Методы планирования траекторий автономных мобильных роботов — обзор: метаэвристические и когнитивные методы
Autonomous Mobile Robot Path Planning Techniques—A Review: Metaheuristic and Cognitive Techniques
2026-01-14
SCID: 54.1/ym48keu5
Discuss with AI
автономные мобильные роботыкогнитивная навигацияметаэвристическая оптимизацияпланирование путиобучение с подкреплением
Figures from the paper
Abstract (AI)
Для безопасной работы в сложных, часто динамичных средах (например, в логистике, транспорте и здравоохранении) автономным мобильным роботам (AMR) необходимо надежное и эффективное планирование траекторий. В данном систематическом обзоре рассматриваются современные метаэвристические методы, а также методы планирования траекторий AMR, основанные на обучении и рассуждении (когнитивные методы). На основе анализа примерно 230 статей, опубликованных в период с 2018 по 2025 год, литература систематизирована по двум основным направлениям: метаэвристическая оптимизация и навигация на основе искусственного интеллекта; кроме того, предложена и применена унифицированная таксономия, учитывающая охват планирования, тип выходных данных и учет ограничений, для проведения сравнительного анализа и подготовки обобщений, ориентированных на практиков. Обобщены репрезентативные подходы, включая планировщики на основе роевого интеллекта и эволюционных методов (например, PSO, GA, ACO и GWO), нечеткие и нейро-нечеткие системы, нейросетевые методы, а также навигацию на основе обучения с подкреплением и глубокого обучения с подкреплением (RL/DRL); при этом освещены их принципы работы, последние усовершенствования, преимущества и ограничения, а также типичные роли при развертывании в иерархических стеках навигации. Сравнительные таблицы и компактное обобщение компромиссов характеризуют возможности методов для статических и динамических условий, результаты валидации в реальных условиях и тенденции гибридизации. Сохраняются существенные пробелы в настройке параметров, обеспечении безопасности и интерпретируемости навигации с использованием обучения, переносе из моделирования в реальную систему (sim-to-real), масштабируемости при ограничениях вычислительных ресурсов реального времени и проведении физических экспериментов. Наконец, сформулированы перспективные направления и открытые исследовательские вопросы, охватывающие бенчмаркинг и воспроизводимость, планирование с учетом ресурсов, координацию нескольких роботов, трехмерную навигацию и применение новых базовых моделей (LLM/VLM) для семантической навигации высокого уровня. В целом данный обзор представляет собой обобщенный справочный материал и практическое руководство для дальнейших исследований в области планирования траекторий AMR.
Key Findings
1
Предложенная единая таксономия классифицирует подходы по масштабу планирования, типу выходных данных и учёту ограничений.
2
Перспективные направления включают воспроизводимые бенчмарки, планирование с учётом ресурсов, координацию нескольких роботов, навигацию в трёхмерном пространстве и применение базовых моделей для семантической навигации.
3
Методы планирования систематизированы по двум основным семействам: метаэвристическая оптимизация и навигация на основе искусственного интеллекта и когнитивных методов.
4
Ключевые нерешённые проблемы включают настройку параметров, безопасность, интерпретируемость, перенос из симуляции в реальную среду, масштабируемость при ограниченных вычислениях и недостаток физических экспериментов.
5
Обзор анализирует примерно 230 исследований по планированию путей автономных мобильных роботов, опубликованных в 2018–2025 годах.
6
Обзор обобщает методы на основе роевого и эволюционного интеллекта, нечётких систем, нейронных сетей, обучения с подкреплением и глубокого обучения с подкреплением.
Research Object
автономные мобильные роботы (AMR)
Research Subject
передовые метаэвристические и когнитивные методы планирования пути для безопасной и эффективной навигации в сложных статических и динамических средах
Publication Details
Publication Date
2026-01-14
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest