Групповое управление движением мобильных роботов в неопределенной среде с использованием неустойчивых режимов
Ключевые слова:
групповое управление, неопределенная среда, неустойчивые режимы, управление движениемАннотация
В настоящей статье рассматриваются алгоритмы управления, обеспечивающие согласованное перемещение группы роботов в неопределенной трехмерной среде с препятствиями. Неопределенность среды заключается в наличии априори неизвестных препятствий, часть которых может быть нестационарными. Мобильные роботы группы должны автоматически распределиться в заданной прямоугольной области на плоскости и двигаться в направлении, перпендикулярном указанной области, по возможности сохраняя заданное взаимное расположение. В данной статье предлагаются новые алгоритмы автоматического распределения роботов на плоскости, не предполагающие предварительного назначения места каждого робота. Эта задача решается с применением триангуляции Делоне и дальнейшей оптимизации положения робота. Для коррекции движения отдельного робота и всей группы при сближении с препятствием предложены алгоритмы, базирующиеся на неустойчивых режимах, позволяющих трансформировать препятствия в репеллеры. Рассмотрено два варианта алгоритмов обхода препятствий. В первом варианте используются только неустойчивые режимы, а во втором варианте — гибридный алгоритм, включающий интеллектуальный анализ текущей ситуации и неустойчивый режим движения. Предложенные алгоритмы могут реализовываться децентрализовано. В статье анализируются два варианта алгоритмов группового управления, а также выполняется численное моделирование группы из 5 гексакоптеров в неопределенной среде с неподвижными и подвижными препятствиями. Также приведены экспериментальные данные, подтверждающие работоспособность предлагаемых алгоритмов на примере полета двух гексакоптеров в среде с неподвижным препятствием. Разработанные алгоритмы могут применяться в системах управления мобильными роботами при их групповом движении в неопределенных 3-D средах.Литература
1. Pshikhopov V.Kh. et al. Path Planning for Vehicles Operating in Uncertain 2D Environments // Butterworth-Heinemann: Elsevier. 2017. 312 p.
2. Yang L., Qi J., Song D., Han J., Xia Y. Survey of Robot 3D Path Planning Algorithms // Journal of Control Science and Engineering. 2016. vol. 2016. 22 p.
3. LaValle S. Planning Algorithms // Cambridge University Press. 2006. 842 p.
4. Каляев И.А., Гайдук А.Р., Капустян С.Г. Модели и алгоритмы коллективного управления в группах роботов // М.: ФИЗМАТЛИТ. 2009. 280 с.
5. Макаров И.М.. и др. Модели и алгоритмы планирования действий и распределения заданий в мультиагентных робототехнических системах // Мехатроника, автоматизация, управление. 2012. № 5. C. 44–50.
6. Mac T.T., Copot C., Tran D.T., De Keyser R. Heuristic approaches in robot path planning: A survey // Robotics and Autonomous Systems. 2016. vol. 86. pp. 1328.
7. Jha A.K. Intelligent Control and Path Planning of Multiple Mobile Robots Using Hybrid Ai Techniques // PhD thesis. 2016. 213 p.
8. Лохин В.М. и др. Механизмы интеллектуальных обратных связей, обработки знаний и самообучения в системах управления автономными роботами и мультиагентными робототехническими группировками // Мехатроника, автоматизация, управление. 2015. Т. 16. № 8. C. 545–555.
9. Каляев И.А., Капустян С.Г. Проблемы группового управления роботами // Мехатроника, автоматизация, управление. 2009. № 6. С. 33–40.
10. Duan H., Qiao P. Pigeon-inspired optimization: A new swarm intelligence optimizer for air robot path planning // International Journal of Intelligent Computing and Cybernetics. 2014. vol. 7 (1). pp. 2437.
11. Schulman J. et al. Motion planning with sequential convex optimization and convex collision checking // International Journal of Robotics Research. 2014. vol. 33(9). pp. 12511270.
12. Montiel O., Orozco-Rosas U., Sepúlveda R. Path planning for mobile robots using Bacterial Potential Field for avoiding static and dynamic obstacles // Expert Systems with Applications. 2015. vol. 42(12). pp. 51775191.
13. Архипкин А.В. и др. Задачи группового управления роботами в робототехническом комплексе пожаротушения // Труды СПИИРАН. 2016. Вып. 2(45). C. 116129.
14. Пшихопов В.Х., Медведев М.Ю. Децентрализованное управление группой однородных подвижных объектов в двумерной среде с препятствиями // Мехатроника, автоматизация, управление. 2016. Том 17. № 5. С. 346353.
