场导航架构与时间限制的结果

文摘

介绍了现场测试的结果的移动机器人导航控制的体系结构占时间限制在一个室内环境。可靠性属性描述扰动的影响的能力,成功地完成任何分配任务,描述的一个平衡态的稳定性与目标位置。使用收缩理论的稳定性进行了分析。基于人工路标定位系统用于获取位置估计,使机器人能够自动覆盖大部分的距离。蒙特卡罗测试评估体系结构在不同的实际环境条件下包括从不安中恢复,如具有里程碑意义的检测失败,机器人绑架,意外的碰撞,和密度的变化环境中的障碍。测试包括约2900的长期任务持续4.5小时。

1。介绍

尽管稳定理论的重视为移动机器人设计控制架构,没有广泛的研究解决稳定性的控制架构当机器人移动的环境。本文着重于验证导航架构的稳定性通过收缩理论与时间限制在一个现实的室内环境中,机器人执行长期任务。

架构控制移动机器人之间应该旅行地点在一个特定的运动时间,。机器人的动作会自动调整,以弥补可能的干扰。如果机器人完成任务的时间太长了,速度增加,以弥补延迟。这个时间稳定处理的行动序列是很重要的。例如,如果机器人完成一系列任务,下一个任务只启动前一个后终止。时间稳定机制的概述可以在[1]。时间稳定不仅限于移动导航和其他机器人框架解决时间稳定运动的执行有节奏的动作,如鼓点(2],在[3),和人机交互场景(4,5]。

架构是基于非线性动力系统和引线地图连接在一个网格和组织四个模块,即运动(全球)控制,局部控制,定时控制,定位系统。前两个模块负责指导机器人从初始位置到目标位置的任务结束。运动模块考虑环境的地图生成的最短路径,使机器人能够完成任务。当地模块考虑感官信息如下机器人避开障碍物而最短路径。计时模块负责确保任务完成的时间限制和定位系统模块提供在每个瞬间的时间估计机器人的姿势。

收缩理论提供了一套工具来分析非线性系统的收敛行为。收缩分析不同于经典的角度稳定(6- - - - - -8),不是认为相对于一些平衡点的稳定性。收缩是一个增量形式的稳定性;也就是说,重点是稳定轨迹对彼此的9对一个平衡位置,除了吸引。渐进稳定分析是有用的非线性闭环系统的鲁棒性和性能特性,如果系统拥有合适的稳态特性10,11]。

作为替代李雅普诺夫理论(12,13),收缩理论建立系统的指数稳定性6)不需要选择一个能量李雅普诺夫函数。此外,它显式地包含了控制输入的过程中稳定性分析(14),类似于Input-to-State稳定(ISS) (15]。系统普遍收缩对输入稳定对Input-to-State稳定(14]。收缩理论研究稳定当外部扰动(噪音和不确定性的控制系统)不要把收缩范围的系统。这意味着外部扰动对全局指数收敛,没有影响,这是一个重要方面在处理实时应用程序。

李雅普诺夫函数被用来证明正式稳定性分析导航架构(16- - - - - -18]。然而,在这些架构全局路径规划并不认为,只有解决地方导航的目的。另一方面,架构考虑局部和全局导航目的不试图获得正式的条件体系结构被认为是稳定的(19- - - - - -22]。此外,加入时间约束(时间稳定)没有考虑任务的成功。所使用的概念从非线性分析和控制(23在动力系统的体系结构方面取得任务成功的必要条件稳定的概念。然而,全球导航没有解决,这限制了架构来处理更复杂的任务。该方法在24)被认为是全球导航能力的架构和成功演示了架构的稳定Webots模拟环境下任务(25]。任务成功与单一架构的不动点的稳定性。

本文后续的以前的工作23,24),从收缩理论概念被用来推导条件导航架构基于网格的动力系统和直通的地图有一个稳定的不动点在实际可获得的。进一步,基于收缩稳定条件理论验证机器人的能力成功地完成其使命。本文侧重于评估之前获得的理论通过长期的实验结果。新奇事物,本文扩展了这些任务的持续时间和复杂性实际环境中人们和其他障碍物与机器人共享环境,同时验证体系结构的稳定性。此外,稳定性分析的时间限制被认为是验证如果任务成功完成的运动时间,。这是通过定时性能指数,评估机器人的能力来处理任务的时间限制。稳定性分析的论文可以被视为一个先天的系统设计和更新路线图,可以扩展到广泛的控制架构。

通过蒙特卡罗架构的性能评估测试,包括以下:(i)长期任务,架构应该产生平滑和连续轨迹的长距离机器人在没有人监督;(2)任务来验证定位系统模块的性能,精度、精度和收敛时间;(3)任务来验证机器人可靠性通过一组功能普遍接受,包括安全、完整性和可靠性(见,例如,26,27])。

