[发明专利]基于线性时序逻辑理论的仓储机器人路径规划方法

摘要

基于线性时序逻辑理论的仓储机器人路径规划方法，包括：将仓储环境建模为根据派单节点可扩展的加权切换系统；利用线性时序逻辑语言(LTL)描述仓储系统复杂的派单任务；然后，通过LTL2BA工具包将任务公式转换为Büchi自动机；将可扩展加权切换系统与Büchi自动机作笛卡尔乘积构成任务可行网络拓扑；在该拓扑上采用SPFA(Shortest Path Faster Algorithm)算法搜索最优路径，任务可行性网络拓扑包含了仓储环境信息和取货任务信息，搜索所得路径可以保证为最优路径且不受所选派单节点顺序影响；将任务可行网络拓扑上所得最优路径映射回仓储环境中对应的最优路径，并通过PC端利用无线通信将最优路径发送给仓储机器人，完成取货派单任务。

主权项

基于线性时序逻辑理论的仓储机器人路径规划方法，包括以下步骤：步骤1：将机器人的运动的仓储环境建模成一个可扩展加权切换系统模型，加权切换系统模型是一种图表，它以环境中的关键位置为节点，如果机器人能从一个位置行驶至另一个位置，则这两个节点间有边相连，每条边都标有相应的权值，表示机器人从一个节点行驶至另一个节点，当有派单任务节点时，将其扩展到模型当中，而不需重新构建环境模型，在此用元组E＝(Q,q₀,R,∏,ζ,ω)来表示可扩展加权切换系统，其中，Q为一个有限状态集，其每一个状态表示仓储环境中的一个节点；q₀∈Q是初始状态，即机器人在仓储环境中所处的初始位置；代表切换关系，即仓储环境中节点间的连通状态；∏为一个原子命题集合；ζ:Q→2^∏是状态的命题函数；ω代表切换权重且ω>0，表示机器人在仓储环境中从一个节点切换到另一节点所需的成本；步骤2：利用线性时序逻辑公式φ描述仓储机器人需要完成的复杂任务，LTL是一种接近自然语言的高级语言，将时序逻辑算子始终G、最终F、接下来X、直到U和布尔算子非与∧、或∨组合起来可以便捷地描述仓储机器人在仓库环境中从起点出发到若干个货架取货后回到指定点，并在途中规避特定区域复杂任务，而非仅仅一个货架取货任务，例如：φ＝Fp₁∧Fp₃∧Fp₄∧Fp₅∧Fp₆∧Fp₇∧GFp₂，其中，p₁、p₂、p₃、p₄、p₅、p₆和p₇代表环境中的节点，则φ表示机器人从p₁节点出发，到p₃、p₄、p₅、p₆和p₇五个节点取货，最终回到p₂节点将取回的货物打包出仓；表示机器人从p₁节点出发，到p₃、p₄和p₅三个节点取货，但要避开p₆和p₇节点最终回到p₂节点将取回的货物打包出仓；步骤3：利用步骤2得到的满足机器人任务的线性时序逻辑公式φ，采用LTL2BA工具将仓储移动机器人任务公式φ转换成相应的Büchi自动机可行性图表，在此用元组B＝(S,S₀,∑_B,δ_B,F)表示Büchi自动机，其中S是有限状态集合，是初始状态集合，∑_B是输入字母表，δ_B是转换函数，F是最终状态集合，步骤4：将可扩展加权切换系统E和Büchi自动机B作笛卡尔乘积得到任务可行网络拓扑，在此用元组T＝(S_T,S_T0,δ_T,F_T)表示任务可行网络拓扑，即T＝E×B其中，E＝(Q,q₀,R,∏,ζ,ω)，B＝(S,S₀,∑_B,δ_B,F)，S_T＝Q×S为有限状态集合，S_T0＝q₀×S₀是初始状态集合，为转换函数，F_T＝Q×F为最终状态集合；以状态集为例，当切换系统E中的状态集Q＝(q₀,q₁,q₂,q₃)，其中q₀,q₁,q₂和q₃是仓储环境节点，Büchi自动机B中有限状态集合S＝(s₀,s₁,s₂)，其中s₀,s₁和s₂是Büchi自动机的切换状态，那么笛卡尔积后得到的任务可行性网络拓扑T的状态集S_T＝(q₀s₀,q₀s₁,q₀s₂,q₁s₀,q₁s₁,q₁s₂,q₂s₀,q₂s₁,q₂s₂,q₃s₀,q₃s₁,q₃s₂)，这十二个状态的切换关系又由E和B共同决定。该任务可行性网络拓扑将环境模型和任务结合在了一起，在此拓扑上运用SPFA算法搜索最优路径，可以确保路径的最优性，并且保证最优路径与派单节点选择顺序无关；步骤5：通过步骤4得到任务可行网络拓扑后，采用SPFA算法在该拓扑上搜索出既满足环境信息又保证完成规定任务的最优路径，然后将搜索到的最优路径映射回可扩展加权切换系统，得到仓储机器人在仓储环境中的最优路径；如果在任务可行性网络拓扑搜索出来的一条路径是R_T＝q₀s₀→q₂s₁→......→q_i‑1s_j‑1→q_is_j，其中i，j为非负整数，那么映射回可扩展加权切换系统的实际路径R_E＝q₀→q₂→......→q_i‑1→q_i，其中i为非负正整数。