Autonomous robot motion control situational planning model
Anatolii Kargin, Oleksandr Ivaniuk · Advanced Information Systems · 2020
Харківський національний університет радіоелектроніки, Харків, Україна МОДЕЛЬ СИТУАЦІЙНОГО ПЛАНУВАННЯ Й КЕРУВАННЯ ПЕРЕМІЩЕННЯМИ АВТОНОМНОГО РОБОТУ Ан от а ц і я .На сьогодні актуальною є проблема навігації автономних мобільних систем в просторі, де можливі обурення.Проблема полягає в тому, що різноманітні збурення, що виникають у процесі руху роботу, не дозволяють реалізувати переміщення вздовж заздалегідь запланованого маршруту й вимагають поточного перепланування відповідно отриманій від датчиків ситуації.Для автономних систем проблема посилюється необхідністю автоматичного формування моделі поточної ситуації на основі даних від сенсорів й інтегруванні цієї моделі ситуації з моделями планування й керування у реальному часі.Предметом дослідження є знанняорієнтовані моделі обробки даних від сенсорів, що застосовуються в навігації автономних мобільних систем.Мета дослідження -імплементація когнітивної моделі сприйняття, заснованої на правилах, для класу задач ситуаційного керування й перепланування руху автономного роботу вздовж маршруту в умовах перешкод.Дослідити спроможність моделі задовільнити вимогам до автономних систем.Результати.Модель сприйняття даних від сенсорів представлена множиною багаторівневих фактів, що у вербальній формі на різних рівнях узагальнення описують поточну ситуацію в оточенні робота.База знань, якою користується робот при навігації, представлена п'ятирівневою ієрархічною структурою нечітких правил: знання про цілі, маршрут й план усунення перешкод, картографічні знання про робочий простір, стратегії і конкретні керівні впливи, необхідні для досягнення мети.Розроблено алгоритм й програму, у якій інтегровані модель сприйняття й модифікована модель Такагі-Сугено, що реалізує ситуаційне керування з переплануванням маршруту.Для дослідження моделі розроблено штучне оточення та наведені результати комп'ютерних експериментів по переміщенню робота по заданому маршруту в оточенні з перешкодами.Висновки.Показана спроможність імплементації моделі сприйняття для класу задач навігації роботу.Модель сприйняття, що інтегрована з модифікованою моделлю Такагі-Сугено, вирішує завдання ситуаційного керування з переплануванням маршруту і задовольняє вимогам щодо автономних систем та має переваги в порівнянні з методами програмного та евристичного керування по критеріям гнучкість, масштабованість та опрацювання невизначеності.К лю ч ов і с л ов а : мобільний робот; ситуаційне планування та керування; навігація; когнітивна модель сприйняття; нечіткі системи; дані від сенсорів.Вступ Постановка завдання в загальному вигляді.Концепція автономних систем (АС) знаходить все більш широке поширення при створенні великомасштабних розподілених в просторі об'єктів.АС включають сукупність компонентів, що реалізують в автономному режимі певну функцію, для виконання якої потрібно різноманітна інформація.Індустріальні АС компонуються з автоматичних ліній, ЧПУ верстатів, транспортних систем, роботів [1].Залізнична [2] і автомобільна [3] галузі в перспективних планах передбачають створення АС на базі розумних автомобілів і розумних поїздів.АС, що виконують функції моніторингу ситуацій включають мобільні пристрої (роботи, безпілотні літальні апарати) для спостереження і отримання інформації.У проектах розумних міст [3], як і у всіх вище перерахованих, основним компонентом АС є розумна автономна машина (РАМ) що переміщюється у просторі.Проблема що виникає при створенні РАМнавігація в умовах перешкод в автономному режимі.Проблема навігації автономномних систем властива мобільній робототехніці.Завдання навігації мобільного роботу розглядається з трьох точок зору [4, 5]: планування маршруту переміщення, локалізація ділянки маршруту де знаходиться робот (локальна навігація) і відображення місцезнаходження роботу на карту оточення.Для автономної навігації роботу важливо одночасне рішення переліченних задач.Такий підхід, відомий як SLAM (simultaneous localization and mapping) [6, 7], базується на методах й моделях штучного інтелекту [6, 7].Аналіз останніх досліджень та публікацій.Навігаційні моделі глобального планування маршруту (побудова послідовності керуючих реакцій, які забезпечують переміщення роботу в заздалегідь визначену точку), а також окремі задачі навігації такі, як управління переміщенням, відстеження пройденого шляху, пошук цілі, патрулювання території, збереження цілі в області видимості [8, 9] не можуть бути використані в АС, так як припускають наявність повної інформації про геометрію навколишнього середовища.Більш того, головне обмеження на автономність поведінки накладають, по-перше, традиційний або модифікований метод програмного керування при реалізації плану і, по-друге, припущення про відсутність завад для руху.Цих недоліків позбавлені моделі локального планування шляху [10], коли навколишнє середовище є заздалегідь невідоме або допускається поява перешкод, що порушують попередній опис середовища.Моделі локального планування потенційно можуть бути використані в АС, оскільки РАМ, як правило, не доступні повні знання про навколишнє середовище, реальні середовища є мінливими.Такі моделі засновані на використанні даних від сенсорів про стан навколишнього середовища та онлайн прийняття рішення на основі цих даних про процес переміщення.Можна виділити два напрямки досліджень підходу на основі сенсорних даних для вирішення завдань навігації: створення евристичних алгоритмів