Управление движением группы мобильных роботов в строю типа "конвой" тема диссертации и автореферата по ВАК РФ 05.02.05, кандидат наук Чжу Хуа

• Чжу Хуа
• кандидат наук
• 2018

Оглавление диссертации кандидат наук Чжу Хуа

ВВЕДЕНИЕ

ГЛАВА 1. ОБЗОР МЕТОДОВ УПРАВЛЕНИЯ ДВИЖЕНИЕМ ГРУППЫ МОБИЛЬНЫХ РОБОТОВ. ПОСТАНОВКА ЗАДАЧИ

1.1. Управление движением группы мобильных роботов

1.1.1. Групповая робототехника

1.1.2. Обзор существующих методов управления движением группы мобильных роботов в строю типа «конвой»

1.2. Управление группой мобильных роботов при изменении топологии строя

1.2.1. Иерархическая архитектура системы управления движением

строя

1.2.2. Обзор существующих решений для управления роботами при изменении топологии строя

1.3. Постановка задачи

Выводы по первой главе

ГЛАВА 2. ТАКТИЧЕСКИЙ УРОВЕНЬ СИСТЕМЫ УПРАВЛЕНИЯ ДВИЖЕНИЕМ ГРУППЫ МОБИЛЬНЫХ РОБОТОВ В СТРОЮ ТИПА «КОНВОЙ»

2.1. Описание движения конвоя с использованием модели пружина-масса-демпфер

2.1.1. Движение конвоя по прямой

2.1.2. Движение конвоя в плоскости

2.2. Управление движением строя

2.3. Анализ системы управления движением строя

2.3.1. Устойчивость движения строя

2.3.2. Качество управления движением строя

2.4. Локализация роботов в группе

Стр.

2.5. Способ получения оценки сглаживания фазового вектора в задаче

управления движением строя

Выводы по второй главе

ГЛАВА 3. ЛОГИЧЕСКОЕ УПРАВЛЕНИЕ ГРУППОЙ МОБИЛЬНЫХ РОБОТОВ С ПОМОЩЬЮ КОНЕЧНЫХ АВТОМАТОВ

3.1. Понятие функционального конечного автомата

3.2. Планирование и координация поведения отдельного робота в группе — групповой координатор (управляющий автомат)

3.3. Логическая модель робота группы

3.4. Один пример: процесс входа робота Rk-1tk в конвой между роботами Д*-1 и Rk

3.5. Программная реализация конечного автомата и моделирование поведения строя при смене структуры

Выводы по третьей главе

ГЛАВА 4. КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ И НАТУРНЫЕ ЭКСПЕРИМЕНТЫ

4.1. Компьютерное моделирование

4.1.1. ROS(Robot Operating System)

4.1.2. Моделирование движения группы мобильных роботов

4.2. Натурные эксперименты

4.2.1. Описание эксперимента

4.2.2. Результаты натурных экспериментов

Выводы по четвертой главе

Основные результаты и заключение

СПИСОК ЛИТЕРАТУРЫ

ВВЕДЕНИЕ

Актуальность темы исследования

За последние два десятилетия большое внимание уделяется исследованиям в области групповой робототехники (swarm robotic). Преимущества использования групп мобильных роботов очевидны. Во-первых, это больший радиус действия, во-вторых, расширенный набор выполняемых функций, и, наконец, более высокая вероятность успешного выполнения задания, достигаемая за счет возможности перераспределения целей между роботами группы в случае выхода из строя некоторых из них.

При проектировании, анализе и реализации методов и алгоритмов управления группой мобильных роботов возникает ряд проблем. Во-первых, при проектировании алгоритмов управления необходимо учитывать ряд особенностей, присущих рассматриваемой задаче, в частности, каждый робот обладает только локальной информацией о группе и окружающей среде (в пределах действия собственных датчиков и коммуникации), тогда как необходимо достичь желаемого поведения группы в целом. Во-вторых, аналитический способ получения свойства поведения и характеристик движения группы мобильных роботов затруднительно. С одной стороны, система уравнений движения группы мобильных роботов часто является нелинейной, с другой стороны, взаимодействие между роботами изменяется с течением времени из-за изменения топология строя. И, наконец, реализации алгоритмов управления требуется чтобы каждый робот действовал согласованно с помощью беспроводной сети.

Существующие подходы к управлению группой мобильных роботов обладают следующими характеристиками:

1. Группа роботов (возможно, исключая лидера) является гомогенней, т. е. её члены обладают одинаковыми характеристиками;

2. Движение группы мобильных роботов осуществляется в открытом пространстве или в помещении, план которого заранее известен;

3. Топология группы роботов часто является неизмененной.

Но на практике это может быть не так: роботы могут двигаться в условиях отсутствия априорных знаний о внешней среде, и необходимо изменять топологию группы из-за изменяющей внешней среды или поставленной задачи. Поэтому разработка системы управления группой мобильных роботов, в составе которой входит одни лидер, имеющий богатую информационную систему, позволяющую ему автономно двигаться, и несколько ведомых роботов, оснащенных простыми датчиками, является актуальной научно-технической задачей.

В диссертации рассмотрены вопросы, связанные с разработкой системы управления движением группой мобильных роботов в строю типа «конвой». В состав системы управления входят модули управления движением роботов и их локализации, а также модули координации поведений роботов при изменении топологии группы. При разработке системы управления были использованы алгоритмы одновременной локализации и построения карты (SLAM) и планирования траектории для ведущего робота (лидер конвоя).

Разработка системы управления группы мобильных роботов ведутся в различных организациях как в Китае, в России, так и в США, в Европе. Ключевыми в данном вопросе являются: Шэньянский институт автоматизации Китайской академии наук (Китай), МГТУ им. Н. Э. Баумана, факультет вычислительной математики и кибернетики МГУ им. М. В. Ломоносов, ИПМ им. М. В. Келдыша РАН, Массачусетский технологический институт (MIT, США), Технологический институт Джорджии (Georgia Institute of Technology, США), Технологический институт Карлсруэ (KIT, Германия), Государственный институт исследований в информатике и автоматике (INRIA, франуция).

