机器人路径选择优化方法研究与仿真

机器人路径优化选择时,环境中的路径信息非事先固定,而是需要根据环境改变,采集得到的随机路径信息往往参杂很强的干扰,造成路径知识信息的机器表达有很大困难。传统的机器人路径选择方法,通过单一的路径直观信息完成对应,而缺少对复杂信息、干扰下路径信息的理解能力,使路径相关知识点支离破碎,很难建立联系,造成路径选择错误率较高。提出了一种自然语义优化的机器人路径选择算法,建立机器人路径选择知识库,并且将其作为自然语义理解歧义性消除的数据基础,将自然语义特征进行转化处理,通过路径特征关联性系数的计算,去除理解过程中的歧义性。实验结果表明,上述算法能够有效消除机器人路径选择中的自然语义理解的歧义性,提高机器人路径选择的准确性。