调度、大型物流、重型工业等领域。　　据申作军介绍，传统的机器人技术平台是磁条导航，需要在作业地面铺设磁条，而有些企业是铁质地面，就无法铺设磁条进行导航，为此，海通进行技术创业，开发出惯性导航技术，只要在地面设上几个感应点即可，完善了高精度定位和感知功能，达到工业级精度需求，同时还实现了激光导航，并开发视觉导航技术，成为国内无轨迹导航技术的引领者。　　申作军对于亚马逊通过AGV改变了传统的库管模式，使整个仓库实现了无人化，效率极大提高感触很深。&一个配送订单，国内电商由人工分拣30分钟完成，亚马逊依靠的分拣系统，通常几分钟就能完成。&申作军介绍说。　　相对于单个机器人的&单打独斗&，多个机器人之间的协同作业更为重要，而这需要一套完备的调度体系，要保证车间里众多同时作业的机器人相互之间协调有序，不发生碰撞，用最短的时间实现最高的效率，还需要调度系统的统筹安排，这里面有大量的算法等技术门槛，背后更是蕴含着工业运筹学的若干理论支持。　　而申作军正是利用他所掌握的国际前沿科技实现了这一算法的技术突破，多机器人协同控制算法这一技术平台可以协同控制几百台智能机器人共同工作，完成货物的订单识别、货物定位、自动抓取、自动包装和发货等功能，项目成果处于国际领先水平，今年8月份公司入选全国&最具成长潜力的留学人员创业企业&。　　此外，我市政策优惠扶持与专业人才团队也是企业快速发展的法宝。自2013年4月公司成立后，即入驻青岛高层次人才创业中心提供的600平米办公用房，享受到第一年全额、第二年70%、第三年50%的房租补贴。公司的技术团队90%以上具有硕士以上学历或五年以上专业开发经验。本报记者封满楼申作军博士研发的产品。
本文由入驻OFweek公众平台的作者撰写，除OFweek官方账号外，观点仅代表作者本人，不代表OFweek立场。如有侵权或其他问题，请联系举报。
邮箱/用户名：
忘记密码？
用其他账号登录： QQ
请输入评论
机械自动化单片机
广东省/深圳市
四川省/成都市
广东省/深圳市
广东省/深圳市
广东省/深圳市
广东省/深圳市
北京市/海淀区
广东省/深圳市
广东省/深圳市
广东省/惠州市
*文字标题：
*纠错内容：
联系邮箱：
*验 证 码：