.png){kind=icon}
返回
GPU-enabled Decentralized, multi-robot path planning based on global evolutionary dynamic programming and local particle swarm optimization
.png){kind=icon}
OA
AI
DOI：10.1016/j.eswa.2026.132321.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种新颖的基于GPU的单机器人与多机器人路径规划方法，该方法将全局进化动态规划（EDP）与局部粒子群优化（PSO）相结合。首先，利用可视图将路径规划问题建模为马尔可夫决策过程（MDP）；然后，通过求解MDP，使用EDP生成具有显著状态值的多条高质量初始路径；最后，应用并行化多群体PSO对机器人周围的所有初始路径进行优化，从而提升计算速度和路径质量。所提出的算法在一台搭载于移动机器人（TurtleBot 3 Waffle Pi）上的边缘计算设备（Jetson AGX Orin）上实现，以进行实验验证。此外，开发了一套障碍物检测系统以识别物理障碍物，并使用一套室内定位系统来估计机器人的位置和姿态。两个系统的总运行时间约为每帧0.06秒。最优路径以约14 Hz的频率连续生成，从而实现动态环境中的成功避障和机器人导航，并展示了障碍物检测、机器人定位及路径规划方法在实时性能上的表现。与其他基准方法相比，所提出的方法显著提升了路径规划的鲁棒性和质量，同时也在计算速度上取得了显著成效。
Keyword:
Dynamic programming
Particle swarm optimization
Markov decision process
Path planning
GPU computing
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
An improved RRT* algorithm for robot path planning based on path expansion heuristic sampling基于路径扩展启发式采样的机器人路径规划改进RRT * 算法
PREAI
分享收藏
分享收藏Adibeli, J.O.; Liu, Y.-K.; Chao, N.; Awodi, N.J. Modified bidirectional rapidly exploring random tree star (Bi-RRT*) algorithm with variable node parameter for optimized path planning in nuclear decommissioning environment. Nucl. Eng. Des. 2025, 433, 113876. [Google Scholar] [CrossRef]Adibeli, J.O.; Liu, Y.-K.; Chao, N.; Awodi, N.J. 具有可变节点参数的改进双向快速探索随机树星（Bi-RRT*）算法，用于核设施退役环境中的优化路径规划。Nucl. Eng. Des. 2025, 433, 113876. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏分享收藏Reinforcement learning-based multi-strategy cuckoo search algorithm for 3D UAV path planning基于强化学习的多策略布谷鸟搜索算法的三维无人机航迹规划
PREAI
分享收藏
查看更多内容