测试进行了在一个典型的大学室内环境,包括实验室和公共空间,例如,走廊、大厅使用dx先驱机器人。机器人的姿态的估计是通过视觉地标的检测结合测程法通过扩展卡尔曼滤波器(EKF)。

本文组织如下。部分2回顾了全球体系和地址使用收缩导航体系结构的稳定性理论。部分3详细介绍了实验装置,包括机器人的定位系统。部分4地址架构的可靠性通过蒙特卡罗试验考虑的大多数特性一般包括在财产。部分5描述了场任务的例子不同扰动下的水平。部分6总结了论文的简要评论关于这个架构的演变。

2。收缩理论下的全球体系

本节简要回顾了全球体系中描述(24]。在收缩理论的基础概念,它与全球体系的稳定关系,及其良好的性质,即任务成功,也提出了。

全球系统可以表示为三个地图(见图1)。代表机器人,控制机器人的代表建筑,代表了环境。假设环境中立的知识不相关的设计块。

地图和被假定为离散动力系统(当前机器人系统是基于计算机的,因此本质上离散)的形式 分别在输入和输出扰动,隐含在错误和交互。代表任务结束,目标位置代表命令触发操作的机器人。的可以合理的假设。在实际情况下,甚至不连续映射可合理取代光滑,或至少、地图使用样条函数(见,例如,28)或其他正则化方法(29日,30.])。

循环图1可以看作是一个迭代的过程,主管喂一个机器人状态进而影响主管的状态和提要回主管(通过环境)。不失一般性可以认为主管观察误差信号的输出环境。如果成功完成一项任务,趋向于零的误差信号自定点识别任务成功是一个全球收敛点和其他局部最小值不发生在该地区的利益。因此,动点在于的零空间。从概念的角度来看这意味着它假定环境并不愚蠢的主管,例如,通过一个零空间,不包括任务成功,从而使机器人停止之前完成了任务。

任务成功如果全球体系的动力系统(图1)收缩的地图和收敛到一个固定的点开环地图在。这意味着机器人到达目标位置在。

动力系统是导航的基础体系结构由于其内在属性。配置参数的少量这样的系统倾向于减少维数的控制问题4]。他们适合正式的分析,即当考虑稳定性条件在现实的机器人。动力系统是一个常用的框架来处理时间限制5,31日,32),同时提供灵活和响应行为(2,33]。最后,他们还允许连续耦合感官信息和提供鲁棒性对小扰动。

2.1。收缩理论

最常用的概念之一,以证明非线性动力系统的稳定性是收缩理论(6]。如果一个地图是一个收缩(李普希兹连续)对一个子集欧几里得空间的,然后有一个不动点;也就是说,。下面的定理在[34],李普希兹连续可微的地图是一个收缩如果 在哪里指的是欧几里得范数指的是雅可比矩阵。

收缩的不动点是一个有趣的解决方案,因为它顺利取决于收缩,同时提出了渐近稳定的一个有吸引力的行为(6]。此外,定点稳定扰动下的地图,这是一个重要的健壮性财产控制架构(参见命题和在[34]对扰动不动点)。此外,当地图代表一个闭环的过程,在一个迭代的过程,可以确定定点任务成功;例如,不动点与目标状态。

2.2。稳定和任务成功

图2说明了全球体系在图表示1和细节的架构()组成的运动控制模块,局部控制,定时控制。运动控制接收到的环境和机器人的位置地图生成目标方向,机器人应该遵循。这个方向接收到验证的局部控制,根据障碍物的位置,如果目标方向可以是紧随其后的是机器人。这个模块计算机器人的角速度。定时控制生成机器人的线速度来完成任务用户发送的。关于这些模块中描述的更多细节24]。感觉信息显示这个模块,如果机器人在时间或推迟完成任务。时间约束模块验证如果机器人能够达到任务中在下一节中解释。定位系统估计机器人基于视觉信息的位置和量距。

全球系统的组成模块和,上述假设可微性和环境中立。复合函数被认为是一个收缩,如果验证条件(2), 用微分法则,左边的项(3)可以写成(假设标准兼容性,看到的,例如,(35]) 使用(4)(3), 一个通用的机器人(),没有信息的结构,它可以合理地假设(5)适用于 并确保全球体系的收缩,因此一个不动点的存在,独立模型的机器人。这是一个弱条件任务成功但是它代表了一个重要的设计工具。

全球体系的内部组织组成的动力系统不需要证明其收缩。根据(36),如果动力系统相互连接,通过一个并行,反馈,或分层组合,全球体系仍然承包是否感染每个动力系统。事实上,收缩理论可以用来获得充分条件的网格耦合的非线性系统,由于收缩是自动保存通过各种各样的系统组合(37]。

