一、機(jī)器人路徑規(guī)劃？
Online Generation of Safe Trajectories for Quadrotor UAV Flight in Cluttered Environments
介紹
文章強(qiáng)調(diào)無(wú)人機(jī)軌跡規(guī)劃重點(diǎn)有三：
- 生成的軌跡必須平滑且符合無(wú)人機(jī)的動(dòng)力學(xué)約束
- 整個(gè)軌跡，而不是軌跡上的某些點(diǎn)，需要保證是避障的
- 整個(gè)sensing, mapping, planning的過(guò)程必須是滿足實(shí)時(shí)性要求的
文章的主要貢獻(xiàn)在于使用minimum snap方法，通過(guò)構(gòu)造帶約束的優(yōu)化問(wèn)題保證無(wú)人機(jī)軌跡的動(dòng)力學(xué)約束和平滑。通過(guò)使用高效的空間處理方法(基于八叉樹(shù)地圖)來(lái)生成飛行走廊，從而處理了無(wú)人機(jī)可通行區(qū)域的問(wèn)題。并且這個(gè)方法是高效的，所以能夠?qū)崟r(shí)運(yùn)行，地圖也是在無(wú)人機(jī)飛行中逐步構(gòu)建的。下圖是最后的算法效果：能夠在室外位置環(huán)境下進(jìn)行自主導(dǎo)航和飛行。右側(cè)圖的綠色方框就是后面要講的飛行走廊。
對(duì)于飛行走廊，1.2.1節(jié)介紹了已有的很多方案，但是都存在計(jì)算負(fù)荷過(guò)大的問(wèn)題，作者提出了膨脹法形成多個(gè)長(zhǎng)方體連接而成飛行走廊的思路。對(duì)比作者以前提出的方法(文章ref[12]),以及當(dāng)時(shí)的state-of-the-art方案（文章ref[4]）,都存在明顯的優(yōu)勢(shì)。
如上圖所示，藍(lán)色的連續(xù)方框，是作者在ref[12]中提出的早些方案，明顯飛行走廊的空間構(gòu)造的更加保守，當(dāng)前方法構(gòu)造出的橘色方框空間更大，也就意味著飛機(jī)有更大的操作空間。而對(duì)比ref[4]的方法，也具有明顯優(yōu)勢(shì)。[4]中，使用了先用RRT*采樣出離散點(diǎn)，如圖(c)所示，然后用QP的方法將這些點(diǎn)連接成光滑可行的曲線。由于優(yōu)化問(wèn)題只存在等式約束，也就是要曲線通過(guò)這些個(gè)提前固定好的點(diǎn)，所以可以使用閉式求解
的方法，一次性求解結(jié)果。這個(gè)在論文推土機(jī)：Minimum Snap Trajectory Generation and Control for Quadrotors以及提過(guò)了，但是很容易想到的問(wèn)題就是，平滑后的曲線的點(diǎn)，除了通過(guò)這些固定點(diǎn)的地方保證安全，其他的位置是有可能存在碰撞風(fēng)險(xiǎn)的。
作者的做法是：做碰撞檢測(cè)，發(fā)現(xiàn)碰撞點(diǎn)后新增加約束點(diǎn)，然后回來(lái)繼續(xù)解優(yōu)化問(wèn)題，和上一個(gè)優(yōu)化問(wèn)題相比，會(huì)發(fā)生碰撞的位置由于增加了新的位置約束，則不會(huì)再發(fā)生碰撞了，但是這次優(yōu)化問(wèn)題由于約束發(fā)生了變化，不保證在別的地方是不是會(huì)再發(fā)生碰撞，所以有可能又會(huì)檢測(cè)出新的碰撞點(diǎn)，所以需要一次一次不斷進(jìn)行迭代優(yōu)化，最后到任何點(diǎn)都不發(fā)生碰撞為止，可是到底要進(jìn)行多少次迭代才能夠完成優(yōu)化呢？這里要強(qiáng)調(diào)，我們無(wú)法證明通過(guò)有限次優(yōu)化能夠讓所有點(diǎn)避障。這個(gè)部分的深入分析我們放到對(duì)ref[4]的解析中再講，完成本文時(shí)還沒(méi)寫(xiě)。最后文章給出算法框架：
