本發(fā)明涉及動(dòng)態(tài)環(huán)境中最優(yōu)路徑規(guī)劃領(lǐng)域，針對(duì)移動(dòng)機(jī)器人的工作環(huán)境會(huì)出現(xiàn)動(dòng)態(tài)變化特點(diǎn)，本發(fā)明提出了基于線性時(shí)序邏輯(linear temporal logic,LTL)的LTL-A*-A*最優(yōu)路徑規(guī)劃方法，能夠根據(jù)環(huán)境變化進(jìn)行二次路徑尋優(yōu)，保證移動(dòng)機(jī)器人高效地完成目標(biāo)任務(wù)。

背景技術(shù)：

近年來(lái)，隨著科技的發(fā)展，人們生產(chǎn)、生活中對(duì)于智能化機(jī)器人的需求越來(lái)越大，對(duì)機(jī)器人智能化水平的要求也越來(lái)越高。目前智能化機(jī)器人主要有4大應(yīng)用范圍：工業(yè)機(jī)器人、探索機(jī)器人、服務(wù)機(jī)器人、軍事機(jī)器人。根據(jù)應(yīng)用范圍，各種智能移動(dòng)機(jī)器人的能力略有差異，但都應(yīng)具備基本的感知工作環(huán)境、任務(wù)規(guī)劃和決策控制能力。智能移動(dòng)機(jī)器人的體系結(jié)構(gòu)包括感知、規(guī)劃和執(zhí)行三種基本要素。其中，路徑規(guī)劃是智能移動(dòng)機(jī)器人能夠高效完成任務(wù)的基礎(chǔ)。

現(xiàn)有的移動(dòng)機(jī)器人路徑規(guī)劃方法可以分為兩類：靜態(tài)的路徑規(guī)劃方法和動(dòng)態(tài)的路徑規(guī)劃方法。全局的路徑規(guī)劃方法，諸如基于時(shí)序邏輯的路徑規(guī)劃算法、遺傳算法、粒子群優(yōu)化算法、蟻群優(yōu)化算法、模擬退火法等，都能夠根據(jù)給定的機(jī)器人運(yùn)行環(huán)境規(guī)劃出靜態(tài)環(huán)境中的最優(yōu)路徑。然而，現(xiàn)有的靜態(tài)的路徑規(guī)劃方法都是離線的路徑規(guī)劃方法，無(wú)法適用于動(dòng)態(tài)變化的環(huán)境，而且計(jì)算量都較大，尋優(yōu)路徑時(shí)間較長(zhǎng)；此外，大部分現(xiàn)有的全局的路徑規(guī)劃方法僅針對(duì)“從點(diǎn)A到點(diǎn)B，途中避開障礙物”這類簡(jiǎn)單的任務(wù)，仍無(wú)法滿足實(shí)際應(yīng)用中復(fù)雜的任務(wù)需求。動(dòng)態(tài)的路徑規(guī)劃方法，諸如人工神經(jīng)網(wǎng)絡(luò)算法、啟發(fā)式搜索算法、基于采樣的路徑規(guī)劃算法等，都是在線的路徑規(guī)劃算法，能夠適用于動(dòng)態(tài)變化的環(huán)境的。但是，現(xiàn)有的動(dòng)態(tài)的路徑規(guī)劃方法同樣存在著無(wú)法滿足實(shí)際應(yīng)用中復(fù)雜任務(wù)需求的不足。

基于線性時(shí)序邏輯(linear temporal logic,LTL)理論的移動(dòng)機(jī)器人路徑規(guī)劃方法采用線性時(shí)序任務(wù)公式描述實(shí)際應(yīng)用中復(fù)雜的任務(wù)需求，并將環(huán)境信息與任務(wù)信息相融合以確保能夠搜索出既符合環(huán)境信息，又滿足任務(wù)需求的最優(yōu)路徑。但是，一方面?zhèn)鹘y(tǒng)的基于LTL理論的路徑規(guī)劃算法采用Dijkstra算法搜索路徑，計(jì)算量較大，路徑尋優(yōu)效率與環(huán)境復(fù)雜度以及任務(wù)節(jié)點(diǎn)數(shù)成正比；另一方面，傳統(tǒng)的基于LTL理論的路徑規(guī)劃算法只針對(duì)靜態(tài)環(huán)境，當(dāng)機(jī)器人運(yùn)行過(guò)程中局部環(huán)境發(fā)生變化時(shí)若采用基于LTL理論的路徑規(guī)劃算法重新規(guī)劃，則過(guò)于復(fù)雜。

