Planowanie trasy robota Kurier w środowisku dynamicznym z wykorzystaniem sieci komórkowych

pol Artykuł w języku polskim DOI:

Barbara Siemiątkowska , wyślij Rafał Chojecki , Monika Różańska-Walczuk , Maciej Przybylski , Piotr Węclewski , Mateusz Wiśniowski Wydział Mechatroniki, Instytut Automatyki i Robotyki, Politechnika Warszawska

Pobierz Artykuł

Streszczenie

Sterowanie robotem mobilnym jest podstawowym zagadnieniem w trakcie tworzenia projektu związanego z platformą mobilną. Najnowsze trendy wskazują, że w chwili obecnej najpowszechniej rozwijane są autonomiczne systemy sterowania ruchem. W artykule przedstawiono projekt naukowy, którego celem jest zbudowanie robota z zaimplementowaną całkowicie autonomiczną nawigacją. Końcowym założeniem projektu jest wdrożenie wyników badań do realnej aplikacji. Istotnym problemem, który dotyczy nawigacji jest planowanie trasy robota. Aby platforma mogła być wykorzystana w realnym środowisku z poruszającymi się obiektami dynamicznymi, należy je również uwzględnić w trakcie planowania trasy. W artykule dokonano porównania istniejących i proponowanych przez autorów rozwiązań planowania ścieżki. Projektując robota usługowego, który będzie mógł dzielić przestrzeń z ludźmi oraz obiektami dynamicznymi istotny jest także krótki czas reakcji na zmiany otoczenia. Problem ten rozwiązywany jest przez zrównoleglenie mocy obliczeniowej komputera. Zaproponowaną technologią wykorzystaną w tym celu są obliczenia na procesorach graficznych GPU.

Słowa kluczowe

nawigacja, otoczenie dynamiczne, planowanie trasy, robotyka mobilna

Path planning in a dynamic environment based on CNN

Abstract

The control of mobile robot is a fundamental and basic task. Nowadays, the most actual trends focus on autonomous control systems. This paper describes a scientific project, which main goal is fully autonomous navigation system, designed for new construction of mobile robot. Final stage of the project is real application. The significant problem of robot navigation is path planning, especially when mobile platform is predestinated to be used in a real environment enclosed with dynamic obstacles. Dynamic objects should be considered in the path planning algorithm. The navigation system of mobile robot, moving among people, should response with short reaction time for fast environment changes. In this paper authors present parallel computing implementation, in this case - with use of graphic processors (GPU).

Keywords

dynamic environment, mobile robotics, navigation, path planning

Bibliografia

  1. Susnea I., Viorel Minzu, Grigore Vasiliu (2009): Simple, real-time obstacle avoidance algorithm for mobile robots, 8th WSEAS International Conference on Computational Intelligence, Man-Machine Systems and Cybernetics (CIMMACS’09).
  2. Sariff N., Buniyamin N. (2006): An Overview of Autonomous Mobile Robot Path Planning Algorithms, 4th Student Conference on Research and Development (SCORED 2006).
  3. J. Wan Ngah, B.N., Mohamad Z. (2010): Point to Point Sensor Based Path Planning Algorithm for Mobile Robots, 9th WSEAS International Conference on System Science and Simulation in Engineering Iwate, Japan.
  4. Rahul Biswas, Benson Limketkai, Scott Sanner, Sebastian Thrun (2002): Towards Object Mapping in Non-Stationary Environments With Mobile Robots, [w:] Intelligent Robots and Systems, 2002 IEEE/RSJ, CA, USA.
  5. Azarm K., Schmidt G. (1996): A decentralized approach for the conflict-free motion of multiple mobile robots, [w:] Proc. of the IEEE International Conference on Intelligent Robots and Systems (IROS), 1667-1674.
  6. Barraquand B., Langois J.C, Latombe J. (1992): Potential field techniques for robot path planning, ”IEEE Transactions on Robotics and Automation, Man and Cybernetics”, 22(2), 224-241.
  7. Bennewitz M., Burgard W., Thrun S. (2000): Optimizing schedules for prioritized path planning of multi-robot systems, [w:] Proc. of the IEEE International Conference on Robotics & Automation (ICRA).
  8. Roszkowska E., Pawłowski J., Źródlak Ł. (2006): System koordynacji i symulacji ruchu pojazdów, Postępy Robotyki, str. 117-126.
  9. E. Roszkowska, B. Kreczmer (2006): System sterowania i symulacji ruchu pojazdów transportowych w sieci ścieżek, ”Postępy Robotyki”, 107-116.
  10. Latombe J.C. (1992): Robot Motion Planning, Kluwer Academic Publishers, MA Boston.
  11. Chua L., Roska T. (1998): Cellular Neural Networks, ”IEEE Transaction on Circuit System”, vol. 2, 985-988.
  12. Chua L., Roska T. (1998): Cellular Neural Network: Theory, ”IEEE Transaction on Circuit System”, vol. 35, 1257-1272.
  13. Chua L., Roska T. (1988): Cellular Neural Network, ”IEEE Transaction on Circuit System”, vol. 35, 1271-1290.
  14. Chua L., Roska T. (1993): The CNN paradigm, ”IEEE Transaction on Circuit Systems”, vol. 40, 147-156.
  15. Chua L., Hasler M., Moschytz G. S., Neirynck J. (1995) Autonomous Cellular Neural Networks: A unified paradigm for pattern formation and active wave propagation, ”IEEE Transaction on Circuit System”, vol. 42, 559-577.
  16. Siemiątkowska B. (2007): Coordinating the Motion of Mobile Robots Using CNN, ECMR 2005, 32-37.