Найти

Результаты поиска

• МЕТОД ПРОСТРАНСТВЕННО-ВРЕМЕННОГО РАЗНЕСЕНИЯ ТРАЕКТОРИЙ ГРУППЫ РОБОТОВ В УСЛОВИЯХ ПРЕПЯТСТВИЙ

  В.А. Костюков

  92-102

  2025-10-01

  Аннотация ▼

  При разработке алгоритмов планирования путей роботов, образующих группу, возникает проблема обеспечения гарантированного их не столкновения друг с другом и с возможными препятствиями. Кроме того, для группы может действовать требование поддержания заданного шаблона строя там, на тех участках движения группы, где это возможно с учетом препятствий. Однако часто образуется узкий пространственный коридор допустимого движения группы, который может быть обусловлен как исходными требованиями к траектории (например, условие нахождения ее в некоторой окрестности заданной точки), так и наличием препятствий и прочих помеховых воздействий. Наличие такого ограничительного коридора может привести к вынужденному сближению и даже пересечению пространственных траекторий движения отдельных роботов группы. Одним из возможных решений указанной проблемы является задание или корректировка временных параметрических представлений этих индивидуальных траекторий так, чтобы два робота с близко подходящими друг к другу пространственными траекториями в наиболее близких их точках находились в разное время. Причем интервал времени, отделяющий моменты нахождения этих двух роботов в этих точках, должен выбираться в зависимости от скорости роботов и их габаритов.
  На этой идее основан развиваемый метод пространственно-временного разнесения траекторий отдельных роботов группы. Метод подразумевает формирование и решение специальной задачи линейного программирования относительно целевых моментов времени ранее выделенных узлов пространственной траектории каждого ведомого робота. Ограничивающим фактором на изменение этих моментов выступает максимально возможная скорость перемещения робота. Для каждого робота производится предварительное выделение набора траекторий других роботов группы, от которых далее необходимо отстроиться в пространстве-времени. Это происходит в зависимости от приоритета роботов в группе. Приводятся примеры численной реализации алгоритма на базе предлагаемого метода, подтверждающие его эффективность

• 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

• ГИБРИДНЫЙ МЕТОД ПЛАНИРОВАНИЯ КОНФИГУРАЦИИ МАРШРУТА НА КАРТЕ МЕСТНОСТИ В УСЛОВИЯХ ЧАСТИЧНОЙ НЕОПРЕДЕЛЕННОСТИ

  М. И. Бесхмельнов , Б.К. Лебедев , О. Б. Лебедев

  2025-04-27

  Аннотация ▼

  Описывается гибридный алгоритм ситуационного планирования траектории в условиях
  частичной неопределенности для двухмерного пространства, основанный на интеграции волново-
  го и муравьиного алгоритмов, позволяющий строить в реальном масштабе времени траектории
  минимальной длины с одновременной оптимизацией ряда других критериев качества построенного пути. Процессы формирования участка траектории и перемещения по нему объекта череду-
  ются на каждом шаге. Формирования траектории осуществляется последовательно (пошагово)
  на двух уровнях каждого шага. Формирование и ориентация локальной зоны видимости и покры-
  ваемого ею региона на карте местности выполняется относительно текущего опорного вектора.
  Процедурами первого уровня на карте местности последовательно по шагам формируется цепоч-
  ка попарно смежных регионов с локализованными препятствиями. Процедурами второго уровня
  на шаге формируется множество траекторий прохода подвижного объекта через регион.
  При слиянии цепочки регионов образуется область местности, через которую прокладывается
  траектория. Вся траектория является совокупностью отдельных траекторий прохода подвиж-
  ного объекта через регионы, связывающих его исходную позицию с целевой позицией. Поиск реше-
  ния осуществляется популяцией агентов на графе поиска решений. Вершины множества соот-
  ветствуют ячейкам области. Две вершины связаны ребром, если соответствующие им ячейки на
  модели местности в виде дискретного рабочего поля смежны и возможен переход соединения из
  одной ячейки в другую. Синтез траектории и передвижение подвижного объекта в условиях неоп-
  ределенности – это сложная задача, требующая интеграции различных сенсорных систем, алго-
  ритмов обработки данных, алгоритмов планирования пути и систем управления движением. По-
  стоянное развитие технологий в областях искусственного интеллекта, машинного зрения и ро-
  бототехники позволяет создавать всё более совершенные системы автономной навигации. Одна-
  ко, полная автономность и гарантированная безопасность подвижного объекта в любых условиях
  пока остаются сложными задачами для исследования.