移動機器人在復雜場景下的高效避障控制研究

摘要：環衛機器人在城市清潔中逐漸展現其高效、智能化的優勢。為了提高環衛機器人編隊作業的靈活性和安全性，提出了一種改進的領航跟隨算法，并結合智能避障策略，提升機器人編隊在復雜城市環境中的協同作業效率。通過對領航跟隨算法進行改進，并引入避障機制，結合實際應用場景進行了仿真實驗分析。實驗結果表明，改進后的領航跟隨算法能確保機器人編隊避障，同時能保持編隊的穩定性，適用于復雜動態環境下的環衛機器人作業。

關鍵詞：環衛機器人；領航跟隨算法；避障策略；編隊控制

中圖分類號：U461 收稿日期：2024-07-10

DOI：1019999/jcnki1004-0226202410012

1 前言

隨著城市規模的擴展，城市清潔任務日益復雜。傳統的人力清掃方式逐漸被高效的自動化環衛機器人所取代。環衛機器人不僅可以自主完成大規模的清掃任務，還能夠在復雜的城市環境中避開障礙物、與其他機器人協同作業。然而，在多機器人編隊（圖1）作業中，如何同時實現高效的路徑規劃、障礙物避讓和隊形保持成為一個重要的研究課題[1]。

領航跟隨算法是一種經典的編隊控制方法，通過設定一個或多個領航機器人，帶領跟隨者完成編隊任務[2-3]，如圖2所示。然而，傳統領航跟隨算法的局限性在于，當環境中存在復雜的動態障礙物時，跟隨者容易因路徑固定而陷入困境。為了解決這一問題，本文提出了一種改進的領航跟隨算法，結合智能避障策略，提升編隊在復雜環境中的靈活性和安全性。

2 環衛機器人及作業場景描述

2.1 環衛機器人的基本概述

環衛機器人包含掃地機器人、清洗機器人等產品（圖3），是移動機器人的一個典型場景應用。在國際低碳戰略和我國環保理念的推動及人口老齡化沖擊等危機影響下，環衛機器人在各地得到廣泛使用。環衛機器人的集群作業能大大提高環衛作業效率。不少城市開始采用環衛機器人集群作業，來提高環衛作業效率及降低產品使用運營成本。長沙橘子洲景區不僅實現了景區清潔從傳統人工向機械化、無人化的升級，在疫情期間環衛機器人還很大程度上替代人工完成了景區的主要保潔工作。深圳市隨著首批5G+環衛機器人集群編隊在福田正式上崗，大大提高了環衛作業效率。

這些機器人通常在復雜的城市環境中工作，需要具備高效的路徑規劃和避障能力。特別是在多機器人編隊作業中，編隊的避障控制和隊形保持是確保工作效率和安全性的關鍵。

2.2 環衛作業場景描述

環衛機器人通常工作在以下幾種典型作業場景中：

a.城市主干道清掃：主干道面積大、車流量和人流密集，環衛機器人需要通過編隊方式覆蓋道路清掃，并能夠避開行駛中的車輛。

b.公園和廣場維護：公園、廣場等區域的環境較為復雜，包含樹木、垃圾桶、長椅等固定障礙物，環衛機器人需要靈活調整編隊隊形，避開這些障礙物進行全面清掃。

c.背街小巷清潔：背街小巷路面狹窄，機器人需要緊湊排列以完成清掃作業，避免相互干擾和碰撞。

這些場景下，機器人不僅要實現高效的清掃作業，還必須面對動態或靜態障礙物的影響。為了保證編隊的有效性和安全性，本文提出了一種結合避障策略的改進領航跟隨算法。

3 改進的領航跟隨算法

3.1 傳統領航跟隨算法的基本原理

傳統的領航跟隨算法通過設定一個領航機器人（Leader），其余機器人（Follower）通過感知領航者的位置和速度進行跟隨[4]。每個跟隨者根據與領航者之間的相對位置調整自身的運動狀態，從而實現整體的隊形保持。

跟隨者的運動控制通常采用以下公式：

[vf=vl+kp（pl-pf）] （1）

[wf=wl+kd（θl-θf）] （2）

式中，[vf]為跟隨者的線速度；[vl]為領航者的線速度；[pl]和[pf]分別為領航者和跟隨者的位置；[kp]為位置調整的比例系數；[wf]為跟隨者的角速度；[wl]為領航者的角速度；[θl]和[θf]分別為領航者和跟隨者的朝向角；[kd]為角度調整的比例系數。

雖然傳統領航跟隨算法能夠有效保持編隊結構，但它在復雜環境中的避障能力較弱，尤其當領航者沒有感知到障礙物時，跟隨者容易受到限制，導致編隊散亂或碰撞[5-6]。因此，有必要對該算法進行改進，增加智能避障策略。

3.2 智能避障策略的引入

為提升領航跟隨算法的適應性，本文引入了一種基于局部傳感器的智能避障策略。每個跟隨者不僅跟隨領航者的軌跡，還可以通過自身的傳感器獨立感知周圍的障礙物，并實時調整路徑。

