طريقة المجال المحتملة: روبوتات حقيقية

Question

طريقة الحقل المحتملة هي محاكاة شائعة جدًا للملاحة الروبوت. ومع ذلك ، هل قام أي شخص بتنفيذ طريقة مجال محتملة على الروبوتات الحقيقية؟ أي مرجع أو أي مطالبة باستخدام الطريقة في الروبوتات الحقيقية؟

Answer 1

لقد قمت بتخطيط المسار المحتمل على أساس المجال من قبل ، لكنني تخلت عنه لصالح النهج الأكثر ملاءمة لمشكلتي. إنه يعمل بشكل كافٍ للبيئات التي لديك فيها توطين دقيق وقراءات دقيقة للمستشعرات ، ولكن أقل بكثير في بيئات العالم الحقيقي (ليس حلًا كبيرًا خاصًا حتى من حيث السرعة وجودة المسار ، حتى في المحاكاة). بالنظر إلى أن هناك الآن الكثير من تطبيقات SLAM جيدة متاحة إما مجانية أو منخفضة التكلفة ، فلن أزعجك أن أتعرض للاسترداد إلا إذا كان لديك مشاكل محددة للغاية في إعادة الاستخدام. بالنسبة إلى MRDS (ما أعمل فيه) ، يوجد Karto Robotics ، لدى ROS تطبيق SLAM ، وهناك العديد من تطبيقات المصادر المفتوحة فقط بحث Google بعيدًا.

إذا كنت تريد نظرة عامة جيدة على الأساليب المختلفة لتخطيط المسار ، فقد ترغب في الحصول على نسخة من "مقدمة إلى روبوتات متنقلة مستقلة" من تأليف Segwart et al. إنه كتاب جيد جدًا ، ويقدم قسم تخطيط المسار نظرة عامة لطيفة على الاستراتيجيات المختلفة حولها.

Answer 2

أود أن أقترح قراءة الكتاب تخطيط خوارزميات بقلم ستيفن م. لافال إذا كنت مهتمًا بشكل عام بالتخطيط للمسار أو الحركة. تستخدم الأساليب الموضحة في هذا الكتاب بنشاط في مجتمع الروبوتات.

من ناحية أخرى ، فإن البحث على الباحث العلمي من Google أو موقع IEEE سيحصل على الكثير من الإشارات إلى الأوراق التي تصف الاستخدام والبحث في طريقة المجال المحتملة.

Answer 3

جوجل سريع للطرق الميدانية المحتملة أظهرت هذه الورقة: طرق المجال المحتملة والقيود المتأصلة في التنقل الروبوت المتنقل وذكرني بالمشاكل من آخر مرة عملت مع طريقة مجال محتملة.

في مشاريعنا (CWRU Mobile Robotics) ، لقد رأينا هذه المشكلات الدقيقة مع الخوارزميات المحتملة القائمة على المجال. المحاولة الأخيرة ، روبوت متنقلة للتنافس في IGVC في عام 2009 ، كان لديه نفس المشكلات الموضحة في تلك الورقة ، وتحديداً مع الحد الأدنى المحلي وعدم القدرة على المرور عبر عقبات متباعدة عن كثب. أتذكر بوضوح الاضطرار إلى التغلب على القضايا المتعلقة بالعقبات المتبعة بشكل وثيق أثناء محاولة التخطيط من خلال فتحة ضيقة في السياج كجزء من تحدي التنقل في نقطة GPS في IGVC.

تمكنا من الحصول على سرعة تخطيط لائقة من الخوارزمية باستخدام تظليل OpenGL مخصص للقيام بكل الحساب مع تمثيل الحقل المحتمل كصورة/إطار. كما يشير توم ، فإنه ليس جيدًا في بيئات غير معروفة أو ديناميكية ، كما هو الحال في تلك الحالات ، لن يستقر الحقل المحتمل أبدًا وسيتطلب تحديثًا باستمرار.

Answer 4

كما أشار Tom أعلاه ، لا يمكنك عادة الاعتماد على قراءات استشعار مثالية أو أن تحركك المحركات تمامًا بقدر ما تعتقد أنك أخبرتهم بذلك.

كان النهج الجديد نسبيًا للبطولة التي أتيحت لي فرصة استخدامها منذ سنوات هو الرسم البياني المعمم Voronoi (GVG) ؛ في الأساس ، ابق متساويًا من أقرب جداران ، واصل التحرك ، وفي النقاط التي تكون فيها متساويًا في ثلاثة جدران أو أكثر ، عد إلى كل فرع جدران في مرحلة ما. ستقوم ببناء رسم بياني يجعلك على طول الغرفة ، وتضمن أنك قد حصلت على خط البصر على كل شيء في الغرفة.

Answer 5

لقد جربنا وتخلينا عن خوارزمية ميدانية محتملة (OpenSteer) لسيارة Darpa Grand Challenge (Team Overbot) في عام 2003. إنها ليست فكرة جيدة عن روبوت غير مستقل ، لأنه لا يفكر في قيود التوجيه أو الديناميات. لا يعمل على الإطلاق في المساحات الضيقة. إنه أكثر ملاءمة لآلات الطيران ، حيث لديك الكثير من المساحات المفتوحة ولا تريد الاقتراب من العقبات.