Цели и задачи

Целью диссертационной работы является разработка системы управления группой мобильных роботов в строю типа «конвой», обеспечивающий выполнять различные способы поведений группы, в том числе, основной способ, когда ведущий робот двигается автономно, а ведомые роботы повторяют траекторию

своего ведущего робота с некоторым временным запаздыванием Т, а также способы, связанные с изменением топологии группы. Для достижения этих цели в работе были поставлены и решены следующие задачи:

1. Анализ и сравнение существующих методов управления движением группы роботов в строю типа «конвой», в том числе, методов управления группой роботов при изменении их топологии;

2. Анализ характеристики движения конвоя с использованием модели пружина-масса-демпфер;

3. Разработка алгоритма управления движением ведомого робота вдоль траектории своего ведущего робота;

4. Проведение качественного анализа движения группы роботов в строю типа «конвой»;

5. Разработка метода локализации роботов с помощью измерения относительных положений роботов, учитывающего шумы при измерении;

6. Разработка алгоритма сглаживания с фиксированной задержкой для повышения точности оценки при локализации роботов;

7. Разработка логического уровня системы управления группой роботов, обеспечивающего выполнение последовательности действия группы;

8. Проведение моделирования движения группы роботов и экспериментальных исследований с участием группы реальных мобильных роботов.

Методология и методы исследования

Для решения поставленных задач в работе использованы классические методы теории автоматического управления, расширенный фильтр Калмана, теория обыкновенных дифференциальных уравнений, методы сглаживания с фиксированной задержкой, методы теории конечных автоматов. Проверка работоспособности алгоритмов и оценки точности осуществлялась путем моделирования, а также проведением натурных экспериментов в НУЦ «Робототехника».

Научная новизна заключается в следующем:

1. Разработан метод управления движением группы гетерогенных мобильных роботов в условиях отсутствия априорных знаний о внешней среде, позволяющая обеспечить совпадение траектории ведущего и ведомого роботов, и в то же время избежать столкновение между роботами;

2. Разработан алгоритм для получения оценки сглаживания фазового вектора в задаче управления движением строя;

3. Разработан способ планирования и координации поведений группы при изменении топологии конвоя, т.е. с использованием теории конечного автомата.

Практическая значимость

Представлен один способ управления движением группы роботов (не только наземный мобильный робот, возможно, дрон и подводный робот), позволяющий им двигаться строем типа «конвой». Этот тип строя может быть использован при решении роботами широкого круга задач в различных областях.

Защищаемые положения

1. Алгоритм управление движением ведомых мобильных роботов.

2. Модифицированный алгоритм сглаживания с постоянным запаздыванием.

3. Метод решения задач локализации мобильных роботов конвоя.

4. Способ планирования и координации поведения группы при изменении топологии конвоя.

Введение диссертации (часть автореферата) на тему «Управление движением группы мобильных роботов в строю типа "конвой"»

Апробация работы

Основные результаты работы докладывались и получили положительную оценку на следующих конференциях и научных семинарах:

1. Научной конференции для студентов, молодых ученых и аспирантов МГТУ им. Н. Э. Баумана, посвященная 100-летию Е. П. Попова (Москва, 2014);

2. Международной научно-технической конференции «Экстремальная робототехника» (Санкт-Петербург, 2017);

3. Всероссийский научно-практический семинар «Беспилотные транспортные средства с элементами искусственного интеллекта» (Казань, 2017);

Публикации

Результаты диссертационной работы отражены в 7 научных статьях ([44], [55], [59], [60], [61], [62], [63]), среди которых 4 публикациях ([44], [55], [59], [60]) в изданиях из перечня ВАК РФ.

Структура и объём работы

Диссертационная работа состоит из введения, 4-х глав, заключения и списка литературы. Объем работы составляет 107 печатных страниц, 54 рисунков, 3 таблицы. Библиография содержит 63 наименований.

В первой главе рассмотрены понятие групповой робототехники, требование к алгоритму управления группой роботов, а также применение групповой робототехники в автомобильной промышленности и транспортировке. Проведен обзор существующих методов управления движения группы мобильных роботов в строю типа «конвой» и сравнение этих методов. Описана иерархическая архитектура управления движением строя. Приведен обзор существующих решений для управления роботами при изменении топологии группы. Заканчивается глава конкретизацией задачи исследования.

Вторая глава полностью посвящена решению ряд задачи для осуществления основного поведения группы мобильных роботов в строю — движения конвоя. Предварительно описано движение конвоя с использованием модели пружина-масса-демпфер, проанализированы характеристики движения конвоя по прямой и в плоскости. Приведен новый закон управления движением ведомого робота конвоя, обеспечивающий повторение траектории своего ведущего робота с заданным временным опаздыванием, естественно, избегающий столкновений. Проведен качественное анализ движением конвоя с помощью полученного

аналитического решения уравнения движения роботов в конвое. Приведен один способ локализации роботов в конвое с использованием измерений относительного положения ведущего и ведомого роботов, получено разумное количество роботов в конвое по результатам моделирования способы локализации. Разработан модифицированной алгоритм сглаживания с постоянным запаздыванием для повышения точности оценки.

В третей главе представлен один способ управления маневрированием группы мобильных роботов с использованием конечно автоматного подхода. Разработан групповой координатор для планирования и координации поведений роботов в группе. Построена логическая модель робота конвоя с использованием автомата Мура. Описан конкретный процесс входа робота в конвой между роботами

и Як. Показан один подход к программированию конечного автомата, а также приведены результаты моделирования в среде ros_stage.

Четвертая глава посвящена проведению описанию методов и результатов моделирования и натурных экспериментов. Полученные результаты демонстрируют корректность и эффективность используемых методов.