基于八叉樹(shù)的地圖表示
這部分涉及地圖，或許應(yīng)該放在另一個(gè)專(zhuān)欄中？
飛行走廊的生成
這部分介紹飛行走廊的生成。飛行走廊的好處很明顯：空間上的約束，可以直接去構(gòu)建，但問(wèn)題可能是非凸的，或者構(gòu)造出非線性優(yōu)化問(wèn)題，這會(huì)影響計(jì)算的實(shí)時(shí)性。通過(guò)構(gòu)建飛行走廊，將位置約束變成凸空間，這樣施加在優(yōu)化問(wèn)題上，優(yōu)化問(wèn)題仍然是凸優(yōu)化，能夠通過(guò)高效的求解方法進(jìn)行求解。 飛行走廊被定義成 ,它由一系列的空間組成 ,每個(gè)空間是一個(gè)長(zhǎng)方體，所以空間有三個(gè)維度，每個(gè)維度被其上下界所約束： .飛行走廊的生成有兩部分組成，首先進(jìn)行初始化，然后進(jìn)行后處理。
第一步，使用A*算法進(jìn)行初始化（當(dāng)然，完全可以使用考慮動(dòng)力學(xué)約束的混合A*搜索算法）。空間地圖使用八叉樹(shù)地圖進(jìn)行構(gòu)造，使用A*算法進(jìn)行搜索，找到連接起點(diǎn)和終點(diǎn)的一系列g(shù)rids. 這些grid是避障的，聯(lián)通的。在3.1.3節(jié)，作者強(qiáng)調(diào)了最優(yōu)性和效率之間的平衡。由于空間的稀疏性，再使用A*搜索過(guò)程中我們通過(guò)減小heuristic的估計(jì)來(lái)讓A*算法更加貪心，但由于破壞了最優(yōu)性原則，這很可能讓A*算法搜索出來(lái)的結(jié)果不是全局最優(yōu)，就如下圖中的綠色方塊所示。但是由于在第二步膨脹過(guò)程中，我們會(huì)膨脹綠色方塊獲得最優(yōu)的飛行走廊，這也在一定程度上彌補(bǔ)了A*搜索結(jié)果不是全局最優(yōu)的問(wèn)題。因?yàn)榕c全局最優(yōu)結(jié)果相近的次優(yōu)搜索結(jié)果，通過(guò)第二步膨脹后，或許會(huì)幾乎相同。
接下來(lái)第二步是膨脹：由上面A*搜索出來(lái)的結(jié)果作為初始化飛行走廊顯然還沒(méi)有完全利用到周?chē)?a>free space
, 在這個(gè)飛行走廊附近依舊有很大的拓展空間，通過(guò)向各個(gè)方向進(jìn)行膨脹，一直膨脹到碰到障礙物位置，以此獲得更大的通行區(qū)域，如下如所示，藍(lán)色方塊是初始化的結(jié)果，綠色虛線方塊是膨脹后的結(jié)果，右圖中的橘色區(qū)域則是連續(xù)膨脹方塊間的重疊區(qū)域，這也是接下來(lái)軌跡規(guī)劃
的時(shí)候的空間位置約束，要求兩個(gè)segments之間的切換點(diǎn)的位置必須被約束在這個(gè)重疊區(qū)域之內(nèi)。
在Fig.1.2中也就是下圖，我們可以明顯的看到，重疊區(qū)域是非常大的，在進(jìn)行軌跡規(guī)劃時(shí)，我們只要求segment
之間的切換點(diǎn)被約束在重疊區(qū)域內(nèi)即可，這其實(shí)是implicit time adjustment. 因?yàn)橥ㄟ^(guò)調(diào)節(jié)切換點(diǎn)的位置，也就起到了調(diào)節(jié)軌跡長(zhǎng)度和軌跡形狀的作用，從一定角度來(lái)講就是在做time adjustment
