融合神经网络GRU和RRT算法的机械臂路径规划

作者：周哲; 欧阳勇^*

来源：组合机床与自动化加工技术, 2023, (09): 7-10.

DOI：10.13462/j.cnki.mmtamt.2023.09.002

• *算法" name="keyword">RRT*算法
• GRU门控神经网络
• 分段三次样条
• 轨迹规划

针对求解机械臂最优路径规划问题，提出一种融合卷积神经网络GRU的RRT*算法(GRU-RRT*)。将门控循环单元GRU应用于采样的规划器(GRU＿Sampler),利用神经网络规划器为快速探索随机树提供节点，预测下一次随机采样最有希望的可达状态，显著降低了算法的运行时间，提高了改进的RRT*算法的规划效率。此外，采用自适应可变步长，利用环境信息生成合适的步长，避免因固定步长导致的收敛速度降低的问题，最后使用三次样条插值算法对机械臂运动轨迹进行平滑，减少机械臂的冲击损耗。将GRU-RRT*算法分别在二维、三维和Rviz地图中进行仿真，实验结果表明，改进算法有效的降低了搜索的时间，提高了机械臂规划的效率，平滑性良好。

• 单位
  湖北工业大学