这些收缩性质可以延长我们的全球系统,组成一个网状的耦合非线性动力系统和直通的地图,。我们的全球系统是一个收缩如果(我)动力系统有某种联系和直通的地图;(2)动力系统萎缩;(3)直通的地图上有界;及(iv)组成的动力系统的雅可比矩阵规范当直通的地图(可以有上界大于1)导致一个值小于1。否则,萎缩的全球系统没有验证。因此,按照合同的组合系统的属性(37),全球系统见图2可以简单地由一个序列的模块(见图2),是

2.3。约束的任务持续时间

对于本文的目的,时间约束是一个上限的机器人的时间必须完成分配的任务;也就是说,机器人应该达到的目标位置时间框架内。跳跃机器人的时间必须完成任务要求全球系统收敛于不动点的速度不够快。

动力系统的初始条件和最终的条件据说验证时间约束如果, 在哪里命令输入系统的和吗是一个圆形的半径吗集中在。一个直通的地图验证如果内的任务是完成时态约束描述如下: 在哪里定义转换的速度,适当选择。返回大约1任务时,,一组值足够大当任务完成后。因此,条件(6)不再持有和任务被认为是失败的定点全球体系不再是稳定的。相同的表示(7)用于包括时间约束体系结构, 必须指出边界等(10)不嵌入信息之间的互连块。在某种意义上,这对应于假设每一块,特别,是相互联系他人,这样的意义将努力完成任务吗。事实上,定时控制模块图2已经嵌入块修改速度,使增加。然而,这还没大到足以导致增加小(一个典型的例子是饱和)。在这种情况下,有必要使用性能时间指数等更详细地观察系统。

包括额外的约束的架构可以很容易地通过使用上述原则。这显示了收缩的效用理论,特别是收缩的组合系统的稳定性分析提供了复杂实时控制架构。

3所示。实验装置

图3(一个)说明了机器人先锋dx用于实验,用机载PSEye相机(指向)检测地标,2.4 GHz的笔记本电脑运行控制架构,和Hokuyo激光测距仪,以避免障碍。激光读数、测程法和视觉信息获取每100毫秒,而动力系统和引线地图计算大约每20毫秒。

定位系统使用内部编码器测程法和视觉信息识别人工标志放置在天花板的环境(见图3 (b))。资源的融合实现通过一个扩展卡尔曼滤波(EKF)。区分标志放置在环境和用作参考机器人的传感器姿态估计中存在歧义。定位系统使用ARtoolkit框架(38)认识到最高的地标性建筑,并选择具有里程碑意义的置信度估计机器人的姿势。图3 (b)描绘了一个快照,天花板的一部分得到机器人的摄像头检测到3地标和1是没有检测到。

具有里程碑意义的结果从一个位置优化过程约束保持可见性,在任何时候,至少1地标。这种方法类似于一个采用(39)(参见[40,41选择])。

的最小数量地标必须确保至少1具有里程碑意义的是可见的机器人取决于(我)相机的视场和(2)相机和天花板之间的距离。这些约束限制的检测区域摄像机到天花板,哪一个具有里程碑意义的应该在这个地区是可见的。检测区域越大,所需的地标的数量越小。考虑到相机安装在机器人的顶部(见图3(一个)),从天花板的距离大约2.8米,检测和侧面积是平方米(见图3 (b))。

蒙特卡罗测试评估的性能定位系统通过分析精度,精度和收敛时间。定位系统的准确性得到一组20个实验。随机的机器人停止位置和估计比较地面真理。表1总结了这些实验的结果,与错误,,分别站在错误的和机器人的坐标和方向。定位系统显示良好的精度但精度差。在非常凌乱的环境与小的自由空间,可怜的精度可以提高任务失败的百分比。尽管如此,这些值类似于当前超宽频独立的室内定位系统(42,43)和系统结合测程法,激光测距测量,先天的已知的地图(44]。

机器人的收敛速度的定位也从组获得20个田间试验。初始化算法在每次运行一个随机位置。作为随机位置的坐标是已知的,机器人的构成比地面真理融合后的定位系统已经实现。图4显示了错误在机器人的姿态。需要大约5 s为机器人的姿态收敛于大约0.16年,坐标。取向收敛于0.05 rad大约1 s。

4所示。系统可靠性

可靠性是软件开发中使用/使用上下文可以被识别和衡量系统的鲁棒性意想不到的条件或失败(45]。在人机交互环境中一些文学已经解决可靠性物理基础上(见,例如,26,45])。即使收缩分析表明,整个系统是可靠的,田间试验允许一个现实的评估。

