Создана система навигации для роботов, курсирующих в организме человека - kupihome.ru

Создана система навигации для роботов, курсирующих в организме человека

Разработка роботов

Posts tagged ‘Система навигации робота’

Локализация и составление карты с помощью DP-SLAM

Данная статья основана на оригинальной публикации разработчиков алгоритма DP-SLAM

Доступность относительно недорогих сканирующих лазерных дальномеров и появление наработок в теории фильтров частиц дало толчок развитию алгоритмов локализации робота в пространстве. Изначально, карты, по которым робот должен был локализоваться, составляли вручную, хотя и было очевидно, что лазерный дальномер мог составить их намного лучше. Исходя из этих соображений, была поставлена задача: создать алгоритм, который бы проводил и локализацию, и составление карты одновременно. Решение этой задачи нашло бы множество применений на практике: проведение аварийно-спасательных работ, космических, подводных или подземных исследований.

Радиомодули rfm12b

При разработке навигационной системы мобильного робота нам были необходимы беспроводные радио модули. Сначала мы попробовали радио модули tr24. Но оказалось, что они передают на слишком малое расстояние. Следующими радио модулями, которые мы попробовали стали rfm12. Для работы с ними существует бесплатная библиотека для AVR. В этой статье я опишу как использовать эти радио модули и опишу наш опыт их использования.
Читать полностью »

Протокол с гарантией доставки для tr24a

При создании навигационной системы робота для участия в Eurobot 2011 мы решили использовать радио модули tr24. Но при работе с ними выяснилась одна проблема: иногда они теряют передаваемые пакеты. В нашей системе планировалось по радиоканалу передавать управляющие команду, поэтому потеря данных была просто недопустима. В связи с этим мне пришлось разработать протокол общения радио модулей tr24, гарантирующий доставку пакета.

Сначала в вкратце опишу, что собой представляла система. Имелось три периферийных маяка, которые должны были по радиоканалу принимать команды и выполнять некоторый набор действий. Имелся локатор на роботе противника, который должен был по радиоканалу обмениваться данными с локатором на нашем роботе. Оба локатора должны были по очереди слать команды маякам и друг другу. Аппаратно все пять устройств были выполнены идентично. Про схему подключения радио модулей tr24 в этих устройствах можете посмотреть здесь. Подробнее про навигационную систему робота — здесь.

Система навигации мобильного робота по опорным маякам

Ультразвуковой маяк

Введение

Задача определения координат робота – наиболее актуальная в большинстве областей применения мобильных роботов.

Требование проверять текущую координату некоторого центра объекта диктуется необходимостью коррекции траектории, так как при длительной работе мобильного робота, даже достаточно точное позиционирование с использованием инкрементальных энкодеров в обратной связи и регуляторов положения система стремится к удалению от действительной траектории.

Такие факторы, как столкновение с объектом, пробуксовка, а также в редких случаях отсутствие обратной связи на двигателях делают эту систему востребованной в мобильной робототехнике.

Опыт участия в европейских соревнованиях Евробот показал, что до сих ни одна команда не создала надежной системы навигации по опорным маякам.

Данная система находит применение при объезде препятствий, на которые установлен маяк.

Требования к системе – типичные для встраиваемой системы, то есть это полностью законченный модуль с открытой архитектурой, написанным программным обеспечением верхнего уровня, автономное по питанию, компактное (габариты менее 80х80х80мм), с крепежными местами.

Система может быть применена в быту для навигации по комнате, на производственной площадке больших размеров, в соревнованиях роботов, в качестве системы объезда препятствий.

Видится перспективным моделирование системы с учетом задержек, а также организации обратной связи (при сохранении устойчивости системы) для управления мобильным роботом. Читать полностью »

Навигация мобильных роботов

Мобильные робототехнические системы применяются сегодня в самых разных отраслях. Корпоративные заказчики интересуются многофункциональными промышленными роботами, массовый покупатель активно приобретает интеллектуальные пылесосы и роботы-собачки, службы безопасности и спасения рассчитывают на автономные устройства, способные без устали выполнять задачи слежения и поиска. При этом все подобные устройства в идеале должны уверенно перемещаться в незнакомой и непредсказуемой обстановке реального мира.

