野外环境下移动机器人实时建模与自主行为优化方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61035005
  • 项目类别:
    重点项目
  • 资助金额:
    260.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0306.自动化检测技术与装置
  • 结题年份:
    2014
  • 批准年份:
    2010
  • 项目状态:
    已结题
  • 起止时间:
    2011-01-01 至2014-12-31

项目摘要

本项目针对移动机器人在野外动态非结构环境中的三维实时建模、在线场景理解与环境约束产生、多动态约束下行为实时优化、空-地协调合作,以及与此相关联的多传感器信息融合、自主学习、多机器人动态编队与合作观测等内容,展开系统深入的研究工作;重点面向实时环境建模中的尺度协调、在线场景理解和环境约束产生、基于知识/经验引导的多动态约束下实时优化决策、以及空-地机器人优化合作观测等四方面科学问题,旨在初步建立起野外环境中移动机器人自主行为共性方法体系,并以极区科学考察为应用背景,针对所提出的方法开展实验研究,验证其可行性和有效性。以极区科考这一国家重大科学工程为切入点,推进野外移动机器人逐步摆脱遥操作的局限,向自主行为发展;同时,作为共性使能技术,本项目研究成果对于其它领域的移动机器人系统,如空间探测机器人、救灾救援机器人以及面向国防安全的机器人等,也具有重要的方法与技术支撑作用。

结项摘要

该项目针对野外环境中移动机器人自主行为问题,从野外动态非结构环境中的三维实时建模、在线场景理解与环境约束产生、多动态约束下行为实时优化、空-地协调合作、试验平台构建及演示实验五个方面开展了系统性的研究工作。项目组全面完成了预期研究计划,并取得了一大批重要成果,具体包括:在环境建模、理解和约束产生方面,提出了基于分层高程图的野外环境建模与场景匹配方法、激光和视觉传感信息多层次融合方法、以及基于激光点云和方位角图模型的三维场景在线理解方法,为解决机器人对野外复杂环境的一致性建模和正确理解问题提供了有效途径;在行为实时优化方面,建立了一套面向动态、非结构化环境的行为优化以及自主学习策略,提出了基于相对速度空间的行为优化方法、基于相对状态IHDR树的知识表示、以及知识对行为优化的引导策略等,为缓解机器人行为优化问题中实时性和最优性之间的矛盾提供了一种可行方案;在空地异类机器人协作方面,提出了基于多特征的大差异环境信息融合方法、基于全局-局部信息的空地机器人行为松协调方法、面向主动合作观测的空地机器人行为紧协调方法等,为提升地面机器人面对复杂使命和环境时的自主行为能力提供了一个新的解决思路;在平台及实验方面,研制了多台套地面、旋翼飞行机器人系统,并针对无标志线道路、(非道路)野外等典型环境开展了系统性实验研究,验证了理论研究成果;此外,2次随我国南极科考队赴南极开展了实地应用研究,相关技术成果为后续我国开展机器人化南极科考工程奠定了坚实的基础。项目组共出版专著2部;发表学术论文56篇,其中SCI收录32篇;申请发明专利10项(已获批5项,包括1项美国专利);获得辽宁省科技进步一等奖(2012年)、中国专利优秀奖(2013年)各1项;联合培养青年科研骨干8人、其中4人晋升教授/研究员,博士后4人,博士生10人,硕士生10人;项目组成员在国际学术会议上作大会报告、特邀报告6人次。本项目成果对于推进野外移动机器人逐步摆脱遥操作的局限,向自主行为发展具有重要的科学意义;同时,作为共性使能技术,本项目研究成果对于其它领域的移动机器人系统,如空间探测机器人、救灾救援机器人以及面向国防安全的机器人等,也具有重要的方法与技术支撑作用。