在机器人中,可靠性涉及物理安全及操作的鲁棒性包括可靠性和完整性。这些因素可以重叠各自措施带有一定程度的主观性。本文的可靠性方法是面向高层方面的一个完整的体系结构。

完整性评估的能力定位系统恢复从意想不到的情况下,例如,(我)碰撞,(2)具有里程碑意义的失败,以及(3)绑架了机器人的场景。可靠性的概率是成功完成任务,也就是说,成功的和不成功的任务的数量之间的比率在各种各样的任务。安全提供了许多可能的碰撞与障碍,机器人会导致随着时间的推移。在很短的时间内完成任务或一个高度密集的环境是一个方面,增加任务的复杂性,必须考虑测量的可靠性和安全属性。结果关于可靠性和安全性部分所示5。蒙特卡罗测试组成的重复几次运行在不同条件下被认为是为每一个可靠性特征。

4.1。完整性

为了评价机器人的能力从意想不到的情况下,恢复几个实验来让机器人以下故障:(i)与机器人碰撞故意造成,(ii)变化的百分比检测地标,和(3)定位系统如何处理绑架问题[46,47]。

以下4.4.1。碰撞

可能发生碰撞与障碍时机器人移动在高度密集的环境中,人们可能会无意中撞机器人。任务期间持久的500年代和100 m,有些人故意与机器人通过碰撞前相撞,并迫使它旋转和找到一个新的轨迹。机器人的速度和估计的结果说明机器人的姿态数据5和6,分别。

连续蓝线在图5(一个)展示了机器人和障碍物之间的最小距离测量的激光。每当这个距离是0.25米以下(由虚线红线标识)机器人与障碍物之间的碰撞发生。十三故意碰撞发生在任务(绿色圆圈)。图5 (b)说明了机器人的速度(连续蓝线)和垂直虚线绿线描述碰撞发生的时刻。尽管机器人与障碍物之间的碰撞,定时控制模块管理生成合适的参考速度随着机器人完成指定的任务。

图6说明了机器人的构成(蓝线)(与障碍物碰撞发生时)(绿色虚线)。相机安装在机器人提供的数据对其构成(黑眼圈)()仍然是正确获得碰撞后,和定位精度的退化是不相关的。尽管机器人旋转和找到一个新的轨迹发生碰撞后,机器人定位系统能够保持在一个合适的定位导航的不确定性。

4.1.2。地标检测失败

在任务是合理的期望,一些地标不会被探测到,例如,由于光照条件的变化。nondetected地标在定位的不确定性的影响在实验验证通过修改现有的地标。对于每一个实验,一个百分比的地标是有意地删除,即使用,,,,全套的地标。在每个实验中,单个任务的机器人执行序列大约300米。在任务的顺序,当机器人到达目标位置,它立刻假设一个新的目标,走向它。

图7显示结果。可用地标的比例影响定位的不确定性;,可用地标的比例越高,越低的不确定性水平。在正常情况下,地标可供检测的结果是相似的在桌子上1。

机器人成功完成任务的顺序即使可用地标的数量减少,,,尽管有更大的不确定性的价值。当没有地标()机器人基于视觉信息无法重置它的位置,因此无法完成任务的顺序。事实上,机器人移动几米后迷路了。

4.1.3。机器人绑架

绑架测试评估机器人从灾难中恢复过来的能力定位故障。这些测试是实现来验证如果定位系统可以处理这些故障恢复机器人的姿态的估计。

最初,机器人在一个已知的位置和停止10 s,以确保机器人的定位的融合。然后转移到另一个位置和机器人没有信息在一段时间内的新职位。这个时间是足够的机器人没有检测到地标时迷路了。这个测试重复10分和之间的平均不确定性机器人的真实位置和机器人的位置估计绑架后4 m。图8显示了相对于平均不确定性,坐标和方向在绑架问题得到10分。绿色区域代表的平均间隔时间的机器人被绑架。当视觉信息是可用的,,机器人的坐标位置收敛于预期的不确定性(根据表0.16米1大约在5 s(见图)8 (b),这是放大在收敛时间间隔,)。机器人的运动方向,,收敛于约0.05 rad。这些值的收敛与表是一致的1并表明定位系统能够处理灾难性的本地化问题。

5。田间试验

本节给出一组实验来说明,稳定条件(6),,而机器人执行长期任务的一组。如果这个条件验证任务,那么机器人到达目标位置在时间约束。在这种情况下,稳定条件(6)不是证实,全球机器人系统是不稳定的,因为没有达到目标位置或到达后。如果机器人验证它不能到达目标位置,机器人采用一个恒定的速度(0.1 ms⁻¹),并不断朝着目标位置。这些情况发生,例如,在一个非常密集的环境中,延迟机器人的障碍。机器人的最大速度是有限的物理约束到0.8 ms⁻¹。