Устройство автоматической калибровки антенны для

роботов, создаваемых германскими Центром авиации

и космонавтики и Министерством образования, науки,

исследований и технологии

Пока основной проблемой всех ныне существующих мобильных аппаратов, перемещающихся самостоятельно, без управления со стороны человека, остается навигация. Для успешной навигации в пространстве бортовая система робота должна уметь строить маршрут, управлять параметрами движения (задавать угол поворота колес и скорость их вращения), правильно интерпретировать сведения оокружающем мире, получаемые от датчиков, и постоянно отслеживать собственные координаты.

Компьютерные системы построения маршрута разработаны достаточно хорошо. Первоначально они создавались для простейших виртуальных сред, и программа, моделирующая действия робота, быстро находила оптимальный путь к цели в двумерных лабиринтах и комнатах, наполненных простыми препятствиями. Когда появились быстрые процессоры, стало возможным формировать траекторию движения уже на сложных трехмерных картах, причем в реальном времени. Интересно, что существенный вклад в это алгоритмическое направление внесли компании-разработчики компьютерных игр, финансирующие соответствующиисследования. В современных играх с каждой из конфликтующих сторон участвует несколько сотен боевых единиц, действующих на случайно сгенерированных трехмерных картах, и каждая единица быстро и достаточно эффективно находит путь к цели. Правда, при этом она, как правило, неявно обладает полной информацией о карте и своем местоположении на ней.

Поэтому в реальных условиях эксплуатации такие алгоритмы малоэффективны. Полноценный робот должен определять собственные координаты и выбирать направление движения только на основании показателей бортовых датчиков, поэтому системы искусственного интеллекта, создаваемые для автономных машин, ориентированы на поддержку непрерывного цикла «опродатчиков — принятие оперативного решения об изменении маршрута». Таких циклов может быть несколько — один ответственен за следование по основному маршруту, другой — за обход препятствий и т. д. Кроме того, на аппаратном уровне каждый цикл может поддерживаться датчиками разных типов и разных принципов действия, формирующих потоки данных разного объема и интенсивности.

В результате робот начинает теряться в сложной обстановке и на длинных маршрутах, когда надо не просто обходить мелкие препятствия и уклоняться от опасностей на относительно прямом пути, а планировать долгосрочные действия на стратегическом уровне и выполнять ряд вспомогательных задач, которые весьма трудоемки сами по себе. Поэтому современные системы навигации объединяюмеханизмы как низкоуровневого управления, так и высокоуровневого планирования. Проблемы, непосредственно связанные с движением на текущем коротком отрезке маршрута, решаются путем простого реагирования на особенности внешней среды, а глобальная система следит за соблюдением общего плана, модифицируя его в случае необходимости, и синхронизирует работу всех подчиненных структур управления.

Технические сложности мобильной навигации

При построении системы навигации роботов возникает немало технических сложностей. Рассмотрим их более подробно.

1. Чтобы двигаться к цели, роботу необходимо сформировать достаточно точный образ окружающего его пространства.

Сегодня это достигается преимущественно использованием лазерных дальномеров и ультразвуковых генераторов (сонаров). Однако лазерный луч поможет получить образ среды только в зоне прямой видимости. Кроме того, на пути луча часто возникают мелкие помехи, вносящие погрешность в такой образ. А ультразвуковые датчики характеризуются большим временем отклика (если робот находится на большом и открытом пространстве), порядка десятых долей секунды, что не позволяет роботу перемещаться быстро. Скорость звука в разных условиях также может «плавать», влияя на точность оценки расстояния, в результате в «голове» робота искажается общая картина окружающей среды. Создание трехмерных карт с помощью лазеров в масштабе реального времени еще более затруднительно и, как минимум, требует существенных вычислительных мощностей, которые пока не удается воплотить в виде компактных бортовых плат. По этим причинам ценность информации, поступающей от бортовых датчиков, невелика. Роботу необходимо перевести ее в формальное и структурированное «словесное» описание мира (задача распознавания), что пока получается плоховато. Наибольший эффект здесь обещают дать системы машинного зрения, но они также еще несовершенны (см. PC Week/RE, N 5/2004, с. 31). Вместе с тем данный недостаток уже преодолен в проектах, где роботы действуют в зданиях и в любой другой предопределенной обстановке.

Перспективной идеей оказалось хранение в памяти машины полной карты местности. Обычно она представляется в геометрическом (очень подробно, но и очень объемно) либо топологическом (компактно, условными обозначениями, нменее подробно) виде. Наилучший результат дают трехмерные карты, однако их хранение и обработка бортовой системой робота затруднены: нужны слишком большие по сегодняшним меркам вычислительные ресурсы. А самое главное, роботу далеко не всегда удается правильно определить свое реальное местонахождение на такой карте.