项目成果

期刊论文数量(63)
专著数量(2)
科研奖励数量(0)
会议论文数量(18)
专利数量(0)
Distributed H∞ filtering in sensor networks with randomly occurred missing measurements and communication link failures
传感器网络中的分布式 H 过滤,随机发生丢失测量和通信链路故障
  • DOI:
    10.1016/j.ins.2012.07.059
  • 发表时间:
    2013-02
  • 期刊:
    Information Sciences
  • 影响因子:
    8.1
  • 作者:
    Haiyang Yu, Yan Zhuang, Wei Wang
  • 通讯作者:
    Haiyang Yu, Yan Zhuang, Wei Wang
An efficient registration algorithm based on spin image for LiDAR 3D point cloud models
一种基于自旋图像的激光雷达3D点云模型高效配准算法
  • DOI:
    10.1016/j.neucom.2014.09.029
  • 发表时间:
    2015-03
  • 期刊:
    Neurocomputing
  • 影响因子:
    6
  • 作者:
    He Yuqing;Mei Yuangang
  • 通讯作者:
    Mei Yuangang
A Robust Extended H-infinity Filtering Approach to Multi-Robot Cooperative Localization in Dynamic Indoor Environments
动态室内环境中多机器人协作定位的鲁棒扩展 H 无穷大过滤方法
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    Control Engineering Practice
  • 影响因子:
    4.9
  • 作者:
    Yan Zhuang, Zidong Wang, Haiyang Yu, Wei Wan
  • 通讯作者:
    Yan Zhuang, Zidong Wang, Haiyang Yu, Wei Wan
基于加速度信号增强的无色卡尔曼滤波方法在水面移动机器人中的应用
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    机械工程学报
  • 影响因子:
    --
  • 作者:
    马玉龙;何玉庆;韩建达;赵忆文
  • 通讯作者:
    赵忆文
Research on Strait-line Tracking Control of Under-actuated Ship
欠驱动船舶海峡跟踪控制研究
  • DOI:
    --
  • 发表时间:
    2011
  • 期刊:
    International Journal of Advancements in Computing Technology
  • 影响因子:
    --
  • 作者:
    Ma Yulong, Han Ji;a, He Yuqing
  • 通讯作者:
    a, He Yuqing

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于卷积神经网络的自适应样本加权脑机接口建模
  • DOI:
    10.13976/j.cnki.xk.2019.9054
  • 发表时间:
    2019
  • 期刊:
    信息与控制
  • 影响因子:
    --
  • 作者:
    邹宜君;赵新刚;徐卫良;韩建达
  • 通讯作者:
    韩建达
移动双臂机械手系统协调操作的视觉伺服技术
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    控制理论与应用
  • 影响因子:
    --
  • 作者:
    杨唐文;高立宁;阮秋琦;韩建达
  • 通讯作者:
    韩建达
野外移动机器人滑动效应的在线建模和跟踪控制
  • DOI:
    --
  • 发表时间:
    2011
  • 期刊:
    机器人
  • 影响因子:
    --
  • 作者:
    周波;戴先中;韩建达
  • 通讯作者:
    韩建达
利用3D打印标定球的机械臂与RGB-D相机手眼标定方法
  • DOI:
    10.13973/j.cnki.robot.170642
  • 发表时间:
    2018
  • 期刊:
    机器人
  • 影响因子:
    --
  • 作者:
    杜惠斌;宋国立;赵忆文;韩建达
  • 通讯作者:
    韩建达
气动驱动柔性臂自适应模糊振动控制
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    机械工程学报
  • 影响因子:
    --
  • 作者:
    王斌;邱志成;张宪民;韩建达
  • 通讯作者:
    韩建达

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

韩建达的其他基金

人机协作型新一代工业机器人基础研究
  • 批准号:
    U1508208
  • 批准年份:
    2015
  • 资助金额:
    246.0 万元
  • 项目类别:
    联合基金项目
极地探测机器人在线地形参数估计和构型优化控制方法研究
  • 批准号:
    60775056
  • 批准年份:
    2007
  • 资助金额:
    29.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码