A*算法是一種啟發(fā)式路徑規(guī)劃算法，在Dijkstra算法上引入了啟發(fā)式代價(jià)函數(shù)來(lái)篩選路徑節(jié)點(diǎn)，從而降低了計(jì)算量，提高了搜索效率。但是單純的A*算法其只針對(duì)“從點(diǎn)A到點(diǎn)B，中間避開障礙物”這類簡(jiǎn)單的任務(wù)，無(wú)法滿足實(shí)際應(yīng)用中諸如始終保持一定的范圍之內(nèi)(安全性)，按序訪問(wèn)某幾個(gè)點(diǎn)(保證性)后，巡回訪問(wèn)某幾個(gè)點(diǎn)(循環(huán)性)，圖中避開某些點(diǎn)(避障)，到達(dá)某些點(diǎn)后必須到達(dá)另外一些點(diǎn)才能繼續(xù)任務(wù)(反應(yīng)性)等復(fù)雜的任務(wù)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要克服現(xiàn)有技術(shù)的上述缺點(diǎn)，提供一種使機(jī)器人能夠適應(yīng)動(dòng)態(tài)環(huán)境，更能高效的執(zhí)行任務(wù)的機(jī)器人動(dòng)態(tài)路徑最優(yōu)規(guī)劃方法。

本發(fā)明利用線性時(shí)序邏輯能夠描述實(shí)際應(yīng)用中復(fù)雜任務(wù)需求的優(yōu)點(diǎn)，以及A*算法搜索效率高的優(yōu)點(diǎn)，提出了一種LTL-A*-A*最優(yōu)路徑規(guī)劃方法，其克服了線性時(shí)序邏輯和A*算法的上述缺點(diǎn)，并利用了它們優(yōu)點(diǎn)。該發(fā)明流程圖如圖1所示，首先，將機(jī)器人運(yùn)行環(huán)境建模為加權(quán)切換系統(tǒng)模型，采用線性時(shí)序邏輯(LTL)任務(wù)公式描述任務(wù)需求，并通過(guò)LTL2BA工具包將其轉(zhuǎn)換為圖表形式(Büchi自動(dòng)機(jī))；接著，根據(jù)線性時(shí)序邏輯理論將環(huán)境信息與任務(wù)需求相融合構(gòu)建任務(wù)可行網(wǎng)絡(luò)拓?fù)洌蝗缓?，采用A*算法在任務(wù)可行網(wǎng)絡(luò)拓?fù)渖纤阉髯顑?yōu)路徑；之后，將任務(wù)可行網(wǎng)絡(luò)拓?fù)渖系淖顑?yōu)路徑映射回加權(quán)切換系統(tǒng)，獲得環(huán)境中對(duì)應(yīng)的全局最優(yōu)路徑；最后，當(dāng)局部環(huán)境在機(jī)器人運(yùn)行過(guò)程中發(fā)生變化，使得原有路徑無(wú)法繼續(xù)通行時(shí)，采用A*算法進(jìn)行局部路徑尋優(yōu)。該方法在能夠滿足實(shí)際應(yīng)用種復(fù)雜的任務(wù)需求的基礎(chǔ)上，大大提高路徑尋優(yōu)效率，并且能夠適用于動(dòng)態(tài)環(huán)境。具體步驟如下：

