Обход динамических препятствий с использованием принципа предсказаний

⇐ ПредыдущаяСтр 4 из 5Следующая ⇒

Мобильность является важным аспектом современных роботов [7]. Несколько подходов к управлению мобильностью мобильного робота были изучены в течение последних четырех десятилетий. С начала этого десятилетия, исследователи принимают живой интерес к изучению алгоритмов в сфере оптимизации управления мобильностью роботов. Обоснование использования методов оптимизации возникает, когда планирование движением нескольких роботов считается вместе в одном рабочем пространстве.

Одна интересная проблема в мультиагентных роботах [2, 3]- это планирование движения мультиробота, где роботы должны определить их траектории движения из предопределенной отправной точки к точке поставленной цели, не касаясь любых препятствий в окружающей среде. Большинство алгоритмов планирования движения мультиробота до сих пор рассматривали только статические препятствия. Множество задач планирования движений мультиробота существенно возрастает, когда один или несколько динамических препятствий присутствуют в сценарии. В настоящем документе рассматривается одна из таких проблем планирования движения мультиробота с учетом предсказывания движения динамического препятствия.

Логика прогнозирования, предполагает линейное движение динамических препятствий в течение короткого промежутка времени. Когда скорость динамического препятствия является относительно медленной, чем у роботов, можно предположить, что линейное движение препятствия состоит из двух последовательных выборок препятствий роботом. Это соображение предоставляет новую возможность для формулирования планирования движения мультиробота как задачи оптимизации.

Постановка задачи связана с проектированием целевой функции, которая рассматривает два важных вопроса. Первая проблема касается определения минимального расстояния между каждым роботом и его соответствующей целью без касания любого статичного препятствия во время планирования траекторий командой роботов. Вторая проблема связана с максимизацией расстояния между динамическим препятствием и его ближайшим роботом. Эти две цели объединяются вместе, чтобы построить одну функцию оптимизации цели, которая была оптимизирована хорошо известным алгоритмом Методом роя частиц (МРЧ).

После предсказания расположения динамического препятствия, робот принимает решение о следующей позиции соответственно, преимущество состоит в повышении эффективности. Здесь рассматриваются n-итерационные алгоритмы для n роботов, и i-й алгоритм определяет следующую позицию для i-го робота, удовлетворяющего необходимые ограничения.

Здесь оценивается следующие положение роботов относительно их нынешнего положения на карте мира с набором статических препятствий и одного динамического препятствия. Набор принципов, перечисленные ниже, впервые разработан для формализации проблемы планирования пути при равномерной обработке.

Текущее положение каждого робота известно в проекции на декартову систему координат. Роботы имеют фиксированный набор действий для движений. Робот может выбирать одно действие в один момент времени. Препятствия обнаруживаются по цвету, который известен, роботам. Роботы могут узнать о следующей позиции динамического препятствия с помощью метода предсказания.

I. Робот всегда стремится выровняться по направлению к цели путем расчета оптимального пути [5] используя МРЧ.

II. На каждом шаге робот пытается предсказать расположение перемещения динамического препятствия в линейной траектории. Представление линейного пути для динамического препятствия за маленький промежуток времени делается для того что бы метод предсказания выполнился.

III. При обнаружении статичного препятствия рядом с ним, робот отклоняется из текущей позиции к следующей, свободной от препятствия, следуя минимальному пути, полученному алгоритмом МРЧ.

Iv. После прогнозирования динамического препятствия, робот перейдет от текущей позиции к следующей свободной позиции, следуя минимальному пути, полученному алгоритмом МРЧ.

Планирование пути мультиробота реализуется в среде Turbo C на процессоре Пентиум. Количество роботов (n) варьировалось от двух до четырнадцати и была оценена производительность системы. Статические препятствий представлены темно-серым цветом, а динамические препятствия представлены оранжевым цветом на мировой карте. Следующие модели представлены скриншотами программы. Конфигурация карты мира с роботами, динамическими препятствиями и пятью статическими препятствиями в разные моменты времени при выполнении кода показаны на следующих рисунках. Количество роботов и скорость роботов изменяются, чтобы получить различные условия и убедиться, что ни в коем случае роботы не сталкиваются с любым препятствием. Четко видно, что траектории пути роботов избегают статические и динамическое препятствия. Промежуточные позиции также хорошо, как и конечное положение на карте мира показывают, где роботы видели, как достичь своей цели предопределенно безопасно.

Рисунок 3.8- Скриншот показывает столкновение робота J с оранжевым динамическим препятствием на карте мира в классическом подходе без предсказания

Рисунок 3.9- Скриншот показывает путь обхода динамичного препятствия роботом J на карте мира, когда 10 роботов рассматриваются вместе и используется метод предсказания

Рисунок 3.10- Скриншот показывает столкновение робота J с оранжевым динамическим препятствием на карте мира, когда 12 интеллектуальных роботов рассматриваются вместе, в классическом подходе без предсказания

Рисунок 3.11- Скриншот показывает путь обхода динамичного препятствия роботом J и траектории одиннадцати других роботов на карте мира, когда 12 роботов рассматриваются вместе, и осуществляется принцип прогнозирования

Рисунок 3.12- Скриншот показывает полный путь роботов на карте мира, после достижения роботами своей цели, и динамическое препятствие прошло

Эффективность системы, основанной на предсказаниях, может быть оценена по-разному. Оценка эффективности является широкой темой, и охватывает много методов для измерения качества системы. Различные показатели оценки эффективности охватывают различные области, которые включают в себя то, как алгоритмы справляются в разных физических условиях на сцене, то есть изменения количества роботов и препятствий, изменение скорости роботов, изменение положения препятствий и т.д. Для оценки эффективности были рассмотрены два показателя - среднее отклонение пути и среднее открытое расстояние до цели.