Читать еще:  Рейтинг беззеркальных фотоаппаратов 2018 года: лучшие модели от лучших производителей

Ведется множество исследовательских работ по обучению автономных аппаратов методам самостоятельного построения карт местности. Эта область активно финансируется военными, заинтересованными в автоматизации процессов построения карт любой области Земли. Пока эти исследования не имеют серьезных практических воплощений в системах реального времени. Впрочем, препятствие к этому заключается не столько в слабости алгоритмов, сколько в относительно медленных бортовых процессорах.

2. В ходе движения робот должен быстро и точно управлять мотором и положением колес.

Некоторые задачи робототехники в принципе не допускают точного решения (это, например, задача управления крутящим моментом электромотора таким образом, чтобы робот безукоснительно следовал маршруту). В других задачах, связанных с динамикой движения роботов (область теоретической механики), до нахождения ответа еще очень далеко, а поиск приближенных коэффициентов, определяющих параметры движения, требует от бортового устройства постоянного решения систем дифференциальных уравнений. Поэтому сложности здесь как технические, так и теоретические.

3. Робот должен знать свое реальное местонахождение, а оно почти всегда отличается от хранящегося в бортовой системе.

Определение своих координат — фундаментальная задача навигации, ответ на которую интересен не только робототехникам, но и специалистам из множества других областей — прежде всего космической, авиационной и автомобильной.

Схемы навигации автономных устройств

Робототехники выделяют три навигационные схемы:

— глобальная — определение абсолютных координат устройства при движении по длинным маршрутам;

— локальная — определение координат устройства по отношению к некоторой (обычно стартовой) точке. Эта схема востребована разработчиками тактических беспилотных самолетов и наземных роботов, выполняющих миссии в пределах заранее известной области;

— персональная — позиционирование роботом частей своего тела и взаимодействие с близлежащими предметами, что актуально для устройств, снабженных манипуляторами.

Считается, что чем крупнее аппарат, тем выше для него важность глобальной навигации и ниже — персональной. У роботов-малышей все наоборот.

Системы навигации классифицируются еще по одному признаку — они могут быть пассивными и активными. Пассивная система навигации подразумевает прием информации о собственных координатах и других характеристиках своего движения от внешних источников, а активная рассчитана на определение местоположения только своими силами. Как правило, все глобальные схемы навигации пассивные, локальные бывают и теми и другими, а персональные схемы — всегда активные.Пассивные навигационные схемы. Первые модели промышленных роботов с более или менее автономной навигацией, созданные в 60-е годы, передвигались по маршруту, жестко заданному с помощью электрических кабелей, проложенных под полом заводских сооружений. На роботах устанавливались несложные устройства приема электромагнитного излучения кабеля, позволявшие определять направление перемещения. Аппараты могли двигаться по различным маршрутам благодаря тому, что по нескольким кабелям передавался сигнал с разной частотой. Но такая схема была дорогой и негибкой.

С появлением первых систем машинного зрения удалось отказаться от возни с кабелями и перейти к навигации по ярко нарисованным (или флуоресцентным) линиям на полу. Робот с помощью камеры следил за такой линией и самостоятельно двигался вдоль нее. Правда, линии часто стирались, нередко загораживались другими аппаратами и людьми, а на перекрестках, где сходилось несколько маршрутных линий, роботы обычно терялись и останавливались, не в силах понять, куда же двигаться дальше.

Испытывались и другие похожие концепции. По маршруту движения на определенной высоте размещались предметы-маркеры заданной формы, которые робот с помощью простых датчиков «ощупывал», узнавая тем самым свое местонахождение. Но такая схема навигации основана на нежелательном физически активном контакте машины с окружающим миром, что может привести к разрушительным последствиям. Кроме того, роботы не всегда могли правильно идентифицировать маркеры, а расположение последних приходилось выбирать очень точно.

Постепенно «продвинутые» модели маркерной навигации были оснащены более совершенными аналоговыми датчиками, научившимися измерять силу реакции контакта и определять форму маркера, а сегодня в этих целях применяются цифровые матричные датчики, способные получать от маркеров подробные данные об окружающей среде. Основным недостатком такого решения остается необходимость обслуживания маркеров на маршруте.