步驟1：將機(jī)器人所在的環(huán)境建模為一個(gè)加權(quán)切換系統(tǒng)模型，加權(quán)切換系統(tǒng)是一個(gè)元組T:＝(Q,q₀,δ_T,Π,ζ,ω_T)，其中Q為一個(gè)有限狀態(tài)集，即環(huán)境中選取的路徑節(jié)點(diǎn)集；q₀∈Q代表初始狀態(tài)，即機(jī)器人運(yùn)行的起點(diǎn)；δ_T→2^Q代表切換關(guān)系，即環(huán)境中各個(gè)路徑節(jié)點(diǎn)之間的連通狀況；∏代表原子命題集；ζ:Q→2^Π代表標(biāo)識(shí)函數(shù)集；ω代表切換權(quán)重且ω＞0，即機(jī)器人在環(huán)境中任意兩路徑節(jié)點(diǎn)之間運(yùn)行的成本(例如，兩節(jié)點(diǎn)間的距離、機(jī)器人從一個(gè)節(jié)點(diǎn)運(yùn)行到另一個(gè)節(jié)點(diǎn)所需的時(shí)間等)；在加權(quán)切換系統(tǒng)中原子命題代表加權(quán)切換系統(tǒng)中各個(gè)狀態(tài)的屬性，當(dāng)且僅當(dāng)狀態(tài)q處原子命題π為真時(shí)，π∈ζ(q)才成立，若q₂∈δ(q₁)，則q₂為q₁的后續(xù)狀態(tài)；加權(quán)切換系統(tǒng)中的一條軌跡(路徑)r_T是由T中的有限個(gè)狀態(tài)組成，即r_T＝q₀q₁q₂...，其中對(duì)于任意的i≥0都有q_i+1∈δ(q_i)成立，軌跡r_T包含了有限個(gè)標(biāo)識(shí)函數(shù)o＝o₀o₁o₂...，其中o_i∈ζ(q_i)。如圖2所示即為移動(dòng)機(jī)器人的工作環(huán)境，圖中深灰色線條為環(huán)境道路，A，B，C三處為機(jī)器人需要完成任務(wù)的工廠。根據(jù)環(huán)境，選取環(huán)境中關(guān)鍵的節(jié)點(diǎn)(例如，路徑節(jié)點(diǎn)、障礙物節(jié)點(diǎn)、任務(wù)節(jié)點(diǎn)等)，將環(huán)境建模為一個(gè)加權(quán)切換系統(tǒng)T，如圖3所示，p₅₀、p₅₁和p₅₂分別代表環(huán)境中的A，B，C三處工廠。

步驟2：根據(jù)線性時(shí)序邏輯理論，利用LTL公式φ描述移動(dòng)機(jī)器人的復(fù)雜任務(wù)；線性時(shí)序邏輯(LTL)是一種接近自然語(yǔ)言的高級(jí)語(yǔ)言，將時(shí)序邏輯算子始終G、最終F、接下來(lái)X、直到U和布爾算子非與∧、或∨、直到→、等價(jià)于組合起來(lái)可以準(zhǔn)確地描述移動(dòng)機(jī)器人的復(fù)雜任務(wù)。例如：任務(wù)公式φ＝Fp₁∧Fp₂∧Fp₃，其中，p₁、p₂和p₃代表環(huán)境中的節(jié)點(diǎn)，則φ表示機(jī)器人最終到達(dá)p₁、最終到達(dá)p₂和最終到達(dá)p₃，也就是機(jī)器人必須遍歷所有我們感興趣的節(jié)點(diǎn)(任務(wù)節(jié)點(diǎn))；其中o₁、o₂和o₃表示環(huán)境中的障礙物，p₁為任務(wù)節(jié)點(diǎn)，則φ表示機(jī)器人到達(dá)p₁節(jié)點(diǎn)之前要避開o₁、o₂和o₃三個(gè)障礙物。

步驟3：為了將環(huán)境信息與任務(wù)信息相融合，通過(guò)LTL2BA工具包將線性時(shí)序任務(wù)公式φ轉(zhuǎn)換為任務(wù)可行性圖表的形式，即Büchi自動(dòng)機(jī)，Büchi自動(dòng)機(jī)是一個(gè)元組B:＝(S_B,S_B0,∑_B,δ_B,F_B)。其中，S_B代表一個(gè)有限的狀態(tài)集；S_B0∈S_B代表初始狀態(tài)；∑_B代表輸入的字符表；代表切換函數(shù)；代表最終狀態(tài)集。

