الگوریتم مسیریابی جدید به ربات های متحرک کمک می‌کند تا از موانع عبور کنند

به گزارش مکاترونیک نیوز، محققان دانشگاه استرالیای جنوبی یک الگوریتم محاسباتی نوشته‌اند که به ربات‌های متحرک اجازه می‌دهد تا از موانع عبور کنند و سریع‌ترین مسیر را برای رسیدن به مقصد بیابند.

در مجله روباتیک فیلد، محققان استرالیایی توضیح می‌دهند که چگونه با استفاده از بهترین عناصر موجود در الگوریتم‌های ترتل بوت روباتها را طوری برنامه ریزی کرده اند تا بتوانند به خوبی سرعت و زاویه فرمان خود را تنظیم کنند.

بسته به اینکه روبات ها در محیط‌های با موانع ثابت مورد استفاده قرار می‌گیرند یا در مکان‌هایی با موانع متحرک مانند انسان یا ماشین‌ها مواجه می‌شوند، دو نوع استراتژی مسیریابی برای روبات‌های متحرک وجود دارد

دکتر حبیب حبیب الله، مدرس دانشکده مهندسی دانشگاه استرالیای جنوبی

معرفی مختصر روبات های متحرک:

روبات‌های متحرک ماشین‌هایی هستند که با استفاده از الگوریتم‌های هوش مصنوعی کنترل می‌شوند که از چرخ‌ها یا «پاها» برای حرکت در محیط استفاده می‌کنند. روبات‌های مسیریاب توسط تِرک ها یا انواع دیگر سیستم‌های مسیریابی هدایت می شوند. آنها اغلب نیاز به نظارت یک اپراتور دارند و از سوی دیگر، ربات‌های متحرک مستقل(اِی ام آر) مستقل از هدایت خارجی هدایت می‌شوند.
برای دستیابی به این هدف، (اِی اِم آر ) ها توسط نرم افزار هوش مصنوعی که شامل یادگیری ماشین و الگوریتم‌های تخصصی مسیریابی هستند کنترل می‌شوند. علاوه بر این، دوربین‌ها و حسگرها به آن‌ها کمک می‌کنند تا موانع را شناسایی کرده و از آنها دوری کنند.
در سال 1997 ، استنفورد کارت اولین ربات متحرکی بود که با موفقیت در یک اتاق بدون دخالت انسان حرکت کرد. یک الگوریتم کامپیوتری پردازش تصویر ، تصاویر گرفته شده از یک دوربین را پردازش میکرد و بنابراین قادر بود تا حرکت کند. از آن زمان به بعد، صنایعی مانند کشاورزی، لجستیک و مراقبت‌های بهداشتی به دنبال استفاده از روبات‌های متحرک مستقل برای بهبود عملکرد و فرآیندهای خود بوده‌اند. میتوان گفت مسیریابی تنها زمانی واقعاً مستقل عمل می‌کند که یک ربات بتواند در مدت زمان معقول و بدون دخالت انسان حرکت کند و به مقصد خود برسد. بنابراین، این ربات‌ها باید بتوانند موانع را با موفقیت پشت سر بگذارند و اگر موانع همیشه ثابت نباشند دشواری آن دوچندان می‌شود.

الگوریتم های مسیریابی برای ربات‌های متحرک

مسیریابی برای در حرکت ربات‌های متحرک مستقل و مواجه شدن با موانع و پشت سر گذاشتن آنها ضروری است. مسیر بهینه مسیری است که از نقطه شروع تا مقصد بدون برخورد باشد، با در نظر گرفتن مسافت طی شده، زمان صرف شده و هزینه عملیات، مسیر یابی می‌تواند در یک محیط ناشناخته یا در یک محیط شناخته شده که در آن از قبل موانع شناسایی شده و نقشه برداری شده‌اند انجام شود.
محققان الگوریتم‌های زیادی نوشته‌اند که مشکلات برنامه ریزی مسیر را برای ربات های متحرک حل می‌کند. این الگوریتم‌ها در اصطلاح الگوریتم های ژنتیک نام دارد که رفتار تکاملی، الگوریتم های منطق فازی و الگوریتم های شبکه عصبی را مدل می‌کند. برخی دیگر نام‌های عجیب و غریبی مانند بهینه‌سازی کلونی مورچه‌ها، بهینه‌سازی ازدحام ذرات، کلونی زنبورهای مصنوعی و الگوریتم جهش قورباغه‌های مخلوط را دارند. برخی از استراتژی های برنامه نویسی مسیریابی از هدایت واکنشی استفاده می‌کنند، جایی که مسیریابی درست همزمان در مسیری که ربات در حال حرکت است (آنلاین) رخ می‌دهد. این استراتژی‌ها به بازخورد بی‌درنگ از سنسورهای پردازنده متکی هستند.روش میدان پتانسیل مصنوعی(اِی پی اف) چنین روشی است.در این روش ربات را با استفاده از نیروهای جاذبه و دافعه القا شده مصنوعی به سمت مقصد هدایت می کنند. هیستوگرام میدان برداری(وی اف اچ) روش دیگری از این دست است. در این روش یک شبکه هیستوگرام دکارتی دو بعدی در حین حرکت روبات به‌روز می شود.

با شناخت نقاط قوت و ضعف روش‌های موجود، تیم استرالیایی بهترین قسمت از هر الگوریتم را درالگوریتم خود استفاده کرده‌اند . آنها روش خود را با دو الگوریتم آسان و در دسترس آزمایش کردند: میدان پتانسیل مصنوعی (اِی پی اف) که قبلاً ذکر شد و رویکرد پنجره پویا (دی دبلیو اِی) که هر دو الگوریتم ،الگوریتم های مسیریابی آنلاین (اجتناب از برخورد) هستند.

دکتر حبیب الله و تیمش 9 سناریو مختلف را آزمایش کردند که در آن زمان ها را با مقصد، نرخ برخورد و سرعت متوسط ربات مقایسه کردند.

الگوریتم ساخته شده در استرالیا با موفقیت در هر سناریو بدون هیچ برخوردی مسیر خود را پیمایش کرد. در مقابل، الگوریتم (دی دی دبلیو اِی) منجر به 3 برخورد شد که میزان موفقیت آن 66 درصد است. مدل (اِی پی اف) بدون برخورد بود، اما در این روش رسیدن ربات به مقصد بیشتر طول کشید.

“روش پیشنهادی ما گاهی مسیر طولانی‌تری را طی می‌کرد، اما سریع‌تر و ایمن‌تر بود و از همه برخوردها جلوگیری می‌کرد”

دکتر حبیب حبیب الله، مدرس دانشکده مهندسی دانشگاه استرالیای جنوبی

محققان استرالیایی بر این باورند که الگوریتم آنها در بسیاری از سناریوهای صنعتی از جمله انبارها، رستوران ها و مزارع که ربات ها می توانند برای چیدن، بسته بندی و خرد کردن استفاده شوند، مفید خواهد بود.

منبع خبر: http://www.azorobotics.com

نام خبرنگار : مریم آموت سر