До 30-х годов прошлого века навигационные задачи решались по старинке — с помощью карты, компаса, секстанта, по солнцу, звездам и т. д. В 50-е годы у летчиков и моряков получила широкое распространение схема навигации по радиомаякам, а когда в 1957-м был запущен в космос советский «Спутник-1», специалисты Массачусетского технологического института быстро придумали простой способ измерения параметров его орбиты по изменению спектра передаваемого спутником сигнала. Эта идея легла в основу современных систем спутниковой навигации. Глобальная спутниковая система GPS, стартовавшая в 1973 г. усилиями ВМС, ВВС и министерства транспорта США, с каждым годом продолжает набирать популярность у разработчиков навигационных систем для автономных роботов. Она относится к категории пассивных глобальных систем.

Хотя на рынке имеется множество коммерчески доступных GPS-приемников, их применение в глобальной навигации пока ограничено задачами соблюдения общего курса. Связано это с очевидным требованием законов робототехники о точности такой навигации — ошибка в определении собственных координат не может превышать размера автономного аппарата (в противном случае возможны столкновения с устройствами такого же или меньшего размеров и другие конфликты со средой). Типичный самоходный коммерческий робот обычно не превышает в длину одного-двух метров и может удаляться от места старта на 10 км, а вот GPS-сигнал дает точность около 100 м, и гражданским организациям в ближайшие годы будут доступны обновленные GPS-приемники с точностью 20-30 м. Поэтому в качестве базовой GPS-навигация применяется преимущественно в автопилотах крупных самолетов или океанских лайнеров. Кроме того, в различных регионах Земли, на местности со сложным рельефом и в зданиях GPS-сигнал может приниматься неустойчиво и с помехами. Таким образом, эта система еще довольно долго не сможет использоваться как основная в задачах глобальной навигации небольших аппаратов.

Иногда возможности GPS-системы расширяются за счет развертывания дополнительных наземных станций — если их координаты известны, то можно на основе GPS-информации определять местоположение объекта с точностью около 5 м. Но это решение подходит только для локальной схемы навигации.

У разработчиков систем пассивной локальной навигации популярна идея использования для ориентирования искусственных сооружений (например, специальных вышек). Она неплохо реализована в коммерческих версиях, и робот, снабженный системой машинного зрения, может довольно точно рассчитать расстояние до вышки по анализу изменения геометрических размеров ее видимого образа. Если же установить искусственные маяки не удается, робот может попытаться самостоятельно выделить статичные элементы окружающей обстановки (высокое дерево, гора) и выполнить привязку к ним своих координат. Недостаток такого подхода заключается в проблемах с нахождением ключевых объектов при изменении условий внешней среды (например, уровня освещенности).

Здесь может помочь использование стереокамер — зная угол зрения каждой из них, можно вычислить расстояние до цели. Но все равно остается актуальной задача распознавания одного и того же объекта каждой камерой и последующая синхронизация их «взглядов», что роботам пока сложно делать в масштабе реального времени.

Другая пассивная концепция локальной навигации — с помощью радиомаяков — заключается в размещении в зоне действий робота источников радиосигналов, которые обрабатываются бортовым микропроцессором. Но так как радиомаяки располагаются в фиксированных точках некоторого маршрута, аппарат теряет возможность обходить препятствия или выбирать альтернативный путь движения. Если же сделать такую систему более гибкой и использовать радарные комплексы для определения координат попавших в зону их действия объектов, то будет теряться время (как правило, десятые доли секунды) на организацию запроса бортовой системы робота к радарной станции и ожидание от последней ответа.

Существуют решения на основе так называемых непрерывных радиометок — наземная аппаратура генерирует на большой площади сигнал с параметрами, меняющимися в зависимости от удаления от источника. Но они дороги и характеризуются невысокой надежностью в холмистой или городской местности, где сигнал начинает пропадать. Так, коммерческая система Mini-Ranger Falcon компании Motorola стоит 100 тыс. долл. (из расчета на 20 подключений) и определяет координаты с точностью 2 м на удалении 75 км от генератора. Схожие решения фирмы Harris в минимальной комплектации обойдутся в 30 тыс. долл.