的過(guò)程。原文的描述在3.2和3.3中。
這里是截圖原文的描述：
基于樣條曲線的軌跡生成
這部分介紹軌跡規(guī)劃。這部分的軌跡生成
算法在ref[12]中首次提出(完成本文時(shí)對(duì)應(yīng)論文解析還未完成，后續(xù)鏈接)，在這里面針對(duì)時(shí)間分配問(wèn)題有一些新思路，通過(guò)增加有限個(gè)新約束(在違反無(wú)人機(jī)動(dòng)力學(xué)約束發(fā)生時(shí))，能夠被證明整個(gè)曲線可以被完成約束在設(shè)定的動(dòng)力學(xué)約束之內(nèi)。這部分也是文章的核心部分，可以看下原文chapter4的截圖：
我們跳過(guò)無(wú)人機(jī)的動(dòng)力學(xué)分析，直接接受結(jié)論：四旋翼無(wú)人機(jī)具備微分平坦的特性，具體說(shuō)來(lái)就是其狀態(tài)和控制的輸入能夠被四個(gè)輸出及其導(dǎo)數(shù)確定。這是我們能夠運(yùn)用基于minimum snap方法的前提條件。多段拼接的軌跡由以下表達(dá)式組成：
cost function為：
以上表達(dá)意為整條曲線又M 段 N階多項(xiàng)式拼接而成，目標(biāo)函數(shù)是整條曲線的某階導(dǎo)數(shù)（minimum snap取jerk, 也就是3階導(dǎo)數(shù)）。在這里，目標(biāo)函數(shù)被構(gòu)造成二次型：
其中，等式約束和不等式約束均可被寫(xiě)成線性函數(shù)。具體來(lái)說(shuō)，約束包括動(dòng)力學(xué)約束(速度，加速度，jerk等)，位置約束，通過(guò)corridor constraints給出，也就是上面說(shuō)到的飛行走廊，最后還有連續(xù)性約束，也就是連續(xù)兩條曲線的切換點(diǎn)至少N-1階連續(xù)，N是每條曲線的最高次。對(duì)于位置約束，上面已經(jīng)說(shuō)過(guò)，切換點(diǎn)的位置被約束在對(duì)應(yīng)的方塊的重疊區(qū)域之內(nèi)：
但是，注意到這個(gè)約束只是保證了切換點(diǎn)的安全，并沒(méi)保證其他時(shí)間點(diǎn)上的點(diǎn)是不是安全的，避免碰撞的。所以這里作者給出了一個(gè)新算法來(lái)保證整條曲線都是避障的，如下圖所示：
- 首先進(jìn)行一次優(yōu)化求解，然后得出結(jié)果。
- 對(duì)每一段N階曲線去查看它的N-1的極值點(diǎn)，來(lái)檢查是不是在對(duì)應(yīng)的飛行走廊的方塊內(nèi)。
- 如果出現(xiàn)violation,違反約束的情況，在那個(gè)違反約束的時(shí)間點(diǎn)上，新增位置約束，具體做法就是對(duì)這個(gè)位置的上下邊界壓縮
- 然后構(gòu)造出新的優(yōu)化問(wèn)題繼續(xù)求解，這里新的問(wèn)題與老的優(yōu)化問(wèn)題的唯一區(qū)別是更新了約束。
新的約束為：
注意到，盡管這個(gè)loop內(nèi)的極值點(diǎn)不一定是下一個(gè)loop的極值點(diǎn)，但是作者通過(guò)證明發(fā)現(xiàn)能夠通過(guò)有限次的約束更新，將整條曲線限制在安全區(qū)域之內(nèi)，這個(gè)和ref[4]中的處理碰撞問(wèn)題的方法相比就有很大優(yōu)勢(shì)，畢竟后者是內(nèi)有辦法確保迭代能夠在有限次約束更新內(nèi)完成的。具體的theory部分見(jiàn)文章4.2.1節(jié)(Page.25).
