为了在动态和非结构化的现实环境中成功完成任务，移动机器人应该能够实时调整其动作，以避免与附近的物体、人或动物发生碰撞。

目前，大多数防止机器人碰撞的方法都是通过创建机器人导航环境的精确地图，然后规划最佳轨迹以安全到达所需位置来实现的。

之前提出的许多机器人导航技术在模拟中取得了令人鼓舞的结果。然而，它们在现实环境中往往表现不佳，尤其是那些不可预测且随时间快速变化的环境。

加州大学圣地亚哥分校的研究人员最近介绍了一种新方法，可以增强移动机器人在动态和非结构化环境中的导航能力。

该方法在arXiv预印本服务器上发布的一篇论文中进行了介绍，目前已成功应用于Jackal机器人(由ClearPathRobotics开发的轮式机器人系统)。

论文共同作者KehanLong告诉TechXplore：“我们最近的论文解决了在复杂、未知和动态环境中移动机器人安全自主导航的迫切需求，同时考虑到机载可用的传感和计算资源有限。”

“虽然之前的研究利用人工势场、导航功能和控制屏障功能等技术取得了重大进展，但其中许多方法依赖于构建精确的环境地图。”

实时构建动态环境地图可能具有挑战性，特别是当这些环境随时间快速变化时。Long和他的同事最近进行的研究的主要目标是开发一种新方法，可以保证移动机器人在这些不断变化的环境中的安全，直接利用机器人机载传感器收集的数据，而不是重建精确的环境地图。

“我们用于安全移动机器人导航的新方法引入了分布稳健控制屏障函数(DR-CBF)公式，”Long解释道。

“核心概念是将机器人嘈杂的距离传感器测量值(例如来自LiDAR)直接纳入控制优化作为安全约束，而不是首先构建精确的地图。通过采用分布稳健优化的严格理论，我们可以稳健地考虑传感和动态环境中的不确定性。”

Long及其同事开发的移动机器人导航方法与过去几年推出的其他方法相比具有多种优势。最值得注意的是，它可以保证机器人的安全运行，防止它们与物体发生碰撞，同时只需要有限的计算资源。

“我们方法的显著特点是，它直接利用最新的传感器数据来确定控制输入，从而确保安全导航，使机器人能够迅速适应环境变化，”朗说。

“我们的工作具有重大的实际意义。通过开发具有较低计算要求的可靠移动机器人，我们的方法有可能降低制造机器人的成本，使其更适用于广泛的应用。”

为了测试他们的方法，朗和他的同事将其应用于ClearPathJackal，这是一种配备激光雷达传感器的轮式防风雨机器人。他们的发现令人鼓舞，证明了他们的方法在室内和室外动态环境中的有效性和多功能性。

“在未来的研究中，我们计划将我们的方法扩展到更复杂的机器人系统，例如腿式机器人和人形机器人，”Long补充道。“我们的最终目标是开发安全且功能强大的机器人，能够在任何环境中导航和交互，同时提供强大的安全保障。”