В заключении резюмируются основные выполненные задачи и полученные результаты, а также приводятся возможные дальнейшие направления развития.

Благодарности

Автор выражает благодарность всем преподавателям кафедры СМ-7 МГТУ им. Баумана за ценные советы, замечания и поддержку.

ГЛАВА 1. ОБЗОР МЕТОДОВ УПРАВЛЕНИЯ ДВИЖЕНИЕМ ГРУППЫ МОБИЛЬНЫХ РОБОТОВ. ПОСТАНОВКА ЗАДАЧИ

1.1. Управление движением группы мобильных роботов

1.1.1. Групповая робототехника

Во все времена человеческий ум зондировал ум природы, чтобы по её подобию усовершенствовать собственные изобретения. Как итальянский учёный Леонардо да Винчи сказал, человеческий гений способен породить самые разнообразные изобретения благодаря применению различных инструментов, служащих одной цели. Однако он никогда не сможет создать нечто столь же прекрасное, столь же простое и приспособленное, как творения самой природы, ибо в них все безупречно и нет ничего лишнего. Иначе говоря, природа - великий учитель, особенно для того, кто наблюдателен [1].

Групповое перемещение больших объединений животных широко видно в природе. Движение рыбьего косяка [2], перемещение стада бизонов, полет большой стаи скворцов происходят настолько слаженно, что это очень похоже на поведение единого, цельного организма. Их перегруппировки адаптивны, поскольку участники массового движения подвергаются большой опасности, исходящей от преследующих такие стаи хищников. Движение стая голуби на площади перед российской государственной библиотекой является одном примером. Они перемещаются без столкновения друга с другом, а также успешно обходят памятник Достоевскому Ф.М. и столпов библиотеки. Этологи полагают, что здесь тоже можно выявить определенные правила. Так, какой-нибудь марсианин был бы очень удивлен: каким образом наши автомобилисты умудряются разъезжаться на перекрестках дороги без столкновений и эксцессов, предположив, что, тут, наверно, существуют какие-то правила.

Исследователь в области искусственного интеллекта из Массачусетского института технологии несколько лет назад нашел простой способ симулирования

сложных коллективных феноменов (1987, [3]). Его искусственные создания Boids, следовали усвоенным правилам поведения. Эти правила были очень просты, немногочисленны (всего три) и базировались только на том, что Boids воспринимали в своем ограниченном визуальном поле. Они должны были:

- Придерживаться средней скорости движения воспринимаемых соседей по стае (Velocity Matching);

- Стремиться занять положение в пространстве, близкое к центру локальной окрестности, т.е. держаться вместе (Flock Centering);

- Соблюдать безопасную дистанцию от воспринимаемых соседей или препятствий (Collision Avoidance).

Если эти три правила соблюдаются одновременно всеми членами группы, они позволяют воспроизводить согласованные движения: согласованно выполнять резкие повороты и перегруппировки после обхождения препятствий или нападений хищника, - как это делает, например, косяк рыб. На Рис. 1.1 приведены результаты, полученные в [3].

Рис. 1.1. Искусственные птицы Boids, координированный которых полет является всплывающим качеством, следующим из простых правил

В [4] представлены решения одного требования к автономному поведению в анимации и играх, т.е., умение ориентироваться в окружающей среде импровизационным манером. Такое автономное поведение в значительной степени зависит от несколько базовых стереотипов автоматического поведения членов стаи, т.е.

- Приближаться и отдаляться (Seek and Flee), т.е., преследование и убегание неподвижной цели в пространстве;

- Преследовать и убегать (Pursuit and Evasion), т.е., преследование и убегание подвижной цели в пространстве. Для осуществления такого поведения требуется прогнозирование положения агента (или член стая).

- Преследовать с заданным смещением. Поведение аналогично поведению «Преследовать». Отличие заключается в том, что траектория погони строится с заданным смещением

- Прибыть (Arial). Поведение агента «Прибыть» аналогично поведения «Приближаться». Отличие в том, что в этом случае скорость агента при прибытии к целю должна равно нулю.

- Избегать столкновения с препятствием. В данном случае препятствие может быть, как подвижным, так и неподвижным. Такое поведение включается только тогда, когда на интервале времени прогноза трубка прогнозируемого движения сферы безопасности агента пересекается с расчетным эллипсоидом безопасности препятствия, стоящего на пути агента.

- Двигаться случайно, «шататься» (Wander), такой поведение играет важную роль при решении задачи разведывания.

- Следовать по заданной траектории (Path following).

- Следовать вдоль заданной стены (wall following).

-Следовать за лидером (leader following), это перемещение неавтономной группы агентов за ведущим агентом.

Такое поведение аналогично движению в толпе людей (например, на станции метро), автомобилей в транспортном потоке.

Все этих простые поведении, также сложные поведении, может реализовать с помощью C++ библиотеки OpenSteer. Крейг Рейнольдс разработал библиотеку OpenSteer, используемую для осуществления автономного поведения «Следовать» в анимации и игре. На Рис. 1.2 приведен пример сложного поведения [5], осуществимый в OpenSteer.

Рис. 1.2. Четыре поток людей ходят по диагоналям квадрата

Множество других коллективных феноменов - полет стаи птиц, передвижение стада буйволов - могут быть воспроизведены с помощью подобных простых правил. Кроме того, такие же правила были использованы для симуляции групповых эффектов в различных анимационных фильмах. Например, бегство диких зверей в фильме «Король Лев».

Те же правила были с успехом применены к реальным роботам. Например, такого рода правила позволяют следовать по траектории, которую будет задавать один робот («Лидер»), тогда как другие всегда будут группироваться вокруг него и продолжать движение.

За последние десятилетия мировая робототехника и технологии, связанные с ними, развиваются стремительными темпами, приобретая все большую возможность использования роботов в различных областях человеческой деятельности. Мобильные роботы могут использоваться при решении таких задач, как инспекция и исследование труднодоступных помещений, наблюдение за различными объектами, построение карты загрязнения рабочего пространства и т.п.