進(jìn)一步的，如果需要約束更高階的導(dǎo)數(shù)，如速度，加速度，以及jerk等，也可以通過(guò)同樣的方法進(jìn)行約束，比如說(shuō)還想約束速度，那么獲得速度表達(dá)式后：速度的表達(dá)式是N-1階，那么就有N-2個(gè)極值點(diǎn)，找到極值點(diǎn)是否符合動(dòng)力學(xué)約束，如果不符合，用一樣的方式，在極值點(diǎn)處施加新的約束，然后繼續(xù)回去進(jìn)行下一輪優(yōu)化。
二、機(jī)器人路徑規(guī)劃算法？
路徑規(guī)劃其實(shí)分為兩種情況，一個(gè)是已知地圖的，一個(gè)是未知地圖的。 對(duì)于已知地圖的，路徑規(guī)劃就變成了一個(gè)全局優(yōu)化問(wèn)題，用神經(jīng)網(wǎng)絡(luò)、遺傳算法有一些。 對(duì)于未知地圖的，主要就靠模糊邏輯或者可變勢(shì)場(chǎng)法。 對(duì)于未知環(huán)境能自己構(gòu)建地圖的，也就是各種方法的結(jié)合了。
三、AGV機(jī)器人路徑規(guī)劃實(shí)驗(yàn)步驟？
步驟:
1、對(duì)機(jī)器人的速度進(jìn)行離散采樣。
2、對(duì)于每個(gè)采樣后的速度，用當(dāng)前的位置信息去模擬一段時(shí)間后小車(chē)的速度
3、從向前的運(yùn)動(dòng)過(guò)程當(dāng)中，評(píng)估每條運(yùn)動(dòng)的軌跡。使用不完整的度量，例如，接近障礙物，接近目標(biāo)，接近全局規(guī)劃的路徑和速度。拋棄原有的存在問(wèn)題的路徑。
4、選擇一條得分較高的路徑，并且給底盤(pán)發(fā)布速度。
5、清除和重復(fù)。
DWA算法，就是說(shuō)，當(dāng)你需要障礙物的時(shí)候，給你畫(huà)一個(gè)圓，然后讓機(jī)器人按照這個(gè)圓走。
四、泊車(chē)機(jī)器人路徑規(guī)劃
泊車(chē)機(jī)器人路徑規(guī)劃技術(shù)分析
泊車(chē)機(jī)器人是一種采用各種傳感器和算法來(lái)實(shí)現(xiàn)智能泊車(chē)的新型技術(shù)。在泊車(chē)機(jī)器人中，路徑規(guī)劃是至關(guān)重要的環(huán)節(jié)，它決定了機(jī)器人如何高效地從起點(diǎn)到達(dá)終點(diǎn)，避開(kāi)障礙物，并完成泊車(chē)任務(wù)。本文將對(duì)泊車(chē)機(jī)器人路徑規(guī)劃技術(shù)進(jìn)行深入分析，探討其原理、應(yīng)用和未來(lái)發(fā)展方向。
泊車(chē)機(jī)器人路徑規(guī)劃原理
泊車(chē)機(jī)器人路徑規(guī)劃的核心是通過(guò)傳感器獲取環(huán)境信息，然后利用算法計(jì)算最優(yōu)路徑。常用的路徑規(guī)劃算法包括A*算法、Dijkstra算法、RRT算法等。這些算法根據(jù)機(jī)器人的起始位置、目標(biāo)位置和環(huán)境信息，通過(guò)搜索和優(yōu)化，找到一條最短、最安全的路徑。
在路徑規(guī)劃過(guò)程中，需要考慮到機(jī)器人的動(dòng)態(tài)特性，包括速度、加速度和轉(zhuǎn)彎半徑等。此外，還需要考慮到環(huán)境的動(dòng)態(tài)性，比如其他車(chē)輛的移動(dòng)和障礙物的出現(xiàn)。因此，路徑規(guī)劃算法不僅要考慮到靜態(tài)地圖信息，還要實(shí)時(shí)更新環(huán)境信息，以確保機(jī)器人行駛的安全性和效率。
泊車(chē)機(jī)器人路徑規(guī)劃應(yīng)用
