利用迁移学习和无线传感器网络进行轨迹规划，以实现目标搜索的移动机器人

《ACM Transactions on Sensor Networks》：Trajectory Planning using Transfer Learning and Wireless Sensor Network for Target Search Mobile Robot

轨迹规划算法研究：融合迁移学习与无线传感器网络优化移动机器人路径规划，解决传统方法低精度高复杂度问题。通过构建线性运动模型、分析运动约束、设计超声波传感器系统，结合全局规划与局部规划，利用迁移学习实现知识复用。实验表明算法轨迹拟合度高（95.6%），空间复杂度降低23%，具有平滑的速度曲线和强实用性。

　　

编者按

关切声明：在针对《TOSN 特刊：绿色通信与智能城市中的传感器网络与机器智能》发表的所有论文进行彻底调查以核实同行评审过程的完整性期间，ACM 发布了一份正式的关切声明。ACM 强烈建议在调查结束并作出关于同行评审过程完整性的最终决定之前，不要在文献中引用该特刊中的论文。

摘要

轨迹规划是移动机器人研究领域的核心技术。然而，传统的轨迹规划算法存在精度低和复杂性高的问题。因此，我们提出了一种基于迁移学习（TL）和无线传感器网络的移动机器人目标搜索轨迹规划算法。首先，构建移动机器人的运动模型并将其转换为线性运动模型；其次，分析机器人的运动约束（如速度、加速度和位置）；然后，利用超声波传感器获取机器人自身和环境信息，并通过全局规划与局部规划的结合来进行路径规划。最后，结合全局规划和局部规划进行路径规划，从全局规划中学习相关知识，并将全局规划模型中的相关因素应用于局部规划，作为机器人的初始运动状态因素，以实现移动机器人的目标搜索轨迹规划。实验结果表明，所提算法的拟合度和最优轨迹规划效果良好，机器人训练的奖励值更高，轨迹规划的速度曲线更加平滑，且该算法的空间复杂度远低于其他算法（最高仅为 23%），轨迹规划的精度高达 95.6%，具有实际应用价值。