在每个任务的开始,环境的地图,目标位置和运动时间提供的机器人。

结构的可靠性计算之间的比成功的和不成功的任务。任务成功,如果机器人到达附近的半径为在分配。根据表中的值1,m是一个合适的距离,让机器人停止安全接近尽管定位的不确定性。

为了成功地证明架构产生光滑和不间断的轨迹长距离无人监督,进行几个实验。前两个实验是由单一任务为了展示机器人到达目标位置的行为同时避免障碍。最后两个实验是由多个任务,包括重复序列任务获得一个长期的任务。失败在具有里程碑意义的检测和绑架事件可以发生在这些多个任务。在所有的实验中,走廊和实验室里挤满了看热闹的人执行他们的日常工作。

环境约米²可用的自由空间(见图9 (b)完整的地图和图9(一个)放大的部分地区的地图来)。黑色线条描绘的环境是不可用的机器人而红色虚线可以被视为假想线用于移动导航(见[24更多细节)。总数32地标定位分布沿着天花板。

5.1。实验1

在这个实验中(见图10),机器人必须应对动态障碍(如人)(A和B)快照,意想不到的静态障碍(快照和C),和狭窄的通道(快照和)。单一任务开始和我们的目标位置位于地区(见图9)。分配的时间s是足以让机器人完成任务如果移动平均速度为0.3 ms⁻¹。这个任务是发展地区人们已经熟悉机器人的行为。

图11显示机器人的速度(红色实线)。绿色圆圈描绘瞬间的时间障碍迫使机器人降低它的速度,以确保一个安全的周游世界(见[24速度降低的机制)。面板图A和C10描述这些瞬间的时间。障碍环游世界后,速度增加,以弥补造成的延迟降低速度。

图12显示的进化。显然,其上界是远低于1同意(6)。这表明的组成模块的架构是一个收缩和收敛于独特的定点。这个标识任务成功;也就是说,机器人到达目标位置在尽管障碍的路径。

5.2。实验2

这个实验旨在验证稳定性条件保存在单个任务的机器人从实验室(地区走廊(地区)到目标位置)(见图9)。在这个任务(见快照图13),机器人通过一扇门,把实验室的走廊(面板B),而面对同样的障碍检测在实验1(面板,C和D)。

图14表明,条件(6)持有期间的任务,这意味着建筑保持稳定和机器人到达目标位置在指定的运动时间,。尽管周游世界的人板C和D,如图所示13,机器人是能够成功地完成任务。

5.3。实验3

在这个实验中,机器人执行长期连续达到7个不同的序列组成的任务目标点260次。当机器人到达目标位置时,它立即假设一个新的目标,走向它。当达到最终目标时,机器人的下一个目标是设置为第一目标,因此重复循环。每个目标点被认为是一个单一的任务和目标选择,这样机器人覆盖了很大一部分的自由空间密集的环境。

由机器人完成所花费的总时间长的任务是大约2.5小时,包括总距离约为1640米。图15描述了轨迹由机器人在执行任务在这个实验中。注意,机器人到达目标点的邻域(被蓝色的圆圈)。

不与障碍物碰撞(静态或人)发生在实验。虽然有些人试图阻碍机器人,别人把机器人当做一个障碍,保持一个合适的轨迹,以避免碰撞。机器人在任务期间,未能达到目标位置在时间约束产生可靠性的比例大约在8任务。失败的任务发生因为机器人面临的障碍阻止它在到达目标位置。这是足以保证稳定条件(6不验证。即使时间限制没有完成8任务,机器人避免障碍,成功地到达目标位置。

图16显示的进化。条件(6)内完成任务时不是验证当任务被认为是失败的(见红色数据图16失败的任务)。正如所料,时间性能指数(9)就足以确定机器人的任务失败总是不满足时间约束和任务没有完成。高密度环境的障碍会导致复杂的情况下,机器人无法处理这些问题,在到达目标位置。其他情况导致任务失败是具有里程碑意义的检测失败和绑架问题。如果没有发现地标,定位系统无法重置测程法,和不确定性机器人的定位变得无限。

5.4。实验4

开始这个实验中,一组242个地点的地图是随机生成的,没有任何两个连续的位置是同一地区的环境。机器人自主导航到这些位置顺序。的为每个任务生成,完成每个任务所需的平均机器人的速度是0.3毫秒⁻¹。这个遵守机器人物理约束的最大速度(0.8 ms⁻¹)。

图17描述了目标位置的任务在这个实验中(绿色圆圈成功任务和红色十字架失败的任务)。在任务期间,只的数量和类型的障碍不同静态障碍和多个动态障碍(人)。任务失败的百分比在实验室(地区高,,,,比在走廊里(地区))。实验室有更多的狭窄空间,促进创建不幸的配置的障碍阻止机器人到达目标分配。

242年机器人执行任务,覆盖的距离约1261米2小时。这个实验的结果在表中做了总结2。平均为每个任务大约是22个年代,平均线速度是0.27毫秒⁻¹。注意,这个速度低于所需的平均速度计算女士(0.30⁻¹)。这是一个失败的任务,结果在机器人移动速度低(0.1 ms⁻¹)当它验证位置在剩下的时间中遥不可及的目标。成功的任务的百分比在这个实验中()比例略低于验证实验3 ()。这意味着机器人有更多的困难完成任务在时间约束。一些随机的机器人到达目标位置是困难(例如,角落和位置接近障碍)。12个任务失败被条件(6),见图18。显然,当机器人不会到达目标位置,时间性能指数(9)。

6。结论

本文描述了田间试验,涵盖范围广泛的现实场景在一个典型的大学室内环境的学生和工作人员移动频繁。这些包括单一任务以及长期任务最后几个小时。

稳定条件下基于收缩理论,包括定时性能指数识别架构的能力成功地引导机器人对目标同时尊重时间约束。加入时间约束的架构可以更换或结合其他性能约束和稳定性仍然可以与收缩理论分析,提供了这个约束是连接到任何模块的架构。此外,这个属性是可扩展到其他模块的控制或直通的地图。

蒙特卡罗试验示范的能力定位系统提供足够好的估计。结果表明一定鲁棒性的体系结构不确定性引入的一些街区。这可能是具有类似特征的相关实验。可靠性问题是评估考虑可靠性、完整性和安全性。机器人成功恢复的问题,比如绑架问题,意外的碰撞与障碍,地标检测失败。定位系统上的不确定性以及必要的地标的数量可以减少使用视觉传感器和更多的功能。然而,定位系统与当前的机器人视觉传感是足够准确的公里的范围。

未来的工作包括(1)提高定位系统使用更少的地标,(ii)结合地图来提高定位系统的准确性,和(3)扩展稳定性结果的一些街区建筑的非光滑动力学。同时,新领域其他复杂环境中进行实验,包括一个真实的医院环境,是这项工作的主要动机。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作已经由Fundacao para Ciencia e Tecnologia (FCT)项目UID / EEA / 50009/2013, PEst-OE /千禧年代/ UI0319/2014和格兰特SFRH / BD / 68805/2010。