步驟4：將機(jī)器人運(yùn)行環(huán)境對(duì)應(yīng)的加權(quán)切換系統(tǒng)T:＝(Q,q₀,δ_T,Π,ζ,ω_T)和任務(wù)公式對(duì)應(yīng)的Büchi自動(dòng)機(jī)B:＝(S_B,S_B0,∑_B,δ_B,F_B)做笛卡爾乘積，構(gòu)建即任務(wù)可行網(wǎng)絡(luò)拓?fù)銹，即P為一個(gè)元組(S_P,S_P0,δ_P,w_P,F_P)，其中S_P＝Q×S_B代表狀態(tài)集；S_P0＝{q₀}×S_B0代表初始狀態(tài)集；代表切換函數(shù)，其定義為當(dāng)且僅當(dāng)q_j∈δ_T(q_i)并且s_l∈δ_B(s_k,ζ(q_i))時(shí)，(q_j,s_l)∈δ_P((q_i,s_k))成立；ω_P為繼承自T的權(quán)重，即當(dāng)(q_j,s_l)∈δ_P((q_j,s_l))時(shí)，則ω_P((q_i,s_k),(q_j,s_l))＝ω_T(q_i,q_j)；F_P＝Q×F_B代表一個(gè)最終的接收狀態(tài)集。任務(wù)可行網(wǎng)絡(luò)拓?fù)渫ㄟ^(guò)笛卡爾乘積將環(huán)境信息與任務(wù)需求相融合，確保了最終尋優(yōu)所得路徑既能夠符合環(huán)境信息，又能夠滿足任務(wù)需求。

步驟5：在步驟4得到的任務(wù)可行性網(wǎng)絡(luò)拓?fù)渖?，第一次利用A*算法搜索出全局最優(yōu)路徑，由于任務(wù)可行性網(wǎng)絡(luò)拓?fù)浒谁h(huán)境信息和任務(wù)信息，所以搜索出來(lái)的路徑可以保證為全局最優(yōu)路徑，A*算法是一種啟發(fā)式搜索算法，在搜索過(guò)程中通過(guò)建立估價(jià)函數(shù)來(lái)判斷優(yōu)先搜索方向，可以很大提高搜索效率。然后把在P圖上搜索出來(lái)的路徑映射回實(shí)際環(huán)境中得到移動(dòng)機(jī)器人實(shí)際的運(yùn)動(dòng)路徑，即r_P為P圖中對(duì)應(yīng)路徑，r_T為時(shí)間環(huán)境T圖對(duì)應(yīng)路徑，機(jī)器人按照r_T進(jìn)行執(zhí)行任務(wù)。

步驟6：根據(jù)機(jī)器人執(zhí)行任務(wù)過(guò)程中的環(huán)境變化信息，更新加權(quán)切換系統(tǒng)模型，并產(chǎn)生局部任務(wù)公式，再次利用A*算法進(jìn)行局部搜索，獲得局部最優(yōu)路徑。例如：規(guī)劃所得路徑為：r_T＝p₁→p₈→p₁₅→p₁₆→p₁₇時(shí)，當(dāng)機(jī)器人運(yùn)行達(dá)到節(jié)點(diǎn)p₁₅時(shí)發(fā)現(xiàn)節(jié)點(diǎn)p₁₆遇堵，無(wú)法通過(guò)節(jié)點(diǎn)p₁₆到達(dá)節(jié)點(diǎn)p₁₇，此時(shí)，將環(huán)境所對(duì)應(yīng)的加權(quán)切換系統(tǒng)中節(jié)點(diǎn)p₁₆標(biāo)識(shí)為障礙物，得到局部起點(diǎn)為p₁₅到達(dá)局部終點(diǎn)p₁₇，途中避開p₁₆的局部任務(wù)，然后采用A*算法進(jìn)行局部搜索，機(jī)器人按照所得路徑到達(dá)p₁₇后，繼續(xù)按照全局路徑執(zhí)行任務(wù)。以此類推，當(dāng)機(jī)器人在運(yùn)行過(guò)程中環(huán)境路況發(fā)生變化時(shí)，則重復(fù)采用A*算法進(jìn)行局部搜索最優(yōu)路徑，直至移動(dòng)機(jī)器人完成指定任務(wù)。