15. Liu Z. et al. Distributed sampled-data control of nonholonomic multi-robot systems with proximity networks // Automatica. 2017. vol. 77. pp. 170179.
16. Chetty R.M.K., Singaperumal M., Nagarajan T., Tetsunari I. Coordination control of wheeled mobile robots – A hybrid approach // International Journal of Computer Applications in Technology. 2011. vol. 41(3-4). pp. 195204.
17. Williams R.K., Sukhatme G.S. Constrained interaction and coordination in proximity-limited multiagent systems // IEEE Transactions on Robotics. 2013. vol. 29(4). pp. 930944.
18. Макаров И.М. и др. Смешанные стратегии группового управления в многоагентных робототехнических системах // Известия ЮФУ. Технические науки. 2012. № 3(128). С. 813.
19. Белоглазов Д.А. и др. Интеллектуальные технологии планирования перемещений подвижных объектов в трехмерных недетерминированных средах / Под ред. В.Х. Пшихопова // М.: Наука. 2017. 232 с.
20. Pshikhopov V. et al. Mathematical model of robot on base of airship // Proceedings of the IEEE Conference on Decision and Control. 2013. pp. 959964.
21. Mulzer W., Rote G. Minimum-weight triangulation is NP-hard // Proc. of 22nd Annual Symposium on Computational Geometry. 2006. pp. 1–10.
22. Pshikhopov V.Kh., Ali A.S. Hybrid motion control of a mobile robot in dynamic environments // Proceedings of IEEE International Conference on Mechatronics. 2011. pp. 540545.
23. Khatib O. Real-Time Obstacles Avoidance for Manipulators and Mobile Robots // Int. Journal of Robotics Research. 1986. vol. 5(1). pp. 90–98.
24. Bounini F., Gingras D., Pollart H., Gruyer D. Modified Artificial Potential Field Method for Online Path Planning Applications // IEEE Intelligent Vehicles Symposium (IV). 2017. pp. 1–7.
25. Платонов А.К., Карпов И.И., Кирильченко А.А. Метод потенциалов в задаче прокладки трассы // М.: Препринт Института прикладной математики АН СССР. 1974. 27 с.
26. LeCun Ya., Yoshua B., Geoffrey H. Deep learning // Nature. 2015. vol. 521. pp. 436444.
27. Городецкий В.И., Скобелев П.О. Многоагентные технологии для индустриальных приложений: реальность и перспектива // Труды СПИИРАН. 2017. Вып. 6(55). C. 1145.
2. Yang L., Qi J., Song D., Han J., Xia Y. Survey of Robot 3D Path Planning Algorithms // Journal of Control Science and Engineering. 2016. vol. 2016. 22 p.
3. LaValle S. Planning Algorithms // Cambridge University Press. 2006. 842 p.
4. Каляев И.А., Гайдук А.Р., Капустян С.Г. Модели и алгоритмы коллективного управления в группах роботов // М.: ФИЗМАТЛИТ. 2009. 280 с.
5. Макаров И.М.. и др. Модели и алгоритмы планирования действий и распределения заданий в мультиагентных робототехнических системах // Мехатроника, автоматизация, управление. 2012. № 5. C. 44–50.
6. Mac T.T., Copot C., Tran D.T., De Keyser R. Heuristic approaches in robot path planning: A survey // Robotics and Autonomous Systems. 2016. vol. 86. pp. 1328.
7. Jha A.K. Intelligent Control and Path Planning of Multiple Mobile Robots Using Hybrid Ai Techniques // PhD thesis. 2016. 213 p.
8. Лохин В.М. и др. Механизмы интеллектуальных обратных связей, обработки знаний и самообучения в системах управления автономными роботами и мультиагентными робототехническими группировками // Мехатроника, автоматизация, управление. 2015. Т. 16. № 8. C. 545–555.
9. Каляев И.А., Капустян С.Г. Проблемы группового управления роботами // Мехатроника, автоматизация, управление. 2009. № 6. С. 33–40.
10. Duan H., Qiao P. Pigeon-inspired optimization: A new swarm intelligence optimizer for air robot path planning // International Journal of Intelligent Computing and Cybernetics. 2014. vol. 7 (1). pp. 2437.
11. Schulman J. et al. Motion planning with sequential convex optimization and convex collision checking // International Journal of Robotics Research. 2014. vol. 33(9). pp. 12511270.