引用

1. j·b·席尔瓦v -马托斯和c·桑托斯,“时间轨迹生成玩具轮式机器人,”第36届IEEE会议工业电子学报社会(IECON 10)IEEE,页1645 - 1650年,格兰岱尔市,加州,美国,2010年11月。视图:出版商的网站|谷歌学术搜索
2. a . j . Ijspeert j .录像,s . Schaal“学习吸引子景观学习运动原语,”诉讼进展的神经信息处理系统15(捏' 02),页1547 - 1554年,麻省理工学院出版社,2002年。视图:谷歌学术搜索
3. m·布勒公司和美国Koditscheck杂耍的计划和控制机器人”国际机器人研究杂志》上,13卷,不。2、101 - 118年,1994页。视图:谷歌学术搜索
4. 肖恩和c·桑托斯“控制运动的时间和顺序动作通过吸引子动力学:拦截仿真研究证明对象和协调,”第九届国际研讨会智能机器人系统学报》(先生们' 01)2001年7月,图卢兹,法国,。视图:谷歌学术搜索
5. m . Tuma i Iossifidis g·舍恩,“时间离散运动变量的稳定环境:一个吸引子动力学的方法,”诉讼的IEEE机器人与自动化国际会议上' 09)举行(“国际机器人与自动化会议”科比,页863 - 868年,日本,2009年5月。视图:出版商的网站|谷歌学术搜索
6. w . Lohmiller和j j。e . Slotine”在收缩分析非线性系统中,“自动化,34卷,不。6,683 - 696年,1998页。视图:出版商的网站|谷歌学术搜索
7. j . Jouffroy和j j。e . Slotine”方法论评价收缩理论”学报》第43届IEEE会议决定和控制(CDC ' 04),3卷,第2543 - 2537页,IEEE,拿骚,巴哈马群岛,2004年12月。视图:出版商的网站|谷歌学术搜索
8. w . Wang和j j。e . Slotine”部分收缩分析耦合非线性振子。”生物控制论,卷92,不。1,38-53,2005页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
9. d .天使”,李雅普诺夫方法渐进稳定属性,“IEEE自动控制卷,47号3、410 - 421年,2002页。视图:出版商的网站|谷歌学术搜索
10. 诉Fromion、g . Scorletti和g·费雷尔,“非线性PI控制导弹的性能:一个解释,“国际期刊的健壮和非线性控制,9卷,不。8,485 - 518年,1999页。视图:出版商的网站|谷歌学术搜索
11. j . Jouffroy和t . i Fossen教程渐进稳定性分析使用收缩理论,“建模、识别和控制没有,卷。31日。3、93 - 106年,2010页。视图:出版商的网站|谷歌学术搜索
12. m . s . Branicky”,多李雅普诺夫函数和其他分析工具切换和混合动力系统”IEEE自动控制,43卷,不。4、475 - 482年,1998页。视图:出版商的网站|谷歌学术搜索
13. j . Slotine和w·李,应用非线性控制普伦蒂斯霍尔,上台北,美国,1991年。
14. j . Jouffroy”,一个简单的扩展收缩理论研究增量稳定属性,”欧洲控制研讨会论文集(ECC ' 03)剑桥大学,页1315 - 1321年,英国,2003年9月。视图:谷歌学术搜索
15. e·d·桑塔格“平滑稳定意味着comprime分解,”IEEE自动控制,34卷,不。4、435 - 443年,1989页。视图:出版商的网站|谷歌学术搜索
16. j . m . Toibero f . Roberti r . Carelli p .不快,“切换控制方法稳定的移动机器人在未知环境中,导航”机器人和电脑一体机制造,27卷,不。3、558 - 568年,2011页。视图:出版商的网站|谷歌学术搜索
17. a . Benzerrouk l . Adouane, p .赖“李雅普诺夫被动的移动机器人导航的全球稳定存在的障碍,”诉讼的IEEE机器人与自动化国际会议的举行(“国际机器人与自动化会议”10)安克雷奇,阿拉斯加,美国,2010年5月。视图:谷歌学术搜索
18. e . Freiret t . Bastos-Filho m . Sarcinelli-Filho, r . Carelli”的移动机器人控制体系结构使用融合不同的控制器的输出,”《IEEE智能控制国际研讨会147年,页142 -温哥华,加拿大,2002。视图:出版商的网站|谷歌学术搜索
19. 杜伦,“学习metric-topological室内移动机器人导航、地图”人工智能,卷99,不。1、21 - 71年,1998页。视图:出版商的网站|谷歌学术搜索
20. Minguez j .”,整合规划和活性在自主避障传感器导航”《IEEE国税局/ RSJ智能机器人和系统国际会议(——05)IEEE,页2486 - 2492年,阿尔伯塔,加拿大,2005年8月。视图:出版商的网站|谷歌学术搜索
21. z转而经营,b .赞美上帝,悄无声息,“分层地图构建基于图划分和规划,”诉讼的IEEE机器人与自动化国际会议上06年举行(“国际机器人与自动化会议”)IEEE,页803 - 809年,奥兰多,佛罗里达州,美国,2006年5月。视图:出版商的网站|谷歌学术搜索
22. k . Konolige大肠Marder-Eppstein, b . Marthi“混合metric-topological地图、导航”诉讼的IEEE机器人与自动化国际会议的举行(“国际机器人与自动化会议”11),第3047 - 3041页,上海,中国,2011年5月。视图:出版商的网站|谷歌学术搜索
23. j . Sequeira c·桑托斯和j·席尔瓦,“动力系统在机器人控制体系结构:构建块的角度来看,“学报》第12届国际会议上控制自动化机器人与视觉(ICARCV 12)IEEE,页82 - 87年,广州,中国,2012年12月。视图:出版商的网站|谷歌学术搜索
24. j·席尔瓦,j . Sequeira和c·桑托斯”动力机器人控制体系结构的稳定性分析,“智能自动车辆,8卷,不。1,第230 - 225页,2013。视图:谷歌学术搜索