本發(fā)明采用線性時(shí)序任務(wù)公式描述實(shí)際應(yīng)用中復(fù)雜的任務(wù)需求，并將環(huán)境信息與任務(wù)信息相融合以確保能夠搜索出既符合環(huán)境信息，又滿足任務(wù)需求的最優(yōu)路徑，并且根據(jù)機(jī)器人工作環(huán)境變化進(jìn)行局部?jī)?yōu)化，使機(jī)器人能夠適應(yīng)動(dòng)態(tài)環(huán)境，更能高效的執(zhí)行任務(wù)。該發(fā)明在傳統(tǒng)的基于LTL理論的路徑規(guī)劃算法采用Dijkstra算法搜索路徑的基礎(chǔ)上進(jìn)行創(chuàng)新，將LTL理論與啟發(fā)式A*算法相結(jié)合，將LTL理論擴(kuò)展到動(dòng)態(tài)路徑規(guī)劃領(lǐng)域中，并從分利用了A*算法的高效率搜索，避免了Dijkstra算法計(jì)算量較大，路徑尋優(yōu)效率與環(huán)境復(fù)雜度以及任務(wù)節(jié)點(diǎn)數(shù)成正比的缺點(diǎn)，而且LTL理論與A*算法相結(jié)合可以實(shí)現(xiàn)路徑規(guī)劃中多任務(wù)節(jié)點(diǎn)、避障、巡回等復(fù)雜的任務(wù)，而不是傳統(tǒng)A*應(yīng)用于點(diǎn)對(duì)點(diǎn)的簡(jiǎn)單路徑規(guī)劃，使移動(dòng)機(jī)器人能夠應(yīng)用到更廣泛的領(lǐng)域當(dāng)中。

本發(fā)明的優(yōu)點(diǎn)是：在包含環(huán)境信息與任務(wù)信息的任務(wù)可行性網(wǎng)絡(luò)拓?fù)渖喜捎肁*算法搜索最優(yōu)路徑，相比傳統(tǒng)的基于線性時(shí)序邏輯的路徑規(guī)劃采用Dijkstra算法搜索路徑，大大提高了路徑搜索效率，可用于環(huán)境復(fù)雜度更高的領(lǐng)域，同時(shí)該發(fā)明根據(jù)實(shí)時(shí)的環(huán)境變化進(jìn)行二次搜索最優(yōu)路徑，使機(jī)器人能夠在動(dòng)態(tài)環(huán)境中工作，提高了機(jī)器人的工作能力。

附圖說(shuō)明

圖1為本發(fā)明的方法流程圖

圖2為本發(fā)明的移動(dòng)機(jī)器人運(yùn)動(dòng)模擬環(huán)境

圖3為本發(fā)明的構(gòu)建的切換系統(tǒng)模型

圖4為本發(fā)明的對(duì)應(yīng)任務(wù)的Büchi自動(dòng)機(jī)

圖5為本發(fā)明的全局最優(yōu)路徑搜索結(jié)果

圖6為采用A*算法局部尋優(yōu)后路徑

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述。

適用于動(dòng)態(tài)環(huán)境的LTL-A*-A*最優(yōu)路徑規(guī)劃方法主要有以下內(nèi)容：首先，將機(jī)器人運(yùn)行環(huán)境建模為加權(quán)切換系統(tǒng)模型，采用線性時(shí)序邏輯(LTL)任務(wù)公式描述任務(wù)需求，并通過(guò)LTL2BA工具包將其轉(zhuǎn)換為圖表形式(Büchi自動(dòng)機(jī))；接著，根據(jù)線性時(shí)序邏輯理論將環(huán)境信息與任務(wù)需求相融合構(gòu)建任務(wù)可行網(wǎng)絡(luò)拓?fù)?；然后，采用A*算法在任務(wù)可行網(wǎng)絡(luò)拓?fù)渖纤阉髯顑?yōu)路徑；之后，將任務(wù)可行網(wǎng)絡(luò)拓?fù)渖系淖顑?yōu)路徑映射回加權(quán)切換系統(tǒng)，獲得環(huán)境中對(duì)應(yīng)的全局最優(yōu)路徑；最后，當(dāng)局部環(huán)境在機(jī)器人運(yùn)行過(guò)程中發(fā)生變化，使得原有路徑無(wú)法繼續(xù)通行時(shí)，采用A*算法進(jìn)行局部路徑尋優(yōu)。該方法在能夠滿足實(shí)際應(yīng)用種復(fù)雜的任務(wù)需求的基礎(chǔ)上，大大提高路徑尋優(yōu)效率，并且能夠適用于動(dòng)態(tài)環(huán)境。具體過(guò)程如下：