12. Montiel O., Orozco-Rosas U., Sepúlveda R. Path planning for mobile robots using Bacterial Potential Field for avoiding static and dynamic obstacles // Expert Systems with Applications. 2015. vol. 42(12). pp. 51775191.
13. Архипкин А.В. и др. Задачи группового управления роботами в робототехническом комплексе пожаротушения // Труды СПИИРАН. 2016. Вып. 2(45). C. 116129.
14. Пшихопов В.Х., Медведев М.Ю. Децентрализованное управление группой однородных подвижных объектов в двумерной среде с препятствиями // Мехатроника, автоматизация, управление. 2016. Том 17. № 5. С. 346353.
15. Liu Z. et al. Distributed sampled-data control of nonholonomic multi-robot systems with proximity networks // Automatica. 2017. vol. 77. pp. 170179.
16. Chetty R.M.K., Singaperumal M., Nagarajan T., Tetsunari I. Coordination control of wheeled mobile robots – A hybrid approach // International Journal of Computer Applications in Technology. 2011. vol. 41(3-4). pp. 195204.
17. Williams R.K., Sukhatme G.S. Constrained interaction and coordination in proximity-limited multiagent systems // IEEE Transactions on Robotics. 2013. vol. 29(4). pp. 930944.
18. Макаров И.М. и др. Смешанные стратегии группового управления в многоагентных робототехнических системах // Известия ЮФУ. Технические науки. 2012. № 3(128). С. 813.
19. Белоглазов Д.А. и др. Интеллектуальные технологии планирования перемещений подвижных объектов в трехмерных недетерминированных средах / Под ред. В.Х. Пшихопова // М.: Наука. 2017. 232 с.
20. Pshikhopov V. et al. Mathematical model of robot on base of airship // Proceedings of the IEEE Conference on Decision and Control. 2013. pp. 959964.
21. Mulzer W., Rote G. Minimum-weight triangulation is NP-hard // Proc. of 22nd Annual Symposium on Computational Geometry. 2006. pp. 1–10.
22. Pshikhopov V.Kh., Ali A.S. Hybrid motion control of a mobile robot in dynamic environments // Proceedings of IEEE International Conference on Mechatronics. 2011. pp. 540545.
23. Khatib O. Real-Time Obstacles Avoidance for Manipulators and Mobile Robots // Int. Journal of Robotics Research. 1986. vol. 5(1). pp. 90–98.
24. Bounini F., Gingras D., Pollart H., Gruyer D. Modified Artificial Potential Field Method for Online Path Planning Applications // IEEE Intelligent Vehicles Symposium (IV). 2017. pp. 1–7.
25. Платонов А.К., Карпов И.И., Кирильченко А.А. Метод потенциалов в задаче прокладки трассы // М.: Препринт Института прикладной математики АН СССР. 1974. 27 с.
26. LeCun Ya., Yoshua B., Geoffrey H. Deep learning // Nature. 2015. vol. 521. pp. 436444.
27. Городецкий В.И., Скобелев П.О. Многоагентные технологии для индустриальных приложений: реальность и перспектива // Труды СПИИРАН. 2017. Вып. 6(55). C. 1145.
Group control of autonomous robots motion in uncertain environment via unstable modes
Abstract
The paper is devoted to the methods and algorithms of group control, providing a consistent movement of a moving objects group in a partially uncertain three-dimensional environment with obstacles. The uncertainty of the environment is a priori unknown moving obstacles. Mobile robots of the group should create a formation in a given rectangular area in the plane. The robots formation must move in the given direction. The problem solution is carried out by using algorithms based on unstable modes. The unstable modes allow to transform obstacles into repellers. The proposed algorithms can be implemented decentralized. Two algorithms options for group control are analyzed in the paper. Also a numerical simulation of a hexacopters group in an uncertain environment with obstacles is performed. The developed algorithms are used in the control system of mobile robots in their group locomotion in an uncertain 3-d environment. A group of mobile robots should be self-organized into a structure that does not require a preliminary assignment of the place of each robot. The group of robots can adjust the formation at occurrence of obstacles.
Опубликован
2018-10-01
Как цитировать
Пшихопов, В. Х., & Медведев, М. Ю. (2018). Групповое управление движением мобильных роботов в неопределенной среде с использованием неустойчивых режимов. Труды СПИИРАН, 5(60), 39-63. https://doi.org/10.15622/sp.60.2
Раздел
Робототехника, автоматизация и системы управления
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
