1、自主移動智能體（Autonomous Mobile Agent）是智能體研究和工程應用的一個重要領域，對于移動智能體而言，其自主導航能力是智能體各個能力中重要的一部分。自主導航包括路徑規(guī)劃、避障策略、定位、環(huán)境感知等多個方面，要求移動智能體不具備任何先驗的環(huán)境知識，僅根據自身配備的傳感器來感知周邊環(huán)境內的障礙物信息，并根據此信息自主規(guī)劃它的動作、制定運動軌跡，最終盡可能高效、可靠地從初始位置（或初始位姿）到達指定的目標位置（或終止位姿）

2、。移動智能體自主導航需要滿足一定的約束條件，這些約束條件包括：與障礙物間無碰撞、路徑長度最短、能源消耗最少、時間消耗最少、以及移動智能體的動力學約束等。
　　本文主要研究了移動智能體在大尺度范圍內和小尺度范圍內未知環(huán)境下的自主導航問題，主要的研究內容和創(chuàng)新點現概括如下：
　　1.提出矢量化路徑描述方法，以路徑矢量組來表示路徑。該方法中提出以一組首尾相連的矢量來描述、保存規(guī)劃路徑，移動智能體在根據矢量化的路徑行進時，可以直接根

3、據規(guī)劃路徑執(zhí)行前進、轉向指令。而且該方法可以有效的避免路徑規(guī)劃過程對地圖構建的依賴，無需地圖存儲及維護的龐大數據，因此可以大幅度降低保存路徑時的空間需求。提出的路徑更新計算方法可方便的進行路徑的維護和更新，并大大減少路徑更新時的計算量。
　　2.將矢量化路徑描述方法與Bug算法思想相結合，解決大尺度范圍內靜態(tài)未知環(huán)境下移動智能體自主導航問題。研究中借鑒了Bug系列算法中“朝向目標位置移動”和“遇到障礙物轉身”的思想，并將其與矢量化

4、路徑描述方法緊密結合。首先以起始位置和目標位置構建初始路徑，令移動智能體沿初始路徑行進，在行進過程中，移動智能體根據不同的條件對未知的環(huán)境及其中的障礙物進行檢測，一旦發(fā)現有障礙物阻擋當前行進路徑，則生成中間插入點并更新路徑，然后令移動智能體沿更新后的路徑繼續(xù)行進，最終令移動智能體無碰撞的到達目標位置。研究中提出了兩種中間插入點的生成方法，分別是掃描生成和隨機生成。兩種方法中，掃描方式相比于隨機方式而言，更容易得到路徑長度較優(yōu)的規(guī)劃結果；

5、而隨機生成方式則具有更好的全局搜索能力。對于掃描生成中間點時易得到局部最優(yōu)解的缺點，研究中提出了改進方法，使得移動智能體在陷入局部最優(yōu)后，能夠迅速走出局部最優(yōu)；而對于中間點的隨機生成方式則提出了快速收斂策略，以得到較短的運行軌跡和較少的規(guī)劃時間。
　　3.將矢量化路徑描述方法運用到大尺度范圍內動態(tài)未知環(huán)境下移動智能體的自主導航研究中，解決環(huán)境中具有未知移動障礙物的自主導航問題。依據矢量化路徑描述方法的思想，首先建立初始路徑，令移動

6、智能體在沿路徑行進的過程中以規(guī)定的時間間隔對周邊環(huán)境進行檢測，查找是否有障礙物，一旦發(fā)現有障礙物存在，則根據研究中提出的一系列步驟，判定障礙物的移動趨勢，并斷定該障礙物是否會阻擋當前行進路徑。一旦發(fā)現有障礙物已經阻擋或將有可能阻擋當前路徑時，根據提出的中間點生成算法，朝向障礙物移動的相反方向生成中間插入點并實時更新路徑，然后令移動智能體沿更新后的路徑行進，直至安全無碰撞的到達目標位置。
　　4.充分考慮移動智能體的動力學約束，提出

7、基于Bug思想的小尺度范圍內移動智能體自主導航算法。將Dubins路徑與Bug算法相結合，在移動智能體從一個位姿向另一個位姿運動的過程中，根據移動智能體的最小轉向半徑構建Dubins路徑，并令移動智能體沿Dubins路徑行進，以滿足其動力學特性。首先令移動智能體沿Dubins路徑從初始位姿向終止位姿移動，并在規(guī)定的條件下感知環(huán)境信息，一旦移動過程中發(fā)現有障礙物阻擋當前路徑，則根據提出的中間位姿生成方法，生成中間位姿，并構造兩條分別由當前