步驟1，將機(jī)器人所在的環(huán)境建模為一個(gè)加權(quán)切換系統(tǒng)模型，加權(quán)切換系統(tǒng)是一個(gè)元組T:＝(Q,q₀,δ_T,Π,ζ,ω_T)，其中Q為一個(gè)有限狀態(tài)集，即環(huán)境中選取的路徑節(jié)點(diǎn)集；q₀∈Q代表初始狀態(tài)，即機(jī)器人運(yùn)行的起點(diǎn)；δ_T→2^Q代表切換關(guān)系，即環(huán)境中各個(gè)路徑節(jié)點(diǎn)之間的連通狀況；Π代表原子命題集；ζ:Q→2^Π代表標(biāo)識(shí)函數(shù)集；ω代表切換權(quán)重且ω＞0，即機(jī)器人在環(huán)境中任意兩路徑節(jié)點(diǎn)之間運(yùn)行的成本(例如，兩節(jié)點(diǎn)間的距離、機(jī)器人從一個(gè)節(jié)點(diǎn)運(yùn)行到另一個(gè)節(jié)點(diǎn)所需的時(shí)間等)；如圖2所示的環(huán)境，右上角為機(jī)器人起始點(diǎn)，灰色線條代表環(huán)境中的道路，圖中A、B、C代表環(huán)境中的三個(gè)工廠，移動(dòng)機(jī)器人的任務(wù)是一直循環(huán)到A、B、C這三個(gè)工廠處采集一定的數(shù)據(jù)信息并上傳。本實(shí)例選取環(huán)境中關(guān)鍵的節(jié)點(diǎn)(例如，路徑節(jié)點(diǎn)、障礙物節(jié)點(diǎn)、任務(wù)節(jié)點(diǎn)等)，將環(huán)境建模為一個(gè)加權(quán)切換系統(tǒng)，如圖3所示。其中，節(jié)點(diǎn)1為機(jī)器人起點(diǎn)，節(jié)點(diǎn)p₅₀、p₅₁和p₅₂為對(duì)應(yīng)任務(wù)節(jié)點(diǎn)，其余節(jié)點(diǎn)對(duì)應(yīng)環(huán)境中道路的十字路口(道路交叉處)，節(jié)點(diǎn)之間的切換有對(duì)應(yīng)的權(quán)值，即機(jī)器人在兩個(gè)節(jié)點(diǎn)之間運(yùn)行所需的成本。此外，采用一個(gè)鄰接矩陣T.adj描述加權(quán)切換系統(tǒng)內(nèi)各節(jié)點(diǎn)之間的連通狀況及切換權(quán)重。

步驟2，根據(jù)線性時(shí)序邏輯理論，利用LTL公式φ描述移動(dòng)機(jī)器人的復(fù)雜任務(wù)；線性時(shí)序邏輯(LTL)是一種接近自然語(yǔ)言的高級(jí)語(yǔ)言，將時(shí)序邏輯算子始終G、最終F、接下來(lái)X、直到U和布爾算子非與∧、或∨、直到→、等價(jià)于組合起來(lái)可以準(zhǔn)確地描述移動(dòng)機(jī)器人的復(fù)雜任務(wù)。圖1中給定的任務(wù)需求為：機(jī)器人從起始節(jié)點(diǎn)p₁出發(fā)，巡回訪問(wèn)p₅₀、p₅₁和p₅₂這三個(gè)節(jié)點(diǎn)。令T.q₀＝p₁，則線性時(shí)序邏輯語(yǔ)言描述任務(wù)為：φ＝GFp₅₀&GFp₅₁&GFp₅₂。

步驟3，為了將環(huán)境信息與任務(wù)信息相融合，通過(guò)LTL2BA工具包將步驟2中描述任務(wù)的線性時(shí)序任務(wù)公式φ轉(zhuǎn)換為任務(wù)可行性圖表的形式，即Büchi自動(dòng)機(jī)，如圖4所示。Büchi自動(dòng)機(jī)是一個(gè)元組B:＝(S_B,S_B0,Σ_B,δ_B,F_B)。其中，S_B代表一個(gè)有限的狀態(tài)集；S_B0∈S_B代表初始狀態(tài)；Σ_B代表輸入的字符表；代表切換函數(shù)；代表最終狀態(tài)集。圖4中，int代表初始狀態(tài)，狀態(tài)2代表最終的接收狀態(tài)。