Отдельный мобильный робот обладает ограниченными возможностями. У него малый радиус действия и небольшое число выполняемых функций. Однако часто возникают ситуации, когда один мобильный робот не в состоянии выполнить задачу. Поэтому, при решении сложных задач, целесообразным является одновременное применение нескольких роботов, т.е., распределенной робототехнической системой.

Преимущества использования группы роботов очевидны. Во-первых, это больший радиус действия, во-вторых, расширенный набор выполняемых функций, и, наконец, более высокая вероятность выполнения задания, достигаемая за счет возможности перераспределения целей между роботами группы в случае выхода из строя некоторых из них.

В связи с этом, за последние два десятилетия, особое внимание уделяют решению аналогичных задачей, возникающих новых технологий - групповая робототехника [6]. Предполагается, что желаемое коллективное поведение является результатом локального взаимодействия роботов между собой и их взаимодействия с окружающей средой. Такой подход относится к научному направлению по искусственному роевому интеллекту, возникшему при проведении биологических исследований насекомых, в частности, муравьёв, пчёл, а также при исследовании в других областях природы, где имеет место роевое поведение.

Основными характеристиками групповой робототехнической системы является следующие [7]:

- Групповая робототехническая система является самоорганизующейся мультиагентной системой, обладающей высокой избыточностью;

- Коммуникационные и воспринимающие способности роботов являются локальных, причём роботы не имеют доступ к глобальной информации;

- Относительно простые правила индивидуального поведения создают сложное организованное поведение всего роя;

- В большинстве случаев, групповая робототехническая система состоит из однородных роботов (homogeneous robots), иногда состоит из неоднородных роботов (heterogeneous robots). Однородной группой роботов называется совокупность однотипных роботов, имеющих одинаковую конструкцию, одинаковое функциональное назначение и функциональные возможности. Неоднородной группой роботов называется совокупность разнотипных, имеющих разные конструкции, разное функциональное назначение и, соответственно, разные функциональные возможности, роботов, объединенных общей целевой задачей [8].

Групповая робототехническая система должна обладать следующими

свойствами: надежность (или отказоустойчивость), масштабируемость и гибкость.

Надежность представляет собой способность справиться с неисправностью одного или нескольких роботов. Надежность обеспечивается избыточностью стаи (роя).

Масштабируемость представляет собой способность справится с изменениями количества членов в стае: т.е. внедрение или удаление членов в стае не вызывает резкое изменение поведения при выполнении задачи.

Гибкостью называется способность решать широкий спектр различных задач и оперировать в различных средах.

С технической точки зрения развитие групповой робототехники тесно связно с прогрессом способности управления и технических средств взаимовлияния.

По результатам работы института прикладной математики им. М. В. Келдыша РАН [9], можно выделить следующие пять основных способов управления распределенной мобильной системой:

- Один ведущий. При этом ведомыми реализуется режим "движение за лидером" или "конвой". Следует особо отметить, что ведущий элемент группы не обязательно является постоянным.

- Последовательное центральное управление. В этом случае центр управления связан с каждым элементом группы непосредственно, и шагом работы системы управления является движение одного элемента группы. Очередность выбора элементов для шага может быть различной.

- Параллельное центральное управление. В этом случае центр управления также связан непосредственно с каждым элементом группы, и шагом является одновременное движение всех элементов группы. Каждый элемент при этом реализует собственную подцель движения. Новый шаг начинается лишь тогда, когда каждый элемент группы реализовал свою подцель движения на предыдущем шаге.

- Распределенное автономное управление. Этот тип управления соответствует линии "муравьиного интеллекта" П. Брукса. В этом случае производится априорная

настройка процедур решения у каждого элемента группы. Обмена информации между элементами группы нет.

- Распределенное управление с обменом информацией. Производится обмен информацией между элементами всей группы или отдельных её подмножеств. Управление организуется без иерархического подчинения, и информация касается в основном характеристик среды. При этом обмен информацией может осуществляться, если элементы группы достаточно близко находятся друг от друга либо находятся в пределах видимости друг друга, возможно планирование мест встречи для обмена.

Обмена информаций между роботами в стае осуществляется коммуникацией. Один из эффективных и наиболее перспективных способов коммуникации агента -это организация групповой робототехнической системы в виде беспроводной сети. Беспроводные сенсорные сети состоят из множества узлов, которые собирают данные о физическом мире, обрабатывают и передают информацию посредством и используются для наблюдения за какими-либо объектами. Каждый узел представляет собой миниатюрное вычислительно-коммуникационное устройство. Беспроводные сенсорные сети являются беспроводной ad-hoc-сетью. Основными областями применения технологии ZigBee являются беспроводные сенсорные сети.

Групповая робототехника широко применяется в разных областях человеческой деятельности, например, в автомобильной промышленности, в транспортировке.

Одним из перспективных применений в автомобильной промышленности является робот-автомобиль EPORO [10] (Рис.1.3, а). В 2008 году японская компания Nissan представила концептуальный робот-автомобиль Biomimetic Car Robot Drive «BR23C», на создание которого разработчиков вдохновил полет шмеля. В 2009 году Nissan Motor Co. Ltd. создал роботизированный концепт Nissan «EPORO» с применением революционной технологии, которая позволяет автомобилям двигаться в потоке, имитируя поведенческую модель косяка рыб, огибающей препятствия и избегающей столкновений друг с другом.

Рост робота «EPORO» 50 см, максимальная скорость — 1.4 км/час. Трехколесный робот «EPORO» использует 2 лазерных дальномера, у которого поле

зрения составляет 288 градусов. Робот «EPORO» использует лазерный дальномер, который одновременно служит для определения направления движения, а коммуникационные устройства UWB (англ. Ultra-Wide Band, сверхширокая полоса) позволяют «видеть» других членов группы.