Как работает система навигации нашего мозга

Что помогает нам ориентироваться в пространстве.Ученые до сих пор не знают, как именно мозг создает пространственные карты или как они используются при навигации. Но работа О «Кифа и Мозеров объясняет не просто навигационную систему мозга

Читать еще:  Обзор asus zenfone 4 max: характеристики, камера, цена, модификации

Наш мозг составляет свои карты местности. Но где он их хранит? Когда обновляет? И как нам удается балансировать между четкими инструкциями «пройти прямо двадцать шагов и повернуть налево» и размытыми ощущениями вроде «помнится, я здесь уже был и также разглядывал это нелепое граффити на стене»? Quanta Magazine рассказывает об открытии в мозге системы навигации, за которое в 2014 году исследователи получили Нобелевскую премию по физиологии и медицине.

Google Maps, мощный онлайн-инструмент для создания карт, своим успехом обязан двум главным составляющим: системе GPS, которая определяет место объекта на Земле, и «личной» карте, которая содержит исчерпывающую информацию о вашем доме или любимом ресторане, куда вы любите заглядывать после работы за пончиками. Выяснилось, что наша внутренняя система навигации во многом работает похожим образом. К таким выводам пришли трое ученых, которые получили в этом году Нобелевскую премию по психологии и медицине. Приз «За открытие системы клеток в мозге, которая позволяет ориентироваться в пространстве» разделили между собой Джон О «Киф, нейрофизиолог из Университетского колледжа Лондона, и супруги-нейрофизиологи Мэй-Бритт и Эдвард Мозер из Норвежского университета естественных и технических наук.

Еще в 1971 году Джон О «Киф обнаружил специальные нейроны, «нейроны места» (place cells), которые помогают животным определять точное положение в пространстве. Гораздо позже Мозеры, ученики и последователи О «Кифа, открыли «координатные нейроны» (grid cells), необходимые для того, чтобы выстраивать правильную траекторию. Первые исследования проводились на крысах, но вскоре оба эти типа клеток были обнаружены и в мозге млекопитающих, в том числе и человека.

Такая система ориентирования может использовать и некоторые абстрактные свойства или ощущения. Так, координатные нейроны не просто реагируют на сенсорные сигналы (такие, как запах земли, например). Они выстраивают определенную внутреннюю систему координат, которую вместе с информацией от различных сенсоров используют уже нейроны места для формирования нашего ощущения пространства.

Дальнейшее изучение того, как мозг создает когнитивные карты, может привести к новым открытиям в области нейрофизиологии. «Есть какая-то глубокая связь между памятью и пространством,» — говорит Мэтью Уилсон, нейрофизиолог из Массачусетского технологического института. Кроме того, что координатные нейроны и нейроны места выполняют функцию внутренней GPS, они, возможно, еще ответственны за сохранность наших воспоминаний.

Нейроны места были найдены в гиппокампе — долгое время считалось, что именно в этой области хранится память. Если его удалить, как в случае со знаменитым пациентом Г. М., мозг теряет способность создавать новые воспоминания. Но открытие О «Кифа показало, что кроме этого гиппокамп ответственен и за навигацию.

О «Киф регистрировал электрические импульсы в гиппокампе крыс, свободно перемещавшихся в новом пространстве. Он увидел, что те или иные нейроны активизировались в зависимости от места, где находилось животное. Изменяя привычную среду, О «Киф показал, что крысы не просто реагируют на сенсорные сигналы, — дело тут в более сложном чувстве пространства.

В книге «Гиппокамп как когнитивная карта», опубликованной в 1978-м, Джон О «Киф и его соавтор Линн Нэйдел рассказывали о том, что эта пространственная система, кроме выполнения основной функции, еще упорядочивает личные воспоминания в зависимости от того, где происходили события. Скажем, когда вы сидите за кухонным столом в доме, где провели детство, вам наверняка вспоминается любимый яблочный пирог с последнего проведенного здесь дня рождения.

Три десятилетия спустя Мозеры открыли систему клеток, которые, как полагали ученые, обеспечивают пространственной информацией нейроны места. Они ставили датчики на некоторые нейроны в энторинальной области коры мозга крыс, которая связана с гиппокампом, а затем оставляли животных бегать в клетке. Составляя карту тех участков, где у крыс активизировались определенные нейроны, ученые обнаружили, что пол клетки разбивался на несколько равносторонних треугольников. Карта получилась настолько точной, что ученые сперва заподозрили сбой оборудования.

