Zmodyfikowana metoda pól potencjałowych do wyznaczania drogi robota mobilnego

pol Article in Polish DOI: 10.14313/PAR_216/57

send Przemysław  Oborski , Tomasz Fedorczyk Politechnika Warszawska, WydziaL Inżynierii Produkcji

Download Article

Streszczenie

Możliwość wykorzystania robotów mobilnych w przemyśle jest w dużej mierze zależna od zastosowania efektywnych systemów sterowania. Powinny one pozwalać na autonomiczne, bezpieczne i szybkie osiąganie planowanych punktów drogi. Jednym z podstawowych problemów jest wybór odpowiednich algorytmów doboru i optymalizacji ścieżki ruchu. Ich zadaniem jest bieżące wyliczanie przebiegu drogi, omijającej przeszkody, optymalnie prowadzącej robota do postawionego, często zmieniającego się celu. Istotnym problemem w wyznaczaniu ścieżki robota mobilnego jest złożoność optymalizacji. W podejściu globalnym istnieje możliwość optymalizacji całej ścieżki, jednak wymagana jest znajomość wszystkich przeszkód przed przystąpieniem do obliczeń. Uniemożliwia to bieżące reagowanie na ich zmiany. Wadą jest także wymagana duża moc obliczeniowa. Podejście lokalne pozwala na dynamiczne reagowanie na zmieniające się przeszkody i cele. Wyznaczanie drogi można zawęzić do ograniczonego obszaru wokół robota, co znacznie zmniejsza wymagania w zakresie przetwarzania danych. Wadą jednak jest brak możliwości globalnej optymalizacji. W artykule przedstawiono wyniki badań symulacyjnych metody lokalnego planowania ścieżki robota w oparciu o wyliczanie pól potencjałowych. Opracowano uniwersalny algorytm wykorzystujący zmodyfikowaną metodę pól potencjałowych oraz zbudowano aplikację pozwalającą na wykonywanie badań symulacyjnych w oparciu o mapy otoczenia. Przy wykorzystaniu opracowanej aplikacji przeprowadzono badania symulacyjne zachowania się robotów mobilnych sterowanych różnymi algorytmami oraz poruszających się w różnych środowiskach.

Słowa kluczowe

algorytm, planowanie, robot mobilny, ścieżka, sterowanie, sterowanie nadrzędne, symulacja

Modified Potential Field Method for Mobile Robot Route Calculation

Abstract

The possibility of using mobile robots in industry is largely dependent on the application of the efficient control systems. They should be able to achieve planned road points autonomously,
safety and fast. Selection of suitable algorithms for route calculation and optimization is one of the main problems. Their task is current calculation of the road, avoiding obstacles, making the leading robot achieve often changing goal. Complexity of the optimization of a mobile robot path is one of the main problems. There are two main approaches in the mobile robot path calculation: the global and local one. In the global approach it is possible to optimize the entire path. However, it requires knowledge of all the obstacles before starting calculation, so a dynamic response to changes is impossible. The disadvantage is also required significant computing power. The local approach allow for dynamic response to changing obstacles and goals. Searching of the path can be narrowed to a limited area around robot what greatly reduce the requirements with regard to the processing of data. However, disadvantage is the inability of global optimization. The article presents the results of research on new modified potential filed method development. On the base of it a universal control algorithm has been prepared. It was used for simulation based testing of the algorithm operation in various difficult conditions like local minimum.