Работая над созданием системы управления «EPORO», инженеры использовали три правила поведения рыб в стае:

- Правило 1: изменять направление движения, не сталкиваясь с другими рыбами. (Действие такого правила в зоне 1 «Избегать столкновения», на Рис. 1.3 б);

- Правило 2: двигаться «бок о бок» с другими рыбами, сохраняя определённую дистанцию и скорости (Действие такого правила в зоне 2 «Двигаться бок о бок»);

-Правило 3: при необходимости уменьшать дистанцию до других рыб, находящихся на зона видимости (Действие такого правила в зоне 3 «Сокращать дистанцию»).

а б

Рис. 1.3. а) Перегруппировка роботов при проходе узкого места и огибании препятствия б) Локальная наблюдаемая окрестность рыбы

В то же время, новые технология, используемые в конструкции «EPORO», призваны повысить эффективность перемещения автомобилей в потоке. Исследование также направлен на создание транспортной системы, которая позволит сохранить окружающую среду и уменьшить количество пробок на дорогах.

Ещё одним интересным применением в транспортировке является одна интеллектуальная система транспортирования материалов KARIS [11], разработанная институтом обработки материалов и логистики Технологического Института Карлсруэ (KIT). Развитие этой новой системы была навеяна гибкой транспортировочной логистикой колонии муравьев.

Чтобы удовлетворить потребность в современной системе транспортировки материалов на заводе (гибкость, переконфигурируемость, высокая доступность), учёные из KIT разработали гибкую систему, состоящую из нескольких малых, быстрых и автономных мобильных роботов (Рис. 1.4, а), оптимизирующих транспортировку материалов на склад или производственные помещения. Благодаря мобильному роботу KARIS, который составляет основу всей системы (площадь основания 0.5 т2, высота 40cm, вес 55 кг), возможна транспортировка грузов до 250 кг.

Рис. 1.4. а. Отдельный элемент KARIS б. Транспортировка объектов различных

размеров

Благодаря двумя лазерным сенсором, установленным на роботе, интеллектуальный транспортный элемент способен ориентироваться самостоятельно: например, во время движения транспортные элементы уступают друг другу дорогу и планируют альтернативный путь к цели, если изначальный путь заблокирован. Взаимная координация с помощью компонента WLAN

гарантирует, что транспортные элементы всегда находится там, где и объекты. Для транспортировки крупных объектов, роботы также могут объединить в кластеры различного размера (Рис 1.4, б). Другими словами, в соответствии с обслуживаемой площадью систему можно отмасштабировать пространства при помощи децентрализованного управления, причем даже во время движения.

1.1.2. Обзор существующих методов управления движением группы мобильных роботов в строю типа "конвой"

В настоящее время огромное внимание уделяют исследованию, реализации и применению стайного поведения [12,13,14,15,16,17,18], и прежде всего - стайному движению. Движение группы мобильных роботов в строю типа "конвой" является самым простым типом стайного движения. Такой тип движения встречается весьма часто, например, в случае движения колонны муравьев. Техника, осуществляющая такой тип движения, может применяться, когда необходимо провести группу мобильных роботов через узкую и опасную зону [19], при котором траектория программируется первым роботом (ведущем роботом). Далее приведен обзор существующие методы управления движения конвоя.

а) Движение группы роботов в строю типа "конвой " вдоль стены или заданной траектории

В первом случае (вдоль стены), каждый мобильный робот должен следовать вдоль траектроии ближайшего робота, сохраняя заданное расстояние до стены. Линейная скорость ведущего робота дистанционно управляется оператором, при этом расстояние до стены управляется с помощью регулятора. Как сказано в проекте [20], система управления таким движением разделена на две подсистемы, систему управления расстоянием до стены и систему поддержания желаемого расстояния между роботами. Оба контроллера разработаны на основе линеаризованной системы, используя классический ПИД-регулятор.

а)

б)

-0.25 -0.2 -0.15 -0.1 -0.05 0 0.05

в)

г)

о

д1) д2) д3)

Рис. 1.5. Существенные методы управления движением конвоя а) Движение конвоя вдоль стены или заданной траектории б) Управление как

решение задачи преследования с заданным смещением в) Аппроксимация траектории кривой Безье г) Следование к ближайшей точке д) Максимальная

степень совпадения траектории роботов

Во втором случае (вдоль заданной траектории), известна траектория ведущего робота в реальном масштабе времени [21]. В процессе движения конвоя каждый робот должен поддерживать постоянную криволинейную дистанцию между робот-

автомобилями при следовании по заданной траектории, т.е. dli+1 = st — si+1 = сопя^на Рис. 1.5, а). Проектирование закона управления основывается на методах управления системами специального вида (chained-form system) [22]. Это метод позволяет обеспечить лучшее качество отслеживания и разделить управление продольным и поперечным движением. Глобальная система позиционирования (Real Time Kinematic GPS ) используется для решения задачи локализации с сантиметровой точностью.

б) Управление как решение задачи преследования с заданным смещением

В работе [23] описан проект, посвященный методам навигации группы мобильных автономных роботов с использованием правил ближайшего соседства. Суть метода заключается в том, что роботы группы выполняют действия, ориентируясь на своих соседей. Например, если в такой группе есть ведущий, который движется по запланированной траектории, то все остальные роботы повторяют его движения с заданным смешением ltjи (Рис. 1.5, б). Одной из задачи, возникающих при использовании этого метода является решение задачи стабилизации.

в) Аппроксимация траектории кривой Безъе

Этот метод основан на аппроксимации траектории своего ведущего робота кривой Безье. В [24] предполагается, что лидер совершает движение с постоянной линейной скоростью, а ведомый робот строит свое движение по построенной кривой Безье. Как видно на Рис. 1.5, в, ведомый робот (Happy) получает приблизительную траекторию в собственной системе координат своего лидера (Sneezy) в виде кривой Безье, параметры которой определяется четырьмя точками Р0 Р1 Р2 Р3. Положение этих точки в собственной системе координат определены с помощью сенсорных устройств (например, камерой), оснащенных на роботе Happy. Управление движением конвоя таким методом является децентрализованным способом управления.

