势场法是一种非常流行的机器人导航模拟方法。然而,有人在真实的机器人上实现了势场法吗?在真实机器人中使用该方法的任何参考或任何声明?.
我之前曾做过基于潜在领域的路径规划,但放弃了它,转而采用更合适的方法来解决我的问题。它适用于具有准确定位和准确传感器读数的环境,但在现实环境中则更不适用(即使在速度和路径质量方面,甚至在模拟中,它也不是一个特别好的解决方案)。考虑到现在有很多免费或低成本的优秀 SLAM 实现,我不会费心重新实现,除非您在重用方面遇到非常具体的问题。对于 MRDS(我从事的工作),有 Karto Robotics,ROS 有 SLAM 实现,并且只需 google 搜索即可找到几个开源实现。
如果您想很好地了解路径规划的不同方法,那么您可能需要获取 Segwart 等人撰写的“自主移动机器人简介”的副本。这是一本非常好的书,路径规划部分很好地概述了周围的不同策略。
)中,我们已经看到了基于势场的算法的这些确切问题。最后一次尝试是在 2009 年参加IGVC比赛的移动机器人,它也存在该论文中描述的相同问题,特别是局部极小值以及无法穿过间隔很近的障碍物。我清楚地记得,作为 IGVC GPS 航路点导航挑战的一部分,我必须解决间隔紧密的障碍物的问题,同时尝试计划穿过栅栏上的狭窄开口。 通过使用自定义 OpenGL 着色器来完成所有计算,同时将势场表示为图像/帧缓冲区,我们能够从算法中获得相当不错的规划速度。正如汤姆指出的那样,它在未知或动态环境中不太好,因为在这些情况下势场永远不会稳定并且需要不断更新。