泊車(chē)機(jī)器人路徑規(guī)劃技術(shù)已經(jīng)在多個(gè)領(lǐng)域得到了廣泛應(yīng)用。在智能停車(chē)場(chǎng)管理系統(tǒng)中，泊車(chē)機(jī)器人可以根據(jù)停車(chē)位的情況，自主選擇最優(yōu)路徑，為車(chē)輛提供快速的停車(chē)服務(wù)。在自動(dòng)駕駛汽車(chē)中，路徑規(guī)劃技術(shù)可以幫助車(chē)輛避開(kāi)交通堵塞，減少交通事故，提升駕駛體驗(yàn)。
此外，泊車(chē)機(jī)器人路徑規(guī)劃技術(shù)還可以應(yīng)用于倉(cāng)儲(chǔ)自動(dòng)化系統(tǒng)、無(wú)人機(jī)飛行路徑規(guī)劃等領(lǐng)域，為智能物流和運(yùn)輸提供技術(shù)支持。隨著人工智能和機(jī)器學(xué)習(xí)等技術(shù)的不斷發(fā)展，泊車(chē)機(jī)器人路徑規(guī)劃將在更多場(chǎng)景中得到應(yīng)用和拓展。
泊車(chē)機(jī)器人路徑規(guī)劃發(fā)展趨勢(shì)
未來(lái)，泊車(chē)機(jī)器人路徑規(guī)劃技術(shù)將呈現(xiàn)出以下幾個(gè)發(fā)展趨勢(shì)：
- 智能化：路徑規(guī)劃算法將更加智能化，能夠根據(jù)實(shí)時(shí)環(huán)境信息做出更精準(zhǔn)的決策。
- 協(xié)同性：多個(gè)泊車(chē)機(jī)器人之間將實(shí)現(xiàn)信息共享和協(xié)同工作，提高整體停車(chē)效率。
- 自適應(yīng)性：路徑規(guī)劃算法將具有自適應(yīng)性，能夠根據(jù)環(huán)境變化動(dòng)態(tài)調(diào)整路徑規(guī)劃方案。
- 高效性：路徑規(guī)劃算法將不斷優(yōu)化，以實(shí)現(xiàn)更高效的泊車(chē)任務(wù)執(zhí)行。
總的來(lái)說(shuō)，泊車(chē)機(jī)器人路徑規(guī)劃技術(shù)在智能交通領(lǐng)域有著廣闊的應(yīng)用前景和發(fā)展空間。通過(guò)不斷創(chuàng)新和技術(shù)突破，泊車(chē)機(jī)器人路徑規(guī)劃將為城市交通管理和車(chē)輛停車(chē)管理帶來(lái)革命性的變化，提高城市交通效率和智能化水平。
希望本文對(duì)泊車(chē)機(jī)器人路徑規(guī)劃技術(shù)有所啟發(fā)，引起更多人對(duì)智能交通技術(shù)的關(guān)注與研究。讓我們共同期待泊車(chē)機(jī)器人路徑規(guī)劃技術(shù)的未來(lái)發(fā)展，為城市交通事業(yè)的發(fā)展貢獻(xiàn)力量。
五、機(jī)器人為什么要進(jìn)行最優(yōu)路徑規(guī)劃？
機(jī)器人的最優(yōu)路徑規(guī)劃問(wèn)題就是依 據(jù)某個(gè)或某些優(yōu)化準(zhǔn)則 ( 工作代價(jià)最小、行走時(shí)間最短、行 走路線最短等 )，在機(jī)器人的工作空間中尋找一條從起始 位置到目標(biāo)位置的無(wú)碰撞路徑。
就如人一樣，只有知道怎 么在環(huán)境中行走，才不會(huì)與其他物體相碰撞并且正確地從 起始地到達(dá)目的地，才能去做其他的事。但是即使是完成 這樣一個(gè)在我們看來(lái)十分簡(jiǎn)單的任務(wù)，其實(shí)也是經(jīng)過(guò)了一 個(gè)良好配合與正確分析的過(guò)程。首先眼睛要搜集環(huán)境信息， 把看到的環(huán)境狀態(tài)反饋給大腦，然后大腦根據(jù)眼睛反饋回 來(lái)的環(huán)境信息和所要到達(dá)的目的地做出綜合的分析，得到 一個(gè)判斷和結(jié)果，然后指揮人的身體移動(dòng)，從而實(shí)現(xiàn)在環(huán) 境中的行走。機(jī)器人也是類(lèi)似，只不過(guò)在這里傳感器充當(dāng) 了機(jī)器人的“眼睛”而路徑規(guī)劃模塊就相當(dāng)于機(jī)器人的“大 ， 腦” ，根據(jù)傳感器信息和任務(wù)要求進(jìn)行分析和決策，指揮機(jī) 器人的運(yùn)動(dòng)。六、關(guān)于機(jī)器人的精準(zhǔn)定位和路徑規(guī)劃問(wèn)題？