г) Следование к ближайшей точке

Процедура работы этого способа состоит в следующем [25, 26]: ведомый робот получает и сохраняет ближайший фрагмент траектории своего лидера в виде набора

точек; из набора точек выбирается такая точка, расстояние от которой до текущего положения ведомого робота равно dt ; после этого, ведомый робот строит свое управления к этой целевой точке, т.е., на каждом шаге робот следует не за текущем положением своего лидера, а другим положением. Заметим, что значение параметра dt влияет на качестве управления.

д) Максимальная степень совпадения траектории роботов

Стратегия управления в этом случае состоит в максимальной степени совпадения траектории лидера и ведомого робота [27] (Рис. 1.5, д1.). В работе [28] автором приведен следующий алгоритм для получения закона управления автомобилями:

Шаг 1. Получить последовательность сигнала управления лидером;

Шаг 2. Оценивать траекторию лидера (Рис.1.5, д2. пунктирная линия) и определить ближайшие точки к ведомому автомобилей;

Шаг 3. Предсказывать движение ведомого автомобили (Рис.1.5, д2, сплошная линия);

Шаг 4. Выполнять процесс оптимизации (Gradient Descent). Прогнозировать траекторию лидера и ведомого автомобиля, чтобы они в максимально возможной степени совпадали (Рис.1.5, д3.).

В таблице 1.1. представлены сравнительные характеристики существующих методов, указанных преимущества и недостатки.

Таблица 1.1.

Сравнение существующих методов

^"\Свойство Метод Принцип работы или цель управления Преимущество Недостаток

а Движение вдоль заданной траекторий Высокая точность Требование предварительного знания о траектории

б Решение задачи следования или стабилизации Простота реализации Возможность столкновения с препятствиями; низкая точность

в Аппроксимация траектории кривой Безье Простота реализации Зависимость точности следования от точности построения кривой Безье

г Следование к ближайшей точке Высокая точность Возможность возникновения колебаний

д Максимальная степень совпадения траектории Высокая точность Высокая вычислительная сложность

1.2. Управление группой мобильных роботов при изменении топологии строя

1.2.1. Иерархическая архитектура системы управления движением строя

Движение строя может рассматриваться как движение сложного объекта, для управления которым часто используется иерархическая архитектура системы управления. В их состав входят несколько уровней, цель верхнего уровня состоит в осуществлении динамического перехода от задачи, решаемой строем, к другой задаче; средний уровень управления реализует механизм, используемый для координации движения каждого члена в строю; а нижний уровень вычисляет непрерывные управляющие сигналы, поступающие членам строя. Такая иерархическая архитектура может использована при централизованном или децентрализованном способе управления, а также обладает гибкостью при замене конкретных алгоритмов управления.

Список литературы диссертационного исследования кандидат наук Чжу Хуа, 2018 год

СПИСОК ЛИТЕРАТУРЫ

1. Гейо А., Мейе Ж.А. Бионика. Когда наука имитирует природу. М.: Техносфера, 2013. 280 с.

2. Павлов Д.С., Касумян А.О. Стайное поведение рыб. М.: Изд -во Мос. Ун-та, 2003. 146 с.

3. Reynolds C. W. Flocks, Herds, and Schools: A Distributed Behavioral Model. // Computer Graphics. 1987. №21(4). P. 25-34.

4. Reynolds C. W. Steering Behaviors for Autonomous Characters, in the proceedings of Game // Developers Conference. San Jose (USA), 1999. P. 763-782.

5. Guy S.J., Chhugani J., Kim C., Lin M. Clear Path: Highly Parallel Collision Avoidance for Multi-Agent Simulation // Eurographics Symposium on Computer Animation, 2009. P. 200-211.

6. E-SWARM: Engineering Swarm Intelligence Systems // URL: http://www.e-swarm.org (дата обращения 18.11.2015).

7. Brambilla M., Ferrante E., Birattari M., Dorigo M. Swarm robotics: a review from the swarm engineering perspective // Swarm Intelligence. 2013. №7(1). Р. 1-41.

8. Каляев И.А., Гайдук А.Р., Капустян С.Г. Методы и модели коллективного управления в группах роботов. М.: Физматлит, 2009. 280 с.

9. Ахтеров А.В. [и др.] Способы управления распределенной мобильной системой в условиях неопределенности // Препринты ИПМ им. М.В. Келдыша, 2012. №67. 32 с. URL: http://library.keldysh. ru/preprint. asp?id=2012-67.

10. Nissan представил концептуальный робот-автомобиль Biomimetic Car Robot Drive//URL:https://auto.mail.ru/article/29872 nissan predstavil konceptualnyi rob ot_avtomobil_biomimetic_car_robot_drive/ (дата обращения 18.11.2015).

11. KARIS is Winner in the Land of Ideas //URL: https: //www.kit. edu/kit/english/pi_2011_ 7454.php (дата обращения 18.11.2015).

12. Reza Olfati-Saber. Flocking for multi-agent dynamic systems: algorithms and theory Technical Report CIT(California Institute of Technology)—CDS(Control and Dynamical Systems) 2004-2005 // URL: https://pdfs.semanticscholar.org/7f4f

/2340c4b42c714f215b46c4e 17bb61 ad21 a56.pdf (дата обращения: 10.11.2017).

13. Mac Schwager. A Gradient Optimization Approach to Adaptive Multi-Robot Control: 2009, Dissertation, Massachusetts Institute of Technology, 190p.

14. James Dwight McLurkin IV Analysis and Implementation of Distributed Algorithms for Multi-Robot Systems: 2008, Dissertation, Massachusetts Institute of Technology, 166p.

