ST-FMT* 运动规划方法流程  福州大学供图

在智慧仓储、数字工厂中的移动机器人（Automated Guided Vehicle, AGV）主要依靠运动规划方法的计算和提供导航路线进行相应的生产活动。运动规划方法充当着机器人的大脑，指导机器人自主地移动到用户所设定的工作区域。例如，规划方法为机器人提供能源消耗最小的最短路线，或者在未知环境辅助机器人试探周围情况，亦或是实现多个机器人的协同运动规划过程。

但由于移动机器人体积较小，能够携带的传感器数量不多，并且机载计算能力有限，导致移动机器人系统的运行效率偏低，使得大部分运动规划方法的计算速度不高，难以在很短的时间内有效地为机器人提供所需的路线信息，极大影响了机器人工作效率的提升。

近日，福州大学机械工程及自动化学院博士陈彦杰、教授何炳蔚与中国工程院院士、湖南大学机器人视觉感知与控制技术国家工程实验室主任王耀南等研究人员，在机器人技术、工业电子技术行业顶级刊物《国际电气和电子工程师协会工业电子汇刊》上发表最新研究成果《安全通道快速行进树：一种移动机器人的快速全局最优运动规划方法》。该研究成果面向工业生产的实际需求，通过设计一种高效的全局运动规划方法实现机器人运行效率提升的目的。

所设计的规划方法通过对机器人所在的地图环境进行快速预处理，并结合区域分割和集中采样探索来优化规划方法所搜寻到的路线长度，实现了移动机器人对整个地图中最短路线的快速寻找，极大地提升了移动机器人的工作效率。

研究人员通过对比多种不同运动规划方法的计算效率，发现所设计的运动规划方法在寻找最短路线过程中所消耗的时间要低于其他现有运动规划方法，证实了所设计方法的有效性。该研究工作不仅可以提高移动机器人在工作过程中的运输效率，而且可以减少移动机器人本身的能耗，突破了传统运动规划方法难以兼具安全性和高效率的难题，对于提高整体生产效率，降低生产成本具有重要意义，为智慧工厂实施布局提供了有力的技术支撑。

相关论文信息：DOI: 10.1109/TIE.2021.3075852