计算机工程

作者：罗锦源, 谷雨

单位：杭州电子科技大学自动化学院, 浙江 杭州 310018

关键词：机器人室内导航,目标驱动,房间类别约束,搜索策略,边界点约束

基金：浙江省自然科学基金(LY21F030010)

在室内环境中, 不同房间类别的相同物体具有完全不同的用途, 设计附加房间类别约束的目标驱动导航任务, 在机器人导航、智能家居等领域具有重要应用。为提高房间类别约束目标导航任务的成功率, 设计一种结合映射模块、搜索策略、运动控制策略和房间分类模块的模块化导航算法。输入导航任务后, 映射模块结合RGB-D相机数据和惯导获得的姿态信息在线构建语义地图, 用于记忆已探索过的环境。在基于近端策略优化算法(PPO)框架实现搜索策略时, 为尽快找到地图上最可能存在目标物的坐标, 提出边界点簇的概念, 将其中心坐标作为中继点, 根据每个簇包含的边界点数量评定其中心点探索价值并排序, 用于约束全局目标点, 同时在搜索策略奖励函数中引入边界点约束, 以提高目标点落入已探索区域时的搜索效率。在基于运动控制策略控制机器人向着全局目标点移动的过程中, 针对机器人无法识别房间类别的问题, 采用YOLOv8_cls训练得到房间分类模块辅助进行决策, 从而更好地完成导航任务。分别在仿真环境和现实环境中验证导航任务的可完成性以及算法的有效性。实验结果表明, 所提出的算法相比于同样使用深度强化学习(DRL)作为搜索策略的SemExp (Semantic Exploration)算法, 在未附加以及附加房间类别约束的两类导航任务上, 能够更快地完成地图探索并且导航成功率分别提高2.0%和4.0%, 该算法能够更好地理解环境的语义信息, 完成未知环境中的目标物搜索等导航任务。

来源：2025年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第4期