15. Space-Time Continuous Models of Swarm Robotics Systems: Supporting Global-to-Local Programming: 2008, Dissertation, Karlsruhe Institute of Technology, 157p.

16. Месяц А. И. Задачи управления для систем с эллипсоидальной динамикой: автореферат дис. канд. физ.-мат. наук. Москва. 2015. 26 с.

17. Морозова Н. С. Управление движением строя в мультиагентных системах:дис. канд. физ.-мат. наук. Москва. 2015. 123 с.

18. Галустян Н. К. Децентрализованное управление группой квадрокоптеров: дис. Канд. Тех. Наук. Москва. 2017. 125с.

19. Ackerman E. Lockheed's Robotic Trucks Pass Real-World Military Convoy Test //URL: http: //spectrum.ieee.org/automaton/robotics/militarv-robots/lockheeds-robotic-trucks-pass-real-world-military-convoy-test (дата обращения 23.11.2015).

20. Robot Convoy: 2008, bachelor project by group 630, Aalborg university.

21. Audrey Guillet, Roland Lenain, Philippe Martinet: Adaptive and predictive formation control of autonomous vehicles. // IEEE Robotics & Automation magazine, march 2014.

22. J. Bom, B. Thuilot, F. Marmoiton, and P. Martinet, "A global control strategy for urban vehicles platooning relying on nonlinear decoupling laws," in IEEE/RSJ Int. Conf. Intelligent Robots Systems, 2005, pp. 2875-2880.

23. Das K., Fierro R., Kumar V. Ostrowski J. P., Spletzer J., Taylor C. J. A vision-based formation control framework // IEEE Transactions on Robotics and Automation. — 2002. Vol. 18, № 5. P. 813-825.

24. Chiem S., Cervera E. Vision-based robot formations with Bezier trajectories // In: Proceedings of the 8th Conference on Intelligent and Autonomous System. 2004. P. 191-198.

25. J. Yazbeck, A. Scheuer, O. Simonin, and F. Charpillet, "Improving near-to-near lateral control of platoons without communication," in IROS, 2011, pp. 4103-4108

26. Yazbeck J., Scheuer A., Charpillet F. Optimized lateral control for a decentralized near-to-near platooning. // INRIA, Tech. Rep. 2013.

27. Yazbeck J., Scheuer A., Charpillet F. Decentralized Near-to-Near Approach for Vehicle Platooning based on Memorization and Heuristic Search. // IEEE International Conference on Robotics & Automation. 2014. P. 631-638

28. Mark Daniel Ollis. Position estimation and vehicle control in autonomous multi-vehicle convoys. // Patent Application Publication, Pub. №: US 2014/0309836 A1.

29. Randal W Beard, Jonathan Lawton, Fred Y Hadaegh. A Coordination architecture for spacecraft formation control. IEEE Transactions on Control Systems Technology, 2001,9(6): 777~790

30. P. Levi, M. Muscholl, Th. Braunl Cooperative Mobile Robots Stuttgart: Architecture and Tasks. // Proceeding of the 4th International Conference on Intelligent Autonomous Systems, IAS-4, Karlsruhe, March 1995, pp.310-317.

31. W. Honig, T. K. S. Kumar, H. Ma, S. Koening, N. Ayanian Formation change for robot groups in occluded environments. // 2016IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Daejeon, 2016, pp. 4836-4842.

32. Daniel Hennes, Daniel Claes, Wim Meeussen and Karl Tuyls. Multi-robot collision avoidance with localization uncertainty. In Proceedings of the 11th International Conference on Autonomous Agents andMultiagent Systems (AAMAS 2012), Valencia, Spain, June 2012.

33. Paolo Fiorini, Zvi Shiller. Motion planning in dynamic enviroments using velocity obstacle. // Int. Journal of Robotics Rearch 17(7), pp. 760-772, 1998.

34. Jur van den Berg, Stephen J. Guy, Ming Lin, Dinesh Manocha. Reciprocal n-body Collision Avoidance. // Robotics Research: The 14th International Symposium ISRR, Springer Tracts in Advanced Robotics, vol. 70, Springer-Verlag, May 2011, pp. 3-19

35. Зенкевич С. Л., Назарова А. В. Система управления мобильного робота. // Вестник МГТУ, серия «Приборостроение». 2006. № 3. C. 31-51.

36. Зенкевич С. Л. и др. Авторское свидетельство, 1977, N 103384.

37. Ногин В.Д. Теория устойчивости движения. СПбГУ: ф-т ПМ-ПУ, 2008.

38. Эльсгольц Л. Э., Норкин С. Б. Введение в теорию дифференциальных уравнений с отклоняющимся аргументом. М.: Наука. 1971. 296с.

39. Беллман Р., Кук К. Л. Дифференциально-разностные уравнения. М.: Мир. 1967. 548с.

40. Попов Е. П. Теория линейных систем автоматического регулирования. М.: Наука. 1989. 304с.

41. Chen Haoyao Towards Multi-Robot Formations: Study on Vision Based Localization Systems. — URL: http://hdl.handle.net/2031/5836 (дата обращения: 23.09.2015).

42. Espinosa F., Santos C. Odometry and laser scanner fusion based on a discrete extended Kalman filter for robotic platooning guidance. // Sensors. 2011. № 11. C. 8339-8357.

43. Сейдж Э. Мелс Дж. Теория оценивания и её применение в связи и управлении. Пер. с англ. под ред. проф. Б. Р. Левина. М.: Связь, 1976. 496с.

44. Зенкевич С. Л., Чжу Хуа Управление движением группы роботов в строю типа "конвой" // Мехатроника, автоматизация, управление. 2017. №1. С. 30-34.

45. Александров В. В. и др. Оптимизация динамики управляемых систем. М.: Изд-во МГУ, 2000. 304с.

46. Meditch J. S. On optimal linear smoothing theory // Information and control. 1967. №10. P. 598 - 615.

47. Абгарян К. А. Матричное исчисление с приложениями в теории динамических систем. М.: Физматлит, 1994. 544с.

