.png){kind=icon}
返回
Encoder-decoder-LSTM based MPPI control strategy for mobile robots in clutter environments
.png){kind=icon}
PRE
AI
DOI：10.1108/IR-08-2025-0303.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目的作为一种高效的路径规划算法，MPPI在移动机器人路径跟踪与规划领域受到了广泛关注。然而，传统的MPPI在极端复杂环境下容易陷入局部最优，从而生成不可行的控制序列。为解决此问题，提出了一种基于编码器-解码器LSTM的MPPI控制算法，用于处理复杂环境中的最优运动规划问题。设计/方法/途径首先，设计编码器-解码器LSTM网络为MPPI在每个时间步提供参考点。然后，根据当前位置和参考点，在传统LSTM网络框架下使用PD控制器获取当前控制输入，并将其作为样本均值。为提高算法的实时性和计算效率，MPPI采样部分在GPU平台上并行执行，其他控制和处理部分在CPU上计算。发现本文进行了三组对比实验，包括仿真和物理测试，以评估所提算法的有效性。在复杂环境中，该算法实现了百分之百的成功率，成功引导运输机器人从起点移动到目标位置，并在途中避开障碍物。创新性/价值本文提出的算法为复杂环境中的机器人导航提供了一种参考方法，解决了传统MPPI算法易陷入局部最优的问题，从而生成更高效的控制序列。
Keyword:
Mobile robot
Path planning
MPPI
Encoder-decoder
LSTM
期刊
I
IF:
2.5
论文数:
93
被引数:
2.4K
机构
引用论文
LSTM-MPC: A Deep Learning Based Predictive Control Method for Multimode Process ControlLstm-mpc: 一种基于深度学习的多模式过程预测控制方法
PREAI
分享收藏Adaptive Impedance Control of Multirotor UAV for Accurate and Robust Path FollowingAhmed, Z.; Xiong, X. 多旋翼无人机自适应阻抗控制以实现精确且鲁棒路径跟踪. Machines 2024, 12, 868. [Google Scholar] [CrossRef].png)
Machines
MachinesIF0
PREAI
分享收藏Dynamic Path Planning for Rapidly Expanding Autonomous Vehicles in Complex Environments复杂环境下快速扩展自主车辆的动态路径规划IEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏分享收藏分享收藏
查看更多内容