Одна из самых интересных деталей этого открытия в том, что координатные нейроны работают, даже если животное находится в полной темноте, то есть без каких-либо визуальных подсказок. «Этот факт отражает внутреннюю динамику мозга, которая, в каком-то смысле, не зависит от данных внешнего мира. Вот почему это настолько феноменальное открытие — оно дает нам возможность понять происходящие внутри процессы,» — говорит Джим Кирим, нейрофизиолог из Университета Джона Хопкинса в Балтиморе.

Ученые до сих пор не знают, как именно мозг создает пространственные карты или как они используются при навигации. Но работа О «Кифа и Мозеров объясняет не просто навигационную систему мозга — теперь нейрофизиологи могут использовать данные координатных клеток и нейронов места, чтобы ответить на множество вопросов.

Например, ученые хотят узнать больше о том, как мозг преобразует информацию о мире в электрические сигналы и как новая информация объединяется со старой. «Если мы хотим понять работу мозга, мы должны знать, как данные из зоны А преобразуются в данные для зоны Б», — говорит Джим Кирим. Процесс, в ходе которого координатные нейроны доставляют информацию до нейронов места в гиппокампе, дает возможность ученым исследовать этот вопрос.

Ученые также использовали свойства нейронов места, чтобы узнать больше о памяти. Как только крыса пробегает через лабиринт, активизируется последовательность определенных нейронов места. Когда крыса засыпает, эта последовательность вновь «проигрывается» в ее мозге — ученые считают, что это помогает перевести информацию из гиппокампа в область долгосрочной памяти.

Более свежие исследования сна показывают, что в мозге крысы будет проигрываться эта же последовательность, когда она вновь окажется в лабиринте и должна будет выбирать правильный путь. «Мы знаем, что крысы могут совершать путешествия во времени в своей голове, и мы смогли это выяснить только благодаря нейронам места», — говорит Дэвид Редиш, нейрофизиолог из Университета Миннесоты в Миннеаполисе о том, что крысы могут переживать события прошлого.

Многие исследователи считают, что память и пространство еще более тесно связаны между собой. В Древней Греции ораторы, чтобы запомнить речь, мысленно связывали каждый отрывок речи с каким-то участком дороги, ведущей через город. В основе такой мнемотехники лежит тот факт, что гиппокамп кодирует как пространственную информацию, так и автобиографические воспоминания. «Получается, что пространство — это хороший способ организации личного опыта», — резюмирует Мэтью Уилсон.

Понравилась статья? Напишите свое мнение в комментариях.
Подпишитесь на наш ФБ:

Создана система навигации для роботов, курсирующих в организме человека

Работа мобильных роботов сопряжена с постоянным перемещением в пределах рабочей зоны. В настоящее время подобные роботы встречаются все чаще и с каждым днем они становятся все более функциональными и сложными. По мере роста функциональности роботов растет и сложность решаемых ими задач. В настоящее время уже повсеместно встречаются автономные мобильные роботы – робокары, перемещающиеся по производственным помещениям, также стали довольно востребованы сервисные роботы – роботы для проведения экскурсий в музеях и выставочных центрах, роботы – официанты в кафе и ресторанах. Такие роботы работают в тесном контакте с окружающими объектами и людьми, поэтому к точности и безопасности их перемещений предъявляются слишком высокие требования.

В предыдущих работах уже рассматривались примеры решения задач перемещения мобильного робота в рабочей зоне. Также уделялось внимание процессу выполнения простейших маневров по объезду препятствий, встречающихся на пути.

Зачастую в реальных ситуациях мобильный робот сталкивается с препятствиями, расположенными произвольным образом в рабочей зоне, а также и с перемещающимися объектами. Каждый из таких объектов может быть потенциальным препятствием, поэтому в процессе своего движения мобильный робот должен иметь информацию обо всех объектах вблизи, чтобы в случае необходимости иметь возможность отреагировать на них.

Сбор, обработка и систематизация информации об объектах вблизи робота называется составлением локальной карты окружающего пространства. Использование локальной карты в задачах планирования маршрута робота или объезда препятствий называется локальной навигацией.

При разработке мобильных роботов нужно учитывать, какие задачи поставлены перед мобильным роботом, чтобы подобрать необходимые сенсорные устройства для их решения. Так, например, для решения задачи перемещения внутри рабочей зоны робот может быть оснащен дорогими лазерными сканирующими дальномерами и GPS-устройствами для определения собственного положения, тогда как для решения задачи локальной навигации мобильный робот может быть оснащен простыми ультразвуковыми или инфракрасными датчиками по периметру.