48. Зенкевич С. Л., Заединов Р. В. Об оценке предсказания фазового вектора непрерывных линейных динамических систем // Вестник МГТУ им. Н. Э. Баумана. Сер. «приборостроение». 2002. №3. С. 72-80.

49. https://www.dropbox.com/sh/irekgv6ch2fhi0s/AADkiUXSpvoBv6sJJ4Zk3C-Ha?dl=0

50. Конечный автомат: теория и реализация. — https://tproger.ru/translations /finite-state-machines-theory-and-implementation/ (дата обращения: 07.06.2017).

51. Видео о результате моделирования. —

https://drive.google.com/file/d/0B6UOi4Ja1li9YVU4Y2FHNURLb1k/view?usp=sh aring(дата обращения: 09.06.2017).

52. Hamann H., Worn H. A framework of space-time continuous models for algorithm in swarm robotics // Swarm Intelligence. 2008. №7. Р. 209-239.

53. Карпов В.Э. Коллективное поведение роботов. Желаемое и действительное // Современная мехатроника. Сб. научн. трудов Всероссийской научной школы (г. Орехово-Зуево, 22-23 сентября 2011). 2011. С. 35-51.

54. URL: www.ros.org

55. Зенкевич С. Л., Назарова А. В., Чжу Хуа Моделирование и анализ движения группы мобильных роботов в среде ROS // Мехатроника, автоматизация, управление. 2017. №5. С. 317-320.

56. S. Kohlbrecher, J. Meyer, O. von Stryk, U. Klingauf A flexible and scalable SLAM system with full 3D motion estimation // In Proc. of the IEEE International Symposium on Safety, Security and Rescue Robotics, 50-55, Kyoto, Japan, Nov. 1-5, 2011.

57. Global_planner // URL: wiki.ros.org/global_planner (дата обращения: 15.06.2016).

58. Base_local_planner // URL: wiki.ros.org/base_local_planner?distro = kinetic (дата обращения: 15.06.2016).

59. Зенкевич С. Л., Чжу Хуа, Хо Цзяньвень. Экспериментальное исследование движения группы мобильных роботов в строю типа «конвой» // Мехатроника, автоматизация, управление. 2018. (в печати)

60. Зенкевич С. Л., Чжу Хуа, Чжай Мэйсинь. Один способ получения оценки сглаживания фазового вектора в задаче управления движением строя // Мехатроника, автоматизация, управление. 2018. (в печати)

61. Зенкевич С. Л., Чжу Хуа., Хо Цзяньвень. Движение группы мобильных роботов в строю типа «конвой» — теория, моделирование и эксперимент // Четвертый Всероссийский научно-практический семинар «Беспилотные транспортные средства с элементами искусственного интеллекта» (БТС-ИИ-2017, 5-6 октября 2017 г., г. Казань, Республика Татарстан, Россия): тр. семинара. / под ред. Е. А. Магида, В. Е. Павловского, К. С. Яковлева. Казань: Центр инновационных

технологий, 2017. 240с. С. 136-147.

62. Зенкевич С. Л., Чжу Хуа, Чжай Мэйсинь. Управление движением роботов в группе на основе сглаживания траектории. // Экстремальная робототехника: сборник тезисов Международной научно-технической конференции. СПб.: Издательско-полиграфический комплекс «Гангут». 2017. С. 143-145.

63. Чжу Хуа. Система управления коллективом мобильных роботов. // Молодежный научно-технический вестник (электронный журнал). 2014. № 12. URL: http: //sntbul .bmstu.ru/doc/750233 .html.

ОТЗЫВ

научного руководителя о диссертационной работе Чжу Хуа на тему «Управление движением группы мобильных роботов в строю типа «конвой»» на соискание ученой степени кандидата технических наук по специальности 05.02.05 - Роботы, мехатроника и робототехнические системы

Чжу Хуа в 2014 году с отличием окончил Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Московский государственный технический университет имени Н.Э. Баумана» по специальности «Мехатроника и робототехника». С октября 2014 года являлся аспирантом кафедры «Робототехнические системы и мехатроника»

Чжу Хуа успешно сдал кандидатские экзамены и в установленный срок подготовил диссертацию. При подготовке диссертации Чжу Хуа проявил себя как зрелый специалист, способный самостоятельно решать сложные научные и технические задачи, выбирать необходимые методы исследования и анализировать полученные результаты.

Разработка системы управления группой мобильных роботов, в состав которой входит один лидер, имеющий богатую информационную систему, позволяющую ему автономно двигаться, и несколько ведомых роботов, оснащенных простыми датчиками, является актуальной научно-технической задачей.

Автором предложен новый способ управления движением группы роботов, позволяющий им двигаться строем типа «конвой», в том числе, разработан метод управления движением группы мобильных роботов, позволяющий обеспечить совпадение траектории ведущего и ведомого роботов, и в то же время избежать столкновений между роботами, разработан алгоритм получения оценки сглаживания фазового вектора в задаче управления движением строя, разработан способ планирования и координации поведения группы при изменении топологии конвоя с использованием теории конечных автоматов. Результаты компьютерного моделирования и натурного эксперимент продемонстрировали эффективность разработанных методов.

Автор неоднократно выступал с результатами работы на Всероссийских конференциях. По результатам диссертации опубликовано 7 печатных работ, в том числе 4 публикации в изданиях из перечня ВАК РФ, где достаточно полно изложены материалы диссертации.

Считаю, что рассматриваемая диссертация является законченной научной работой, удовлетворяет требованиям ВАК РФ, предъявляемым к кандидатским диссертациям, а её автор - Чжу Хуа, заслуживает присуждения ученой степени кандидата технических наук по специальности 05.02.05 - Роботы, мехатроника и робототехнические системы.

Научный руководитель профессор кафедры СМ-7, д.ф.-м.н.

С.Л. Зенкевич