Mobile Robot Path Planning with Obstacle Avoidance using Particle Swarm Optimization

eng Artykuł w języku angielskim DOI: 10.14313/PAR_225/59

Ewelina Chołodowicz , wyślij Daniel Figurowski Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny

Pobierz Artykuł

Abstract

This paper presents a constrained Particle Swarm Optimization (PSO) algorithm for mobile robot path planning with obstacle avoidance. The optimization problem is analyzed in static and dynamic environments. A smooth path based on cubic splines is generated by the interpolation of optimization solution; the fitness function takes into consideration the path length and obstaclegenerated repulsive zones. World data transformation is introduced to reduce the optimization algorithm computational complexity. Different scenarios are used to test the algorithm in simulation and real-world experiments. In the latter case, a virtual robot following concept is exploited as part of the control strategy. The path generated by the algorithm is presented in results along with its execution by the mobile robot.

Keywords

dynamic environment, mobile robot, obstacle avoidance system, particle swarm optimization, path planning

Planowanie bezkolizyjnej ścieżki ruchu robota mobilnego przy użyciu algorytmu rojowego

Streszczenie

W artykule przedstawiono algorytm rojowy z ograniczeniami realizujący planowanie bezkolizyjnej ścieżki ruchu robota mobilnego. Problem optymalizacyjny został przeanalizowany dla środowiska statycznego i dynamicznego. Do stworzenia gładkiej ścieżki ruchu wykorzystano interpolację rozwiązania optymalizacji przy użyciu sześciennych funkcji sklejanych. Funkcja kosztu uwzględnia długość ścieżki ruchu oraz penalizację za naruszenie przestrzeni przeszkód. Wprowadzono transformację świata w celu redukcji złożoności obliczeniowej algorytmu optymalizacji. Przeprowadzono zróżnicowane scenariusze badawcze testujące algorytm w eksperymentach symulacyjnych i rzeczywistych. W przypadku tych ostatnich wykorzystano ideę podążania za wirtualnym robotem. Zaprezentowano wyniki obrazujące wygenerowaną ścieżkę ruchu oraz ocenę jej realizacji przez robota mobilnego.

Słowa kluczowe

algorytm rojowy, dynamiczne środowisko, planowanie ścieżki ruchu, robot mobilny, unikanie przeszkód

Bibliografia

  1. Mac T.T., Copot C., Tran D.T., Keyser R., Heuristic approaches in robot path planning: A survey, Robotics and Autonomous Systems, Vol. 86, 2016, 13–28, DOI: 10.1016/j.robot.2016.08.001.
  2. Kloetzer M., Mahulea C., Gonzalez R., Optimizing cell decomposition path planning for mobile robots using different metrics, Proceedings of 19th International Conference on System Theory, Control and Computing, Cheile Gradistei, 2015, 565–570, DOI: 10.1109/ICSTCC.2015.7321353.
  3. Zhang Y., Liu Z., Chang L., A new adaptive artificial potential field and rolling window method for mobile robot path planning, Proceedings of 29th Chinese Control And Decision Conference, Chongqing, 2017, 7144–7148, DOI: 10.1109/CCDC.2017.7978472.
  4. Oborski P., Fedorczyk T., Zmodyfikowana metoda pól potencjałowych do wyznaczania drogi robota mobilnego, „Pomiary Automatyka Robotyka”, R. 19, Nr 2, 2015, 57–64, DOI: 10.14313/PAR_216/57.
  5. Szulczyński P., Pazderski D., Kozłowski K., Real-time obstacle avoidance using harmonic potential functions, “Journal of Automation Mobile Robotics and Intelligent Systems”, Vol. 5, No. 3, 2011, 59–66.
  6. Velagic J., Delimustafic D., Osmankovic D., Mobile robot navigation system based on Probabilistic Road Map (PRM) with Halton sampling of configuration space, Proceedings of IEEE 23rd International Symposium on Industrial Electronics, Istanbul, 2014, 1227–1232, DOI: 10.1109/ISIE.2014.6864789.
  7. Hong C., Park C.W., Kim J.-H., Evolutionary dual rule-based fuzzy path planner for omnidirectional mobile robot, IEEE International Conference on Fuzzy Systems, Vancouver, 2016, 767–774, DOI: 10.1109/FUZZ-IEEE.2016.7737765.
  8. Hendzel Z., Szuster M., Neural sensor-based navigation of wheeled mobile robot in unknown environment, “Pomiary Automatyka Robotyka”, R. 17, Nr 1, 2013, 114–120.
  9. Palmieri L., Arras K., A novel RRT extend function for geffcient and smooth mobile robot motion planning , IEEE/RSJ International Conference on Intelligent Robots and Systems, Chicago, 2014, 205–211, DOI: 10.1109/IROS.2014.6942562.
  10. Shi P., Cui Y., Dynamic path planning for mobile robot based on genetic algorithm in unknown environment, Chinese Control and Decision Conference, Xuzhou, 2010, 4325–4329, DOI: 10.1109/CCDC.2010.5498349.
  11. Mac T., Copot C., Tran D., De Keyser R., A hierarchical global path planning approach for mobile robots based on multi-objective particle swarm optimization, “Applied Soft Computing”, Vol. 59, 2017, 68–76, DOI: 10.1016/j.asoc.2017.05.012.
  12. Contreras-Cruz M., Ayala-Ramirez V., Hernandez-Belmonte U., Mobile robot path planning using artificial bee colony and evolutionary programming, “Applied Soft Computing”, Vol. 30, 2015, 319–328, DOI: 10.1016/j.asoc.2015.01.067.
  13. Kennedy J., Eberhart R., Particle swarm optimization, IEEE International Conference on Neural Networks, Perth, Vol. 4, 1995, 1942–1948.
  14. Arana-Daniel N., Gallegos A., López-Franco C., Alanis A., Smooth global and local path planning for mobile robot using particle swarm optimization, radial basis functions, splines and Bézier curves, IEEE Congress on Evolutionary Computation, Beijing, 2014, 175–182, DOI: 10.1109/CEC.2014.6900244.
  15. Raja P., Pugazhenthi S., Path Planning for Mobile Robots in Dynamic Environments Using Particle Swarm Optimization, International Conference on Advances in Recent Technologies in Communication and Computing, Kottayam, 2009, 401–405, DOI: 10.1109/ARTCom.2009.24.
  16. Saska M., Macas M., Preucil L., Lhotska L., Robot Path Planning using Particle Swarm Optimization of Ferguson Splines, IEEE Conference on Emerging Technologies and Factory Automation, Prague, 2006, 833–839.
  17. Wang L., Liu Y., Deng H., Xu Y., Obstacle-avoidance Path Planning for Soccer Robots Using Particle Swarm Optimization, IEEE International Conference on Robotics and Biomimetics, Kunming, 2006, 1233–1238.
  18. Shi Y., Eberhart R., Parameter selection in particle swarm optimization, Evolutionary Programming VII, 1998, 591–600.
  19. Figurowski D., Brasel M., Kubicki M., Stanowisko laboratoryjne do badań algorytmów sterowania robotami mobilnymi z wizyjnym sprzężeniem zwrotnym, „Pomiary Automatyka Robotyka”, R. 20, Nr 3, 2016, 71–76, DOI: 10.14313/PAR_221/71.
  20. Bak M., Poulsen N., Ravn O., Receding horizon approach to path following mobile robot in the presence of velocity constraints, European Control Conference, Porto, 2001, 1151–1156.