路徑優(yōu)化系列文章：
- 1、路徑優(yōu)化歷史文章
- 2、路徑優(yōu)化丨帶時(shí)間窗和載重約束的CVRPTW問(wèn)題-改進(jìn)遺傳算法：算例RC108
- 3、路徑優(yōu)化丨帶時(shí)間窗和載重約束的CVRPTW問(wèn)題-改進(jìn)和聲搜索算法：算例RC108
- 4、路徑優(yōu)化丨復(fù)現(xiàn)論文-網(wǎng)約拼車(chē)出行的乘客車(chē)輛匹配及路徑優(yōu)化
問(wèn)題描述
以拼車(chē)后車(chē)輛總費(fèi)用最低和調(diào)用車(chē)輛最少為目標(biāo)函數(shù)建立網(wǎng)約拼車(chē)出行匹配與路徑優(yōu)化模型，具體數(shù)學(xué)模型看參考文獻(xiàn)。
算法演示
算法重現(xiàn)丨論文-網(wǎng)約拼車(chē)出行的乘客車(chē)輛匹配及路徑優(yōu)化_嗶哩嗶哩_bilibili參考文獻(xiàn)
[1]陳玲娟,寇思佳,柳祖鵬.網(wǎng)約拼車(chē)出行的乘客車(chē)輛匹配及路徑優(yōu)化[J].計(jì)算機(jī)與現(xiàn)代化,2021(07):6-11.
文末
七、小米掃地機(jī)器人路徑斜
隨著智能家居技術(shù)的不斷發(fā)展，越來(lái)越多的家庭開(kāi)始采用智能掃地機(jī)器人來(lái)幫助清潔家居環(huán)境。小米作為智能家居領(lǐng)域的領(lǐng)軍品牌之一，推出了一款名為小米掃地機(jī)器人路徑斜的產(chǎn)品，備受消費(fèi)者關(guān)注。
小米掃地機(jī)器人路徑斜的特點(diǎn)
小米掃地機(jī)器人路徑斜的最大特點(diǎn)就是其獨(dú)特的路徑規(guī)劃技術(shù)。通過(guò)先進(jìn)的激光導(dǎo)航系統(tǒng)，機(jī)器人能夠精確感知周?chē)h(huán)境并制定清掃路線，避免重復(fù)清掃和遺漏死角。路徑斜技術(shù)能夠讓掃地機(jī)器人更高效地完成清潔任務(wù)，節(jié)省時(shí)間和電力。
小米掃地機(jī)器人路徑斜的優(yōu)勢(shì)
- 智能規(guī)劃：路徑斜技術(shù)使得小米掃地機(jī)器人能夠智能規(guī)劃清掃路線，避開(kāi)障礙物，高效完成清潔任務(wù)。
- 高效清潔：機(jī)器人會(huì)根據(jù)家居環(huán)境的不同情況調(diào)整清潔策略，保證每個(gè)角落都能被充分清潔。
- 智能充電：當(dāng)電量不足時(shí)，小米掃地機(jī)器人路徑斜會(huì)自動(dòng)返回充電座進(jìn)行充電，充電完成后繼續(xù)工作，無(wú)需人工干預(yù)。
- 遠(yuǎn)程操控：通過(guò)手機(jī)App可以遠(yuǎn)程操控小米掃地機(jī)器人路徑斜，隨時(shí)隨地控制機(jī)器人的工作狀態(tài)。
小米掃地機(jī)器人路徑斜的應(yīng)用場(chǎng)景
小米掃地機(jī)器人路徑斜適用于各種家居環(huán)境，包括公寓、別墅、辦公室等。無(wú)論地面是地毯、瓷磚還是木質(zhì)地板，掃地機(jī)器人都能輕松應(yīng)對(duì)，確保地面清潔干凈。
結(jié)語(yǔ)