避障策略采用以下機制：

a.局部避障傳感器：每個跟隨者配備激光雷達、超聲波傳感器或紅外傳感器，用于檢測周圍的障礙物。當障礙物進入預設的感知范圍內時，跟隨者會計算一條避障路徑，并臨時偏離領航者的軌跡，繞過障礙物后再回到編隊中。

b.避障路徑規劃：基于智能算法，機器人能夠在檢測到障礙物后快速規劃出避障路徑，確保安全通過。

c.跟隨與避障結合：當避障路徑計算完畢后，跟隨者繼續參考領航者的軌跡進行編隊跟隨，從而保證整體編隊的穩定性。

4 改進領航跟隨算法在環衛作業中的應用

為了適應不同的作業環境，本文對改進后的領航跟隨算法進行了多種應用場景的模擬，確保機器人在復雜環境中的高效作業。

4.1 城市主干道清掃

在城市主干道清掃場景中，障礙物主要是動態的車輛和行人。領航者負責全局路徑規劃，帶領跟隨者進行清掃作業。改進的領航跟隨算法使得每個跟隨者能夠在保持隊形的同時獨立進行局部避障，確保在車流或行人密集的情況下，編隊依然能夠穩定作業。

4.2 公園和廣場維護

公園和廣場的環境較為復雜，包含樹木、長椅等固定障礙物。改進的領航跟隨算法通過讓每個跟隨者實時感知周圍的障礙物，并通過局部路徑調整繞過障礙物，有效提高了編隊的整體靈活性和覆蓋效率。

4.3 背街小巷清掃

在背街小巷等狹窄路面，空間有限且障礙物密集。領航者帶領編隊穿越狹窄區域時，跟隨者需要獨立調整自身位置，以避免與墻體或其他障礙物發生碰撞。通過智能避障策略，機器人能夠在不破壞編隊的情況下靈活通過狹窄空間。

5 仿真實驗及結果分析

為了驗證改進領航跟隨算法的有效性，本文采用MATLAB進行仿真實驗，模擬環衛機器人在不同場景下的編隊作業，測試了不同編隊形式下的避障性能和隊形保持能力。

5.1 實驗場景設計

實驗在一個30 m×30 m的平面中進行，障礙物隨機分布，目標點設定在場景的固定位置。機器人數量設定為3個，其中1個為領航者，2個為跟隨者。實驗場景涵蓋了城市主干道、公園廣場和狹窄街區等典型環衛作業場景。通過仿真，分析機器人在不同環境下的編隊避障能力和隊形保持效果。

5.2 仿真實驗結果

5.2.1 三角形編隊仿真

三角形編隊適合于需要高效避障的環境，如公園步道或居民區。機器人緊密排列在領航者后方，形成一個緊湊的隊形。圖4為三角型編隊仿真圖。

三角形編隊在避障過程中表現良好，隊形保持較為穩定，適合在障礙物較多的環境中使用。智能避障策略使得跟隨者能夠繞開障礙物后迅速返回隊形，避免因局部障礙導致隊形的破壞。

5.2.2 直線型編隊仿真

在一字型編隊中，機器人排成一條直線，領航者位于最前方，跟隨者依次跟隨。在這種編隊形式下，適合用于城市主干道及背街小巷等路面的清掃任務。圖5為直線型編隊仿真圖。

直線型編隊在較為寬敞的環境中能夠有效保持隊形，但當遇到多個動態障礙物時，跟隨者通過獨立避障策略臨時偏離隊形繞開障礙物，再返回到預定路徑中。整個編隊在避障過程中保持了較高的穩定性。

6 結語

本文通過研究基于領航跟隨算法的環衛機器人編隊控制方法，結合實際城市環境中的作業需求，提出了一種適用于城市清掃任務的編隊控制策略。通過仿真實驗可以看出，改進后的領航跟隨算法不僅提升了編隊的穩定性，還在避障時減少了編隊結構的破壞，使得環衛機器人能夠在多變的城市環境中靈活工作，適應不同的作業場景需求。未來，隨著智能算法和傳感器技術的進一步發展，環衛機器人將能夠在更加復雜的城市環境中實現高效、安全的自主作業，并為城市環境管理提供更加智能的解決方案。

參考文獻：

[1]王耀南，江一鳴，姜嬌，等機器人感知與控制關鍵技術及其智能制造應用[J]自動化學報，2023（3）：494-517.

[2]熊勇剛，付茂林，李波，等基于領航-跟隨法的多機器人編隊控制[J]機電工程技術，2024，53（3）：136-141.

[3]吳桐基于Leader-Follower的多機器人協同控制技術研究[D]北京：北京化工大學，2022.

[4]Chen Shijie，Dai Jiahao，Yi Jingwen，et al.An optimal design of the leader-following formation control for discrete multiagent systems［J］.IFAC Papers On Line，2022，55（3）：201-206.

[5]孫云鳳動態環境下移動機器人路徑規劃方法研究[D]濟南：齊魯工業大學，2024.

[6]吳萬強集群移動機器人中的避障算法研究[D]沈陽：沈陽大學，2022.

作者簡介：

謝宇明，男，1988年生，高級工程師，研究方向為機器人開發及控制。