Читать еще:  Обзор уникальных способностей различных холодильников

Рассмотрим типичную для роботов из данного образовательного модуля задачу. Нам уже не раз встречались мобильные роботы для перемещения вдоль линии, каждый из них был оснащен набором ИК-датчиков или ИК-массивом для обнаружения линии. Поскольку задача перемещения вдоль линии является главной, то в качестве основной сенсорной системы, на основании показаний которой перемещается робот, выбираем систему ИК-датчиков.

В случае если передвижению мобильного робота могут препятствовать различные объекты, по периметру робота можно расположить ИК-датчики, с помощью которых робот может обнаруживать препятствия с каждой из сторон. Количество подобных датчиков определяется возможностями программируемого контроллера, габаритами робота и объектов в зоне его функционирования.

В рамках данной работы предлагается сконструировать робота, оснащенного тремя ИК-датчиками, расположенными спереди и по бокам робота. С помощью этих датчиков робот должен обнаруживать препятствия, возникающие по ходу его движения.

Предлагается рассмотреть ряд приемов, которые могут быть использованы разработчиками как метод усовершенствования системы управления мобильного робота, благодаря чему она сможет выполнять более широкий спектр задач.

Обнаружение объектов или неровностей поверхности в процессе движения

Достаточно часто при движении мобильных роботов по пересеченной местности возникают ситуации, в которых робот не может преодолеть то или иное препятствие на своем пути.

Очень часто разработчики мобильных роботов акцентируют свое внимание на проблемах взаимодействия робота и окружающей среды в процессе движения – это могут быть сенсорные системы для обнаружения препятствий, системы определения уровня вибраций и системы стабилизации и др.

В рамках данной части предлагается рассмотреть модель робота, анализирующего наличие препятствий на собственном пути, а также оценку возможности дальнейшего перемещения. Под этим понимается анализ рабочей поверхности, например поиск обвалов и ям на пути и т.п.

Разрабатываемый нами робот оснащается массивом ИК-датчиков для исследования поверхности по которой он перемещается и тремя ИК- датчиками, расположенными по периметру робота, для обнаружения препятствий во время движения.

Алгоритм движения робота достаточно прост – робот движется прямолинейно и если он обнаруживает препятствие у себя на пути, он совершает поворот налево, если же на пути робота встречается обрыв или область черного цвета («неровность» поверхности), робот разворачивается и едет в противоположную сторону и налево.

По большому счету программа сводится к единственному бесконечному циклу, анализирующему показания ИК-датчика, подключенного к PORT[6], а также срабатывание массива ИК-датчиков в режиме поиска препятствий.

Режим IR Obstacle Detected – это один из базовых режимов работы массива ИК-датчиков, в котором автоматически определяется факт срабатывания одного из 7 датчиков. Данная функция выбирается в меню панели управления на ряду с другими, такими как: возврат текущего значения или срабатывание по пороговому значению.

Таким образом, используя даже такие простые средства, как в данном наборе можно смоделировать и исследовать процесс применения мобильного робота в произвольной рабочей зоне. В качестве задания для закрепления результатов можно рассмотреть процесс объединения двух задач воедино — задачи следования по линии как основной рабочей и задачи, рассмотренной в данном разделе.

Объезд препятствия по периметру

Ранее нами рассматривались задачи объезда препятствий в процессе движения робота по маршруту. В предыдущих работах акцентировалось внимание на алгоритмическую составляющую – поиск препятствия и принятие решения о маневре, а под препятствием понимался объект, который объезжался роботом за один маневр.

В реальной ситуации объекты, встречающиеся на пути робота, могут обладать большими габаритами и объезд их может быть затруднен. В связи с этим, необходимо предусматривать ситуацию в которой робот будет перемещаться вокруг объекта с целью вернуться на заданную траекторию и продолжить движение дальше.

Для того чтобы мобильный робот мог обнаруживать препятствие в процессе его объезда, необходимо расположить один из ИК-датчиков сбоку. В этом случае, подъехав к объекту и начав маневр по его объезду, система управления робота будет постоянно контролировать расстояние до объекта.

Расположим три ИК-датчика на переднем бампере робота, два из них направим по обе стороны от робота, а центральный – в направлении движения. С помощью этих датчиков робот может обнаруживать объект и контролировать расстояние до него при маневрировании вокруг.

