Metodo campo potenziale: robot reali

Question

metodo di campo potenziale è una simulazione molto popolare per Robot di navigazione. Tuttavia, qualcuno ha implementato il metodo di campo potenziale sui robot reali? Qualsiasi riferimento o qualsiasi rivendicazione di usare il metodo di robot reali?.

Answer 1

Ho fatto il potenziale campo in base pianificazione del percorso prima, ma abbandonata a favore di approcci più appropriati al mio problema. Funziona in modo adeguato per gli ambienti in cui si dispone di localizzazione accurati e letture del sensore accurate, ma molto meno in ambienti del mondo reale (la sua non è una grande soluzione particolarmente anche in termini di velocità e qualità percorso, anche in simulazione). Considerando che ci sono ora un sacco di buone implementazioni SLAM disponibili costo sia gratuito oa basso, ho disturbarvi fastidio reimplementare a meno che non si hanno problemi molto specifici con il riutilizzo. Per MRDS (quello che io lavoro in) v'è Karto Robotics, ROS dispone di un'implementazione SLAM, e ci sono diverse implementazioni open-source di cercare solo un google distanza.

Se si desidera una panoramica buona di diversi approcci alla pianificazione del percorso, allora si potrebbe desiderare di prendere una copia di "Introduzione alla Autonoma Mobile Robots" di Segwart et al. La sua un buon libro, e la sezione pianificazione del percorso offre una panoramica bella delle diverse strategie in giro.

Answer 2

vorrei suggerire di leggere il libro pianificazione algoritmi da Steven M. LaValle se si sono generalmente interessati a percorso o la pianificazione del movimento. I metodi descritti in questo libro sono attivamente utilizzati nella comunità robotica.

Una ricerca su Google Scholar o il sito web IEEE d'altra parte ti porterà un sacco di riferimenti a documenti che descrivono l'uso e la ricerca del metodo campo potenziale.

Answer 3

Un rapido Google per i potenziali metodi di campo cresciuti questo documento: potenziali metodi per i campi e le loro limitazioni intrinseche per mobile Robot Navigation e mi ha ricordato di problemi dall'ultima volta che ho lavorato con un metodo campo potenziale.

Nei nostri progetti ( CWRU mobile Robotics ), abbiamo visto questi esatto problemi con potenziali algoritmi basati sul campo. L'ultimo tentativo, un robot mobile di competere a IGVC nel 2009, ha avuto gli stessi problemi descritti in tale documento, specificamente con minimi locali e non essere in grado di passare attraverso ostacoli ravvicinati. Mi ricordo distintamente dover risolvere problemi con gli ostacoli ravvicinati durante il tentativo di piano attraverso una stretta apertura in un recinto come parte della sfida GPS waypoint di navigazione di IGVC.

Siamo stati in grado di ottenere velocità di pianificazione abbastanza decente fuori l'algoritmo utilizzando shader OpenGL personalizzato per fare tutto il calcolo pur rappresentando il campo potenziale come immagine / framebuffer. Come Tom fa notare, non è così buono in ambienti sconosciuti o dinamici, come in quelle situazioni del campo potenziale non potrà mai stabilizzare e sarà costantemente richiedere l'aggiornamento.

Answer 4

Come @ Tom ha sottolineato in precedenza, non si può di solito contare su letture dei sensori perfetti o motori in movimento esattamente quanto si pensava che gli si dice.

L'approccio relativamente nuovo per SLAM ho avuto la possibilità di uso di anni fa era il Generalized Voronoi Graph ( GVG ); fondamentalmente, soggiorno equidistante dalle più vicine due pareti, continuare a muoversi, e nei punti dove si sta equidistante a tre o più pareti, tornare e provare ogni ramo di due a muro ad un certo punto. Potrai costruire un grafico che si ottiene tutto intorno alla stanza, e le garanzie hai avuto line-of-sight su tutto nella stanza.

Answer 5

Abbiamo provato e abbandonato un algoritmo campo potenziale (OpenSteer) per il nostro veicolo DARPA la Grande Sfida (Team Overbot) nel 2003. Non è una buona idea per un robot anolonomo, dal momento che non considera sterzo o dinamiche vincoli. Non funziona affatto bene in spazi ristretti. E 'più adatto a macchine volanti, dove si