步驟4，將步驟1加權(quán)切換系統(tǒng)T:＝(Q,q₀,δ_T,∏,ζ,ω_T)和步驟3所得任務(wù)公式對(duì)應(yīng)的Büchi自動(dòng)機(jī)B:＝(S_B,S_B0,Σ_B,δ_B,F_B)做笛卡爾乘積，得到任務(wù)可行網(wǎng)絡(luò)拓?fù)銹，即P為一個(gè)元組(S_P,S_P0,δ_P,w_P,F_P)，其中S_P＝Q×S_B代表狀態(tài)集；S_P0＝{q₀}×S_B0代表初始狀態(tài)集；代表切換函數(shù)，其定義為當(dāng)且僅當(dāng)q_j∈δ_T(q_i)并且s_l∈δ_B(s_k,ζ(q_i))時(shí)，(q_j,s_l)∈δ_P((q_i,s_k))成立；ω_P為繼承自T的權(quán)重，即當(dāng)(q_j,s_l)∈δ_P((q_j,s_l))時(shí)，則ω_P((q_i,s_k),(q_j,s_l))＝ω_T(q_i,q_j)；F_P＝Q×F_B代表一個(gè)最終的接收狀態(tài)集。

步驟5，在步驟4得到的任務(wù)可行性網(wǎng)絡(luò)拓?fù)渖?，第一次利用A*算法搜索出全局最優(yōu)路徑，由于任務(wù)可行性網(wǎng)絡(luò)拓?fù)浒谁h(huán)境信息和任務(wù)信息，所以搜索出來(lái)的路徑可以保證為全局最優(yōu)路徑，然后把在P圖上搜索出來(lái)的路徑映射回實(shí)際環(huán)境中得到移動(dòng)機(jī)器人實(shí)際的運(yùn)動(dòng)路徑，最終的路徑規(guī)劃結(jié)果如圖5所示，其中加粗實(shí)現(xiàn)為機(jī)器人循環(huán)訪問(wèn)p₅₀、p₅₁和p₅₂這三個(gè)節(jié)點(diǎn)的路徑。

步驟6，根據(jù)機(jī)器人執(zhí)行任務(wù)過(guò)程中的環(huán)境變化信息，更新加權(quán)切換系統(tǒng)模型，并產(chǎn)生局部任務(wù)公式，再次利用A*算法進(jìn)行局部搜索，獲得局部最優(yōu)路徑。當(dāng)機(jī)器人在沿著圖5所示路徑運(yùn)行過(guò)程中，當(dāng)運(yùn)行到節(jié)點(diǎn)p13時(shí)，節(jié)點(diǎn)p14和節(jié)點(diǎn)p21無(wú)法繼續(xù)通行，將其標(biāo)記為障礙物，其他節(jié)點(diǎn)仍可通行，則再次采用A*算法搜索節(jié)點(diǎn)p13到節(jié)點(diǎn)p28的路徑，結(jié)果如圖6所示。其中，局部尋優(yōu)的路徑為p13→p20→p27→p28，當(dāng)機(jī)器人到達(dá)節(jié)點(diǎn)p28后，將繼續(xù)沿著全局最優(yōu)路徑運(yùn)行，以此類推，當(dāng)機(jī)器人在運(yùn)行過(guò)程中環(huán)境路況發(fā)生變化時(shí)，則重復(fù)采用A*算法進(jìn)行局部搜索最優(yōu)路徑，直至移動(dòng)機(jī)器人完成指定任務(wù)。

本發(fā)明將LTL能夠滿足實(shí)際應(yīng)用中復(fù)雜的任務(wù)需求的優(yōu)點(diǎn)和A*算法搜索效率高的優(yōu)點(diǎn)相結(jié)合，提出了一種LTL-A*-A*最優(yōu)路徑規(guī)劃方法。主要包括LTL-A*全局路徑尋優(yōu)和基于A*算法的局部路徑尋優(yōu)兩部分?；诰€性時(shí)序邏輯理論利用A*算法進(jìn)行全局搜索最優(yōu)路徑，可以保證所得全局路徑最優(yōu)，而且搜索效率高；機(jī)器人對(duì)搜索得到的全局最優(yōu)路徑進(jìn)行跟蹤，并檢測(cè)環(huán)境信息，當(dāng)局部環(huán)境發(fā)生變化，使得全局最優(yōu)路徑中部分路段無(wú)法繼續(xù)通行時(shí)，則采用A*算法搜索局部最優(yōu)路徑，繞過(guò)無(wú)法通行路段后繼續(xù)沿著全局最優(yōu)路徑運(yùn)行，完成指定任務(wù)。本發(fā)明能夠使機(jī)器人執(zhí)行更復(fù)雜的任務(wù)，拓寬機(jī)器人應(yīng)用領(lǐng)域，提高生產(chǎn)率。