Найти

Результаты поиска

• ГЕНЕТИЧЕСКИЙ АЛГОРИТМ ПЛАНИРОВАНИЯ ТРАЕКТОРИИ ДВИЖЕНИЯ ГРУППЫ МОБИЛЬНЫХ РОБОТОВ ПРИ НАЛИЧИИ СТАЦИОНАРНЫХ И ПОДВИЖНЫХ ПРЕПЯТСТВИЙ

  Л. А. Рыбак , Д.И. Малышев , Д. А. Дьяконов , А. А. Мамченкова

  2025-04-27

  Аннотация ▼

  Рассматривается метод планирования траектории движения группы мобильных роботов,
  обеспечивающий безопасное перемещение и исключающий возможность столкновений как между
  самими роботами, так и с внешними препятствиями, включая движущиеся объекты. Разрабо-
  танная математическая модель учитывает три основных сценария возможных столкновений:
  пересечение траекторий роботов внутри группы, взаимодействие со стационарными препятст-
  виями и вероятность столкновения с подвижными объектами. Каждый из этих сценариев де-
  тально анализируется для обеспечения максимальной безопасности движения, а их учет позволя-
  ет эффективно адаптировать маршруты роботов к изменяющимся условиям среды. Траектория
  движения каждого робота представляется в виде ломаной линии с промежуточными точками,
  которые оптимизируются для обеспечения безопасности движения. Особое внимание уделяется
  адаптации скорости на различных участках траектории: робот может изменять скорость в
  зависимости от текущих условий, чтобы минимизировать риск столкновений. Для оценки рас-
  стояний между объектами используется евклидова норма, позволяющая рассчитывать мини-
  мальные расстояния между центрами сферических представлений роботов и препятствий. Зада-
  ча решается в два этапа. На первом этапе строится траектория для первого робота с учетом
  начальных условий и расположения препятствий. На втором этапе формируются траектории
  для остальных роботов с учетом уже спланированных маршрутов. Для оптимизации координат
  промежуточных точек и скоростей применяется генетический алгоритм, который минимизиру-
  ет время перемещения и обеспечивает безопасность движения. Генетический алгоритм использу-
  ет операторы скрещивания и мутации для создания разнообразных решений, а также выполняет
  проверку на соответствие условиям безопасности. Численное моделирование проведено на языке
  Python с использованием библиотеки Matplotlib для визуализации результатов. В ходе эксперимен-
  тов было выполнено 50 тестов с различным количеством препятствий (от 5 до 10). Анализ ре-
  зультатов показал, что с увеличением числа препятствий возрастает как время расчета, так и
  качество сформированных траекторий. Это подтверждает эффективность предложенного
  метода для управления группами мобильных роботов в динамически меняющейся среде

• ОБНАРУЖЕНИЕ ДИНАМИЧЕСКИХ ОБЪЕКТОВ НА КАРТЕ ЗАНЯТОСТИ С НАКОПЛЕНИЕМ НА ОСНОВЕ ФИЛЬТРА ЧАСТИЦ

  И.О. Шепель

  2022-08-09

  Аннотация ▼

  Рассматривается проблема обнаружения динамических препятствий на карте за-
  нятости, полученной по данным системы технического зрения мобильной робототехниче-
  ской платформы. Целью работы является качественное улучшение алгоритма обнаруже-
  ния препятствий с помощью добавления фильтра частиц для выделения движущихся объ-
  ектов по данным карты. В исследовании решается задача корректного накопления данных
  в карте занятости и уменьшения задержки обновления информации в ячейках карты, по
  которым двигаются динамические объекты. Представленная в статье модификация
  фильтра частиц способна корректно работать с динамическими препятствиями в широ-
  ком диапазоне скоростей, устойчива к выбросам, вызванным в результате случайной гене-
  рации начальной скорости частиц, и предназначена для работы в реальных условиях в сре-
  де с большим количеством движущихся препятствий и в реальном масштабе времени.
  Разработана эвристика, которая уменьшает количество неправильных классификаций вокклюдированных зонах. Показано, что алгоритм обнаружения динамических объектов в карте занятости инвариантен к типу сенсоров, используемых в системе технического
  зрения, а также описана реализация, объединенная с накапливаемой картой препятствий.
  Алгоритм реализован и протестирован на борту автономной робототехнической плат-
  формы и на открытом наборе данных. В статье приведено сравнение с другими подходами
  к обнаружению динамических препятствий, а также рассчитаны метрики быстродейст-
  вия для всех анализируемых методов для вычислителей на базе GPU Nvidia RTX 3070 и GPU
  встроенного вычислителя Jetson AGX Xavier. Сформулированы перспективные направления
  дальнейших исследований по улучшению представленного подхода.

• АЛГОРИТМ КОМПЛЕКСИРОВАНИЯ НЕСКОЛЬКИХ ИСТОЧНИКОВ ДАННЫХ В ОБЩУЮ КАРТУ ЗАНЯТОСТИ

  И. О. Шепель

  2021-08-11

  Аннотация ▼

  В работе рассматривается проблема построения модели проходимости окружаю-
  щего пространства в среде с большим количеством динамических объектов по данным от
  нескольких различных сенсоров. Целью работы является качественное улучшение алгорит-
  ма построения карты занятости путем добавления способа обработки данных как от
  существующих алгоритмов детектирования движущихся препятствий, так и от автомо-
  бильного радара миллиметрового диапазона. В исследовании решается задача объединения
  данных о статичном окружении и о динамических объектах в одну общую модель прохо-
  димости для дальнейшего планирования траектории движения. Представленная в статье
  модификация алгоритма способна комплексировать данные как карт занятости, постро-
  енных по трехмерному облаку точек от любого датчика, так и данные, представленные в
  виде массива трехмерных объектов с известными координатами, размерами и ориентаци-
  ей. Комплексирование данных происходит на уровне построения карт занятости и не на-
  кладывает дополнительных требований на источник информации о динамических препят-
  ствиях. Алгоритм способен уточнять данные о позиции и размерах динамического объекта
  скоростью от радара, что позволяет планировать траекторию с учетом движения дина-
  мических объектов. Одновременное использование классического подхода к построению
  карт позволяет обнаруживать препятствия в случае ошибки алгоритма обнаружения
  динамических препятствий. Разработанный алгоритм работает в реальном масштабе
  времени на модуле Jetson AGX Xavier, и протестирован в реальных условиях на мобильной
  робототехнической платформе в автономном режиме. Сформулированы перспективные
  направления дальнейших исследований по улучшению представленного подхода.