При движении робот постоянно анализирует расстояние до объекта, и в случае если расстояние меньше заданного – он отъезжает от него левее, а если больше – приближается, поворачивая направо. Если в процессе движения вдоль объекта он исчезает из виду, робот поворачивает направо, чтобы приблизиться к объекту либо объехать его с другой стороны.

Вышеуказанная процедура выполняется в цикле, описываемом программой, состоящей из четырех последовательных условий. Каждое из условий соответствует одному из рисунков: в первом случае происходит вызов функции l_slight_turn для поворота налево, во втором случае вызывается функция forward для прямолинейного движения, в третьем случае вызывается функция r_slight_turn для поворота направо и в последнем случае осуществляется поворот направо с помощью функции r_corner_turn.

Движения робота задаются традиционным образом с помощью функций, изменяющих направление и скорость вращения колес.

Отдельно рассмотрим функцию r_corner_turn, предназначенную для объезда препятствия справа. Данная функция сначала вызывает функцию forward_shortly, благодаря чему робот перемещается немного вперед, после чего вызывается функция right_turn для поворота направо. Поворот направо осуществляется до тех пор, пока расстояние до объекта станет не менее значения, задаваемого переменной thresh-old_4

Каждое из подобных условий определяется порогом срабатывания датчика, значения которого выбирается в зависимости от необходимого расстояния, на котором необходимо находиться относительно объекта при движении.

Указанные выше значения переменных threshold могут быть подобраны опытным путем, а могут быть рассчитаны на основании характеристики датчика. Каждый датчик имеет собственную характеристику – зависимость выдаваемого значения от расчетной величины. Применяемые нами ИК-датчики имеют выходную характеристику, являющуюся зависимостью интенсивности отраженного света от расстояния до объекта.

На основании приведенного графика можно подобрать такие значения переменной threshold, при которых мобильный робот будет обнаруживать объекты на заданном расстоянии и объезжать их, не приближаясь более чем положено.

Информация о характеристике датчика крайне важна при проектировании системы управления робота. Благодаря ей можно рассчитать точные перемещения исполнительного механизма, так и всего робота в целом.

Заключение

В рамках данной работы были изучены основы локальной навигации мобильных роботов и проведены эксперименты с реальной моделью робота. Методы и подходы, рассмотренные в процессе проведения эксперимента с роботом, являются достаточно общими и применимыми в любой другой аналогичной задаче.

С помощью подобных алгоритмов робот может маневрировать в среде с различными объектами и объезжать препятствия произвольных габаритов. Несмотря на кажущуюся простоту и универсальность методов необходимо заранее оценивать условия применения мобильного робота.

Невозможно разработать систему управления на все случаи жизни, в одной ситуации робот сможет применяться успешно, а в другой ему может не хватить точности перемещений или собственной маневренности для избежания столкновения с объектом.

При разработке робота должны быть учтены все влияющие на него факторы и определены методы по их оценке и компенсации. Возможно, в одном из случаев необходимо будет изменить состав сенсорной системы робота и применить более технически совершенные датчики, а в другом случае может быть достаточно применения тех же самых технических средств, но другим образом.

В рассматриваемом во второй части примере в программе управления робота применялась функция r_corner_turn, предназначенная для объезда робота справа. Принцип работы ее заключался в небольшом перемещении вперед, за время задаваемое таймером, и последующем выполнении поворота.

При выезде передней части робота за габариты объекта датчик, подключенный к PORT[5], перестает видеть препятствие, и последующий поворот осуществляется роботом вслепую. Для того чтобы робот гарантированно выехал за габариты объекта перед выполнением поворота, предлагается установить второй ИК-датчик на борту робота, но уже сзади. Благодаря этому робот сможет продолжать прямолинейное движение ровно до тех пор, пока он полностью не проедет препятствующий движению объект.

Данный пример иллюстрирует адаптивный подход к процессу разработки системы управления робота. К сожалению, не существует универсального решения на все случаи и нельзя рекомендовать один или несколько алгоритмов, способных решить любую задачу. Разработчик должен сам определить критерии, определяющие работоспособность проектируемой системы, и предложить способы их решения и дальнейшей реализации.

Источник: Методические пособия по роботехнике для начинающих компании ООО «Экзамен-Технолаб».

Ссылка на основную публикацию
Adblock
detector