澳门大学徐青松教授团队AISY: 基于深度Q网络的智能双足爬壁机器人窗户清洁路径规划

Wiley

2025-07-02

内容介绍

随着机器人技术的不断发展，爬壁机器人被越来越广泛地应用于建筑维护、探测和救援等领域。然而，如何设计出一种稳定、灵活且具有任务导向性的智能爬壁机器人用于复杂三维环境，依然是一大挑战。澳门大学科技学院机电工程系博士生张伟键、李子康，谭立武教授和徐青松教授提出一种新型路径规划方法，可用于双足爬壁机器人在窗户清洁任务中的有效应用。该研究结合智能双足爬壁机器人灵活的双端操作能力，在复杂环境中实现了高效、全覆盖的清洁路径规划，特别适用于外骨骼结构的建筑外墙自动化清洁任务。

图1 双足爬壁机器人清洁路径规划示意图

目前，大多数高空建筑的维护任务仍由人工完成。人工清洁窗户不仅存在安全隐患、成本高昂，而且效率低下。针对该问题，现有研究提出了面向外立幕墙清洁的机器人解决方案。然而，随着建筑设计越来越个性化，外骨骼结构窗户的设计逐渐增多。这些复杂的窗户设计不仅具有独立的外表面，而且突出结构的梁体成为清洁的障碍，增加了机器人工作的作业难度。为解决该难题，作者提出一种双足爬壁机器人系统，能够在外骨骼结构窗户上灵活移动并完成清洁任务（如图1所示）。在高空作业中，机器人面临安全性和成本等诸方面的挑战。为提升该系统的清洁效率，本文提出一种结合智能双足爬壁运动与操作能力的层次化路径规划方法，并通过深度Q网络优化了机器人在外骨骼结构窗体上的路径规划，从而实现了100%的清洁覆盖率。

图2 基于深度Q网络的全覆盖清洁路径规划示意图

通过层次化路径规划，将作业任务分解为一系列爬行、操作和清洁步骤。合理的清洁序列不仅能直接提升机器人的工作效率，还能避免不必要的移动，从而减少机器人作业的时间和能耗。在本研究中，作者通过深度Q网络进行训练，使爬壁机器人能够在清洁环境中不断探索，逐步找到最优的路径规划策略（如图2所示）。该方法通过优化网格地图上的路径节点，有效实现全覆盖清洁作业。机器人每次根据当前状态选择最优动作并执行，获取相应的奖励，经过不断的迭代和学习，最终规划出最优清洁路径，确保其在清洁过程中避开障碍物，并尽量保护已清洁区域。

 图3 基于深度Q网络方法的全覆盖清洁路径规划结果与A*算法(f)对比

实验结果表明，所提出的方法能够在所有测试场景中优化路径规划，确保双足爬壁机器人能够以最短路径完成清洁任务。即使在存在障碍物或不可达区域的情况下，机器人也能有效避开这些区域，优化路径长度，并减少不必要的爬行步骤（如图3所示）。与传统的A*算法相比，所提出的方法展现出显著的优势。通过减少机器人的爬行步数和优化清洁顺序，显著提升了清洁效率。最终，该项研究提高了智能双足爬壁机器人在外骨骼结构窗户清洁任务中的效率，并有效降低了清洁和维护成本。该研究不仅验证了双足爬壁机器人在维护任务中的可行性，也为进一步研究复杂环境挑战中的自主机器人解决方案铺平了道路。

期刊简介

Wiley旗下智能系统领域开放获取旗舰刊。期刊收录关于具有刺激或指令响应智能的人造装置系统的研究，包括机器人、自动化、人工智能、机器学习、人机交互、智能传感和程序化自组装等前沿应用。Advanced Intelligent Systems最新的期刊引文指标1.11，期刊影响因子6.8，在计算机科学，人工智能和自动化与控制系统中分类皆为Q1。(源自Clarivate 2023)