Методы одновременной локализации и картографирования (SLAM) являются решением проблемы навигации сервисных роботов. Мы представляем графовую систему SLAM, основанную на скрытых марковских моделях (HMM), где показания датчиков представлены различными символами с использованием ряда методов кластеризации; затем символы объединяются в один для повышения точности с использованием двойных HMM. Универсальность нашей системы позволяет работать с датчиками разных типов или комбинировать датчики, а также реализовать активную или пассивную графовую систему SLAM. В подходе Graph-SLAM, предложенном Karto Robotics International в Cartographer, узлы представляют положение робота, а ребра представляют ограничения между ними. Узлы обычно задаются по непрерывным узлам, за исключением случаев обнаружения замыкания цикла, когда вводятся ограничения на несмежные узлы, что корректирует весь граф. Обнаружение цикливания не является тривиальным; в реализации ROS сопоставление сканирования выполняется с использованием регулировки положения разреженности (SPA). Картограф использует карту занятости, чтобы оценить положение, в котором карта отображается с помощью Gmapping. Робот Toyota HSR (Human Support Robot) использовался для создания набора данных как в реальных, так и в смоделированных условиях соревнований. В нашем представлении SLAM есть оценка одометрии колес в соответствии с начальным положением робота, 2D-лидарное сканирование Hokuyo для наблюдений, а также контроль сигналов и оценка карты окружающего пространства. Мы протестировали нашу систему в задаче о похищенном роботе, обучили начальную модель, затем улучшили ее в онлайн режиме и, наконец, решили задачу SLAM.
Представлен анализ устойчивости роя гетерогенных роботов, где каждый робот имеет разный уровень чувствительности сенсоров и различные физические ограничения, включая максимальную скорость движения и ускорения. Каждый робот обладает уникальной областью восприятия в условиях ограниченного поля зрения. Изначально предлагался децентрализованный метод навигации для роя гетерогенных роботов, состоящего из ведущего робота и многочисленных ведомых роботов. С децентрализованным методом навигации ведущий робот может направлять ведомых, поддерживая соединение и учитывая физические ограничения, уникальные для каждого робота. Данное исследование сосредоточено на анализе устойчивости равновесия такого роя ргетерогенных роботов. С математической точки зрения доказывается, что когда ведущий робот двигается с постоянной скоростью, форма и направление всех остальных ведомых роботов в конечном счете стремятся к равновесию. Чтобы продемонстрировать совпадение этого состояния равновесия, сперва необходимо доказать, что оно существует. Проводятся эксперименты и численные моделирования, чтобы подтвердить наличие стабильности, то есть достижение роем роботов состояния равновесия.
На сегодняшний день перечень прикладных задач, требующих точного оперативного позиционирования, постоянно растёт. К таким задачам относятся: задачи управления группами автономных мобильных роботов, геодезические задачи высокоточного позиционирования, задачи навигации и мониторинга в интеллектуальных транспортных системах. Источником данных для оперативного позиционирования в таких задачах являются спутниковые навигационные системы. На сегодняшний день активно используются глобальные и локальные спутниковые навигационные системы: GPS, GLONASS, BeiDou, Galileo. Их характеризует разная полнота развёртывания спутниковой группировки, что определяет точность оперативного позиционирования в конкретной географической точке, которая зависит числа доступных для наблюдения спутников, а также характеристик приёмника, особенностей ландшафта, погодных условий и возможности использования дифференциальных поправок.
Повсеместное использование дифференциальных поправок на данный момент невозможно ввиду того что количество стабильно работающих опорных станций ограничено - Земля покрыта ими неравномерно; надёжные сети передачи данных, необходимые для передачи дифференциальных поправок также развёрнуты не повсеместно; широкое применение нашли бюджетные версии одноканальных приёмников навигационного сигнала, не позволяющие использовать дифференциальные поправки. В этом случае возникает задача оперативного выбора системы или комбинации систем спутникового позиционирования, предоставляющей наиболее точные навигационные данные. В данной работе приведено сравнение статического и динамического методов выбора системы или комбинации систем спутникового позиционирования, обеспечивающих наиболее точное определение собственных координат объекта при использовании одноканального приёмника навигационных сигналов в автономном режиме (без использования сторонних поправок). Выбор осуществляется на основе статистического анализа данных, получаемых от систем спутникового позиционирования. При проведении анализа выполнялось сравнение результатов, сформированных при постобработке данных, полученных от спутниковых навигационных систем и уточнённых с применением дифференциальных поправок навигационных данных.
Главным предназначением сервисных роботов является помощь людям в непромышленных средах, таких как дома или офисы. Для достижения своей цели сервисные роботы должны обладать несколькими навыками, например распознавание и манипулирование объектом, обнаружение и распознавание лиц, распознавание и синтез речи, планирование задач и одним из самых важных навыков — навигация в динамических средах. В статье описывается полностью внедренная система планирования движения, которая учитывает все: начиная от алгоритмов движения и планирования пути до пространственного представления и активной навигации на основе поведения. Предлагаемая система реализована в бытовом сервисном роботе под названием «Юстина», конструкция которого основана на робототехнической архитектуре под названием «ViRBot», использующейся для контроля действий виртуальных и реальных роботов, которая охватывает несколько уровней абстракции от низкоуровневого управления до символьного планирования. Мы оценили наш проект как в симулированной, так и в реальной среде и сравнили его с классическими реализациями. Для тестов мы использовали карты, полученные из реальных сред (Лаборатория биороботов и Robocup@Home arena), и карты, созданные из препятствий со случайными положениями и формами. Для сравнения использовалось несколько параметров: общее пройденное расстояние, количество столкновений, количество достигнутых целей и средняя исполнительная скорость. Наш проект значительно улучшился как в реальных, так и в симуляционных тестах. Представлены экспериментальные результаты успешно протестированной системы в контексте конкурса RoboCup@Home.
1 - 4 из 4 результатов