Учитывая положение цели G_i и текущее положение С_I робота на 2-мерном рабочем пространстве, где G_i, и С_I являются 2-мерными векторами, открытое расстояние для робота i это | | G_i-C_i | |, где | |. | | обозначает Евклидову норму. Первоначально когда роботы начинают от исходного положения, открытое расстояние до цели максимально и убывает, когда роботы приближаются к их соответствующим целям. Как только роботы достигают свои цели, открытое расстояние до цели (ОРЦ) становится равным нулю. Для n роботов, открытое расстояние до цели является суммой

| | G_i-C_i | | т.е. ОРЦ= .

Теперь, для k запусков программы, среднее ОРЦ оценено и называется средним открытым расстоянием до цели (СОРЦ). Для всех экспериментов, проведенных в этом исследовании, k считается равным десяти.

Когда никакие препятствия не присутствуют на карте мира, то роботы будут следовать минимальному пути, найденным алгоритмом МРЧ. Всякий раз, когда статические и динамические препятствия вводятся карту мира, роботы отклоняются от своего оптимального пути для того, чтобы избежать столкновения. Среднее отклонение пути (СОП) это разница между этими двумя путями. Для большего количества роботов средним отклонением пути будет сумма индивидуальных СОП для отдельных роботов. Среднее отклонение должно быть как можно ниже для лучшей эффективности.

Пусть среднее время, необходимое роботами для достижения своих целей при отсутствии препятствий, будет t. Теперь, если оптимальный путь, пройденный роботом, будет D_{пройденый} и фактический путь между роботом и целью в присутствии статических и динамических препятствий будет D_{статическое} + D_{динамическое}, среднее отклонение пути задается.

СОП= | D_{пройденый} - (D_{статическое} + D_{динамическое}) |

Рисунок 3.13 и рисунок 3.14 отражают, что открытое расстояние до цели увеличивается с увеличением числа роботов. Это происходит из-за появления преград на пути робота при инициировании итерации с большим количеством роботов. Начальное положение динамического препятствия отличается на рисунке 3.13 от рисунка 3.14. Также предписанное положение динамических препятствий также отличается в каждом конкретном случае. В результате траектории роботов также различны в каждом случае.

Рисунок 3.13- График зависимости открытого расстояния до цели (ОРЦ) от шагов с номером роботов в качестве параметра и начальные координаты динамического препятствия(200, 300)

Рисунок 3.14- График зависимости открытого расстояния до цели (ОРЦ) от шагов с номером роботов в качестве параметра и начальные координаты динамического препятствия(50, 300)

При фиксированном открытом расстоянии до цели количество шагов, предпринимаемых роботами, уменьшается с увеличением скорости роботов, что вполне очевидно из рисунка 3.15 и рисунка 3.16. Это происходит, потому что робот с большей скоростью достигает цели быстрее.

Рисунок 3.15- График зависимости открытого расстояния до цели (ОРЦ) от шагов со скоростью робота в качестве параметра и начальные координаты динамического препятствия(200, 300)

Рисунок3.16- График зависимости открытого расстояния до цели от шагов с роботом скорости в качестве параметра и начальные координаты динамического препятствия (50, 300)

Диаграмма на рисунке 3.17 ясно показывает, что число шагов требуемых роботу, чтобы достичь своей цели по методу, основанному на предсказаниях, значительно меньше, чем по методу без предсказания.

Рисунок 3.17- Диаграмма, показывающая оценку эффективности роботов с предсказанием и без

Это доказывает превосходство работы таким образом повышая эффективность системы обхода динамического препятствия тем самым снижается фактор риска столкновения.

Перемещение робота

Основная идея использования автономного мобильного работа в том, что он может перемещаться по разным траекториям, в зависимости от того, какой станок закончил обработку детали, и куда требуется доставить обработанную деталь. Также роботы могут использоваться при доставке деталей на сборочные позиции, и при транспортировке в складские помещения.

Пример одного цикла транспортировки детали (по действиям):

1) Получение сервером информации с ОЦ о завершении обработки;

2) Нахождение позиции ближайшего свободного робота;

3) Передача координат ОЦ на робота;

4) Расчет пути движения робота;

5) Движение робота до цели;

6) Базирование робота на участке загрузки;

7) Процесс загрузки;

8) Окончание загрузки;

9) Передача координат цели разгрузки;

10) Расчет пути движения робота;

11) Движение робота до цели;

12) Базирование робота на участке разгрузки;

13) Процесс разгрузки;

14) Окончание разгрузки;

15) Отъезд из зоны разгрузки.

В зоне работы робота возможно нахождение статических и динамических препятствий, в связи с этим требуется избегать столкновения с ними. Алгоритм обхода должен быть адаптивным к внешней среде, и учитывать рациональные способы обхода, для уменьшения времени доставки:

- Регистрация препятствия ик-датчиками;

- Остановка;

- Свето-звуковая индикация остановки.

а)При статическом препятствии:

- Обход препятствия по алгоритму обхода, руководствуясь информацией с ик-датчиков.

б) При динамическом препятствии:

-обход препятствия с учетом его направления и скорости.

в) при встрече с другим роботом:

-установление приоритета;

-включение алгоритма обхода роботом с наибольшим приоритетом.

⇐ Предыдущая 1 2 345 Следующая ⇒