Планирование движения с помощью нескольких роботов является сложной задачей. Когда многие роботы занимают одно и то же пространство, важно эффективно рассчитать их траектории, соблюдая при этом кинематические и групповые ограничения. Цель состоит в том, чтобы позволить нескольким роботам достичь своих целей, избегая при этом столкновения друг с другом.
Исследовательская группа Харбинского технологического университета предложила новый централизованный метод генерации траекторий и проверила эффективность, адаптивность и масштабируемость алгоритма с помощью реальных экспериментов с системой захвата движения NOKOV. Документ был одобрен на Международной конференции по интеллектуальным роботам и системам (IROS) в 2021 году.
Рисунок 1: Страницы поиска
Алгоритмический принцип
Методы планирования движения с помощью нескольких роботов можно разделить на две основные категории:
Во - первых, распределенный подход к коллективному поведению через локальное взаимодействие между соседними роботами требует низкой связи и обеспечивает мощную масштабируемость. Однако введение ограничений на индивидуальном или системном уровне является сложной задачей.
С другой стороны, централизованный подход может обеспечить глобальную гарантию и разумно установить ограничения, но их масштабируемость часто снижается по мере увеличения числа роботов.
Исследовательская группа расширила знаменитый метод планирования движения GPMP2 до сценариев с несколькими роботами, используя разреженную гауссовскую модель процесса для эффективного расчета траекторий нескольких роботов.
Добавляя ограничения формирования, мультироботизированные формирования могут адаптироваться к навигации в постоянно меняющейся местности. Кроме того, был предложен алгоритм инкрементного перепрограммирования, который использует байесовское дерево для обновления траектории движения и обеспечивает быструю беспроводную работу.
Экспериментальная программа
Команда провела эксперименты с использованием группы четырехосных беспилотных летательных аппаратов для тестирования алгоритмической основы.
Эксперимент рассматривал три распространенных сценария: сохранение формирования, изменение назначения и адаптивное изменение формирования при прохождении пространства различной ширины.
В ходе эксперимента система захвата движения NOKOV контролировала группу нано - квадрокоптеров Crazyflie. С помощью системы CrazyRadio PA дрон получает данные о местоположении непосредственно из системы захвата движения NOKOV.
Рисунок 2: Снимки траекторий движения экспериментов 1 и 2, сделанные за 2,4 и 7,0 секунды. Первоначальная цель отмечена квадратом, а новая - треугольником.
Эксперименты 1 и 2: Поддержание в строю, изменение пунктов назначения и изменение маршрутов
В эксперименте 1 четыре четырехосных летательных аппарата поддерживали квадратное формирование во время полета к цели. При необходимости формирование может быть скорректировано, чтобы избежать препятствий. При повороте в строю наблюдается небольшая деформация, но в целом можно добиться более плавного поворота.
В эксперименте 2, когда четырехосная группировка летательных аппаратов летит к цели, точка цели внезапно меняется. При t = 7s целевая точка движется в направлении, противоположном первоначальной цели. Алгоритм инкрементного планирования обновляет траекторию до новой цели в пределах 4 мс, чтобы соответствовать требованиям реального времени.
Эксперимент 3: Адаптивные изменения формирования в пространстве переменной ширины
Шесть квадрокоптеров пересекают пространство трех разных ширин: 2,5 метра, 1,5 метра и 3,5 метра. Алгоритм глобального планирования вычисляет различные формирования и интервалы выполнения следующим образом: (i) 1s - 2s: 3x2; (ii) 4s - 7s: 2x3 в порядке; (iii) 9 секунд - 10 секунд: 6 × 1 Расположение.
Рисунок 3: Снимки шести четырехосных летательных аппаратов, изменяющих формирование за 2,4, 4,0, 7,4 и 9,0 секунды.
Кроме того, на четырехуровневой карте 10 четырехосных летательных аппаратов проходят через пространство шириной 4, 2 и 7 метров, соответственно. Соответствующая конфигурация: (i) 1s - 2s: 5x2; (ii) 4s - 7s: 2x5; (iii) 9 секунд - 10 секунд: 10 × 1.
Рисунок 4: 10 четырехосных летательных аппаратов изменяют снимок формирования за 2,0 и 8,0 секунды.
Алгоритм при запуске
Алгоритм при запуске
Алгоритм способен вычислить полные траектории 10 четырехосных летательных аппаратов за 0,39 секунды, включая изменения в формировании, что очень эффективно для такой сложной задачи.
Ссылки:
Применение систем захвата движения в изучении технологии интегрированной внутренней позиционирования
Гибкий робот для реабилитации верхних конечностей с использованием технологии виртуальной реальности
Пожалуйста, свяжитесь с нами
-
Мы прилагаем все усилия для того, чтобы помочь вам в ваших запросах и предоставить полную информацию.
Поделитесь с нами своими проблемами, и мы быстро направим вас к наиболее эффективному решению.
-
-
- Объем захвата * m m m
-
Объекты для отслеживания *
- Количество целей (необязательно)
-
Тип камеры (по желанию)
-
Количество камер (необязательно)
- Отправить