Keywords

algorithm, control, mobile robot, path, planning, simulation

Bibliography

  1. Sałaciński T. i inni, Optymalizacja produkcji w czasie kryzysu. Wyd. Wiedza i Praktyka, Warszawa, 2012.
  2. Oborski P., Multiagent Shop Floor Control, “Advances in Manufacturing Science and Technology”, Vol. 34, No 3, 2010, 61–72.
  3. Latombe J., Robot Motion Planning, Klouwer, Norwell, MA, 1991. DOI: 10.1007/978-1-4615-4022-9.
  4. Honczarenko J., Roboty przemysłowe: budowa i zastosowanie, Wydawnictwa Naukowo-Techniczne, Warszawa, 2010.
  5. Rashid A., Ali A., Frasca M., Fortuna L., Path planning with obstacle avoidance based on visibility binary tree algorithm, “Roboticsand Autonomous Systems”, 61, 2013, 1440–1449.
  6. Qu H., Xing K., Alexander T., An improved genetic algorithm with co-evolutionary strategy for global path planning of multiple mobile robots, “Neurocomputing”, Vol. 120, 23 November 2013, 509–517. DOI: 10.1016/j.neucom.2013.04.020.
  7. Sabattini L., Secchi C., Fantuzzi C., Arbitrarily shaped formations of mobile robots: artificial potential fields and coordinate transformation, “Auton. Robot”, Vol. 30, No. 4, 2011, 385–397. DOI: 10.1007/s10514-011-9225-4.
  8. Huang L., Velocity planning for a mobile robot to track a moving target — a potential field approach, “Robotics and Autonomous Systems”, Vol. 57, No. 1, 2009, 55–63. DOI: 10.1016/j.robot.2008.02.005.
  9. Gao X., et al., A novel local path planning method considering both robot posture and path smoothness, “Robotics and Biomimetics (ROBIO), 2013 IEEE International Conference”, 172–178. DOI: 10.1109/ROBIO.2013.6739454.
  10. Buniyamin N., et al., A Simple Local Path Planning Algorithm for Autonomous Mobile Robots, “International Journal of Systems Applications, Engineering & Development”, Issue 2, Vol. 5, 2011, 151–159.
  11. Urmson Ch., Baker Ch., Dolan J., Rybski P., Salesky B., Whittaker W., Ferguson D., Darms M., Autonomous Driving in Trafic: Boss and the Urban Challenge, “AI Magazine, Association for the Advancement of Artificial Intelligence”, summer 2009, 17–28.
  12. Wei J., Dolan J.M., A multi-level collaborative driving framework for autonomous vehicles. [in:] “18th IEEE International Symposium on Robot and Human Interactive Communication”, September 2009, 40–45. DOI: 0.1109/ROMAN.2009.5326205.
  13. Thrun S., Montemerlo M., Dahlkamp H., Stavens D., Aron A., Diebel J., Fong P., Gale J., Halpenny M., Hoffmann G., et al., The robot that won the DARPA grand challenge, “The 2005 DARPA Grand Challenge”, 2007, 1–43.
  14. Seshanet J. et al., Efficient Route Finding and Sensors for Collision Detection in Google’s Driverless Car, “International Journal of Computer Science and Mobile Computing”, Vol. 3 Issue 12, December 2014, 70–78.
  15. Koren Y., Borenstein J., Potential field methods and their inherent limitations for mobile robot navigation. [in:] “Proc. IEEE Conf. on Robotics and Auto.”, Sacramento, California, 1991, 1398–1404. DOI: 10.1109/ROBOT.1991.131810.
  16. Dulęba I., Metody i algorytmy planowania ruchu robotów mobilnych i manipulacyjnych, Warszawa, Akademicka Oficyna Wydawnicza EXIT, 2001, 169–174.
  17. Ge S.S., Cui Y.J., New potential functions for mobile robot path planning, “IEEE Transactions on Robotics and Automation”, Vol. 16, No. 5, 2000, 615–620. DOI: 10.1109/70.880813.
  18. Huang L., Velocity planning for a mobile robot to track a moving target — a potential field approach, “Robotics and Autonomous Systems”, Vol. 57, No. 1, 2009, 55–63. DOI: 10.1016/j.robot.2008.02.005.
  19. Purcell E., Elektryczność i magnetyzm, tłum. L. Łukaszuk, Wyd. II. Warszawa, Państwowe Wydawnictwo Naukowe, 1974.
  20. Garbacz M., Zaczyk M., Metoda pól potencjałowych w nawigacji kołowego robota mobilnego, „AUTOMATYKA”, 2011, t. 15, z. 3.
  21. Spong M., Hutchinson S., Vidyasagar M., Robot Modeling and Control, John Wiley & Sons, Hoboken, 2006.