靜態環境

圖五十八為一個具迷宮地形的靜態環境，移動機器人需從地圖右下 角尋找到地圖右上角的移動路徑。地圖中具有某些死路，讓機器人無法 輕易地從起點直接走到終點。因此本實驗之目的為探討D++演算法對於應 用在實際環境中，避免區域解的執行成效。圖五十九展示了機器人在此 靜態環境的實際航行情形；而圖六十為電腦端顯示機器人航行的監視畫 面。在這個例子中，移動機器人的偵測範圍為5個方格，每個方格為30×30 公分。這個例子有利於我們了解D++演算法如何有效地應用在實際的移動 機器人導航問題，且展示了D++演算法具有脫離或避開區域解的能力。

73

圖五十八、一個迷宮地形的靜態環境

(a) (b) (c)

(d) (e) (f)

圖五十九、移動機器人航行在圖五十八之地形環境的實際情形（偵測範 圍為 3 格）

Goal

Star t

74

(a) (b) (c)

(d) (e) (f)

圖六十、使用偵測範圍為 3 格的機器人航行實驗監視畫面

圖六十一展示了使用了偵測範圍為20格、在相同靜態環境（圖五十八）

的移動機器人航行過程監視畫面； 圖六十一的例子雖然設定了20格的偵 測範圍，但實際上因為移動機器人的紅外線感測器僅能偵測前左右的障 礙物，且範圍僅有3~5格左右，因此並無法提供20格偵測範圍內的正確環 境資訊。所以將圖六十一的結果與圖六十的結果作比較，我們可以看到 移動機器人最後的航行路線並無不同。圖六十二為同樣使用了偵測範圍 為20格、在相同靜態環境的移動機器人航行過程監視畫面；與圖六十一 不同的是，這次環境資訊為已知的。將圖六十二的結果與圖六十一的結 果作比較，我們可以看到圖六十二的航行路線便避開了一開始的區域 解，直接往最短路徑的方向前進。

75

(a) (b) (c)

(d) (e) (f)

圖六十一、使用偵測範圍為 20 格的機器人航行實驗監視畫面

(a) (b) (c)

(d) (e) (f)

圖六十二、使用偵測範圍為 20 格、且已知環境資訊的機器人航行實驗監 視畫面

76 4.2 動態環境

圖六十三~圖六十五展示了移動機器人航行在一個動態環境的實驗 結果。在本實驗中機器人的偵測範圍設定為 5 格，且該環境因為具有一 個向機器人靠近的移動物體，所以環境資訊為不斷變動的。由本實驗的 結果我們可以看到，由於移動機器人應用 D++演算法，而 D++演算法具 有極短周期的區域搜尋特性，因此移動機器人能不斷地更新環境資訊，

並快速地進行相對應的動作。所以移動機器人在移動物體尚未靠近前，

便先行轉向，繞開了移動物體已抵達目的地。故由此實驗可驗證 D++演 算法由於具有處理動態環境的優秀能力，相較於一次性的全域路徑規劃 法（如 Dijkstra、A*等）而言，更適合實際的移動機器人的應用上。

圖六十三、一個動態環境試驗(障礙物由上至下移動) 目的地

起點 移動障

礙物

77

(a) (b) (c)

(d) (e) (f)

圖六十四、移動機器人航行在動態環境的實際情形（偵測範圍為 5 格）

(a) (b) (c)

(d) (e) (f)

圖六十五、使用偵測範圍為 5 格於動態環境的機器人航行實驗監視畫面

78