25. o·米歇尔,”Webots:专业的移动机器人仿真”,国际先进的机器人系统杂志》上,1卷,不。1,39-42,2004页。视图:谷歌学术搜索
26. a . Bicchi m .巴法g . Boccadamo et al .,“物理人机交互:可靠性、安全性和性能,”学报第十届IEEE国际研讨会上先进运动控制(AMC 08年)特兰托pp, 9-14 IEEE,意大利,2008年3月。视图:出版商的网站|谷歌学术搜索
27. b .伯爵,”可靠性的移动机器人与人类直接互动,”先进的人机交互,14卷施普林格大片在先进的机器人技术施普林格,页223 - 239年,柏林,德国,2005年。视图:出版商的网站|谷歌学术搜索
28. s . r .印刷面积和c·j·巴德正规化不连续的地图应用程序影响的动态系统,”暹罗在应用动力系统》杂志上,9卷,不。1,第219 - 188页,2010。视图:出版商的网站|谷歌学术搜索
29. j . Awrejcewicz m . Fekanb, p . Olejnik“不连续系统的连续近似。”《非线性分析,卷62,不。7,1317 - 1331年,2005页。视图:出版商的网站|谷歌学术搜索|MathSciNet
30. M.-F。Danca和s . Codreanu”可能近似间断动力系统”,混乱,孤波和分形,13卷,不。4、681 - 691年,2002页。视图:出版商的网站|谷歌学术搜索
31. c·桑托斯,”生成时间自主车辆的轨迹:非线性动力系统的方法,”诉讼的IEEE机器人与自动化国际会议上04年举行(“国际机器人与自动化会议”)4卷,第3746 - 3741页,新奥尔良,洛杉矶,美国,2004年4月。视图:出版商的网站|谷歌学术搜索
32. s . Degallier c·p·桑托斯l . Righetti和a . Ijspeert”运动生成使用动力系统:一个类人机器人执行一个击鼓的任务,”学报第六IEEE-RAS人形机器人国际会议热那亚,页512 - 517年,意大利,2006年12月。视图:出版商的网站|谷歌学术搜索
33. 肖恩和m .剂量”,动力系统任务级别的系统集成方法用于计划和控制自主车运动,”机器人和自治系统,10卷,不。4、253 - 267年,1992页。视图:出版商的网站|谷歌学术搜索
34. b . Hasselblatt和a .酒井动态的第一道菜英国剑桥,剑桥大学出版社,2003年。
35. h . Lutkepohl矩阵的手册约翰•威利& Sons 1996。
36. w . Lohmiller和j j。e . Slotine”控制系统设计机械系统使用收缩理论,“IEEE自动控制,45卷,不。5,984 - 989年,2000页。视图:出版商的网站|谷歌学术搜索
37. j j。Slotine和w . Lohmiller模块化、进化和绑定的问题:从稳定理论,“神经网络,14卷,不。2、137 - 145年,2001页。视图:出版商的网站|谷歌学术搜索
38. 加藤h . m . Billinghurst”标记跟踪和头盔显示器校准视频增强现实技术会议系统,”第二届IEEE和ACM国际研讨会上增强现实(IWAR ' 99),页85 - 94年,旧金山,加州,美国,1999年。视图:出版商的网站|谷歌学术搜索
39. p .萨拉,r . Sim和a . Shokoufandeh”将人工视觉地标在移动机器人工作空间,”IEEE机器人,22卷,不。2、334 - 349年,2006页。视图:谷歌学术搜索
40. d . Meyer-Delius m . Beinhofer a Kleiner, w . Burgard”使用人工路标减少环境中的模棱两可的移动机器人,”诉讼的IEEE机器人与自动化国际会议的举行(“国际机器人与自动化会议”11),第5178 - 5173页,上海,中国,2011年5月。视图:出版商的网站|谷歌学术搜索
41. m . Beinhofer j·穆勒,w . Burgard”有效的具有里程碑意义的位置准确和可靠的移动机器人导航,”机器人和自治系统,卷61,不。10日,1060 - 1069年,2013页。视图:出版商的网站|谷歌学术搜索
42. Krishnan, p . Sharma z独到,o . h . Woon”室内机器人导航、基于超宽频的定位系统”《IEEE国际会议上超宽带(ICUWB ' 07)IEEE,页77 - 82年,新加坡,2007年9月。视图:出版商的网站|谷歌学术搜索
43. j·冈萨雷斯,j·l·布兰科c Galindo et al .,“移动机器人定位基于ultra-wide-band包括:粒子滤波的方法,”机器人和自治系统卷,57号5,496 - 507年,2009页。视图:出版商的网站|谷歌学术搜索
44. a . Llarena j .野蛮、a . Kuri和b . Escalante-Ramirez”Odometry-based维特比本地化与人工神经网络和移动机器人、激光测距仪”《智能与机器人系统,卷66,不。1 - 2、75 - 109年,2012页。视图:出版商的网站|谷歌学术搜索
45. r . Filippini s . Sen, a . Bicchi”向软机器人可以依赖,”IEEE机器人和自动化》杂志,15卷,不。3,31-41,2008页。视图:出版商的网站|谷歌学术搜索
46. s p Engelson d·v·麦克德莫特,“纠错在移动机器人地图学习,”诉讼的IEEE机器人与自动化国际会议上,3卷,第2560 - 2555页,IEEE,不错,法国,1992年5月。视图:出版商的网站|谷歌学术搜索
47. 杜伦,d·福克斯、w . Burgard和f . Dellaert“健壮的蒙特卡罗定位为移动机器人,”人工智能,卷128,不。1 - 2、99 - 141年,2001页。视图:出版商的网站|谷歌学术搜索

版权

版权©2015豪尔赫·席尔瓦等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。