總的來(lái)說(shuō)，小米掃地機(jī)器人路徑斜作為智能家居清潔設(shè)備，具有智能規(guī)劃、高效清潔、智能充電、遠(yuǎn)程操控等優(yōu)勢(shì)，適用于各種家居環(huán)境，給消費(fèi)者帶來(lái)了更便利的清潔體驗(yàn)。隨著智能技術(shù)的不斷進(jìn)步，相信小米掃地機(jī)器人路徑斜會(huì)在未來(lái)發(fā)展中繼續(xù)創(chuàng)新，為更多家庭帶來(lái)更智能、更便捷的清潔解決方案。
八、小米掃地機(jī)器人怎么設(shè)置路徑？
小米1s掃地機(jī)器人可以通過(guò)以下步驟設(shè)置路線：
1. 打開(kāi)小米1s掃地機(jī)器人APP，在“掃地機(jī)器人”頁(yè)面點(diǎn)擊“設(shè)置路線”按鈕。
2. 在“設(shè)置路線”頁(yè)面，可以選擇手動(dòng)設(shè)置或自動(dòng)學(xué)習(xí)兩種方式。
3. 手動(dòng)設(shè)置：在地圖上手動(dòng)畫(huà)出機(jī)器人需要清掃的區(qū)域和不需要清掃的區(qū)域，然后點(diǎn)擊“保存”按鈕。
4. 自動(dòng)學(xué)習(xí)：機(jī)器人會(huì)自動(dòng)掃描并生成地圖，然后在地圖上手動(dòng)畫(huà)出機(jī)器人需要清掃的區(qū)域和不需要清掃的區(qū)域，然后點(diǎn)擊“保存”按鈕。
5. 設(shè)置完成后，機(jī)器人會(huì)按照設(shè)置的路線進(jìn)行清掃。
注意事項(xiàng)：
1. 在設(shè)置路線前，請(qǐng)確保機(jī)器人已經(jīng)完成了初次掃描并生成了地圖。
2. 在手動(dòng)設(shè)置路線時(shí)，需要手動(dòng)畫(huà)出區(qū)域邊界，并且不要讓邊界相交或重疊。
3. 在自動(dòng)學(xué)習(xí)路線時(shí)，機(jī)器人需要掃描整個(gè)房間，這個(gè)過(guò)程需要一定的時(shí)間和耐心。
九、掃地機(jī)器人是怎么做路徑規(guī)劃的？
1、激光測(cè)距導(dǎo)航定位規(guī)劃
激光測(cè)距導(dǎo)航定位規(guī)劃是掃地機(jī)器人規(guī)劃線路的方式之一，具體指的是機(jī)器人發(fā)車(chē)激光掃描自身到邊界的每個(gè)距離并生成數(shù)字地圖，之后根據(jù)機(jī)器人自身的算法構(gòu)建房間定圖進(jìn)行實(shí)時(shí)定位清掃。
2、視覺(jué)定位系統(tǒng)規(guī)劃
視覺(jué)定位系統(tǒng)規(guī)劃是機(jī)器人上面有一個(gè)攝像頭，機(jī)器人可以通過(guò)測(cè)算自身和環(huán)境的信號(hào)模塊的偏移角度來(lái)確定自己的位置，再利用多幀圖像來(lái)變換自身位姿，同時(shí)可以通過(guò)累計(jì)位姿變化來(lái)計(jì)算距離物體的距離并進(jìn)行定位和地圖構(gòu)建。
3、人圖像式測(cè)算導(dǎo)航系統(tǒng)規(guī)劃
人圖像式測(cè)算導(dǎo)航系統(tǒng)規(guī)劃是利用機(jī)器人頂部搭載的攝像頭掃描周?chē)h(huán)境，之后機(jī)器人會(huì)根據(jù)掃描出的環(huán)境并利用數(shù)學(xué)運(yùn)算、幾何和三角法來(lái)構(gòu)建環(huán)境地圖，之后就可以根據(jù)地圖來(lái)進(jìn)行導(dǎo)航。
十、三維環(huán)境中機(jī)器人路徑規(guī)劃是什么算法？
是A Star算法。算法搜索任務(wù)時(shí)，提取的有助于簡(jiǎn)化搜索過(guò)程的信息，被稱(chēng)為啟發(fā)信息。啟發(fā)信息經(jīng)過(guò)文字提煉和公式化后，轉(zhuǎn)變?yōu)閱l(fā)函數(shù)，啟發(fā)函數(shù)可以表示自起始頂點(diǎn)至目標(biāo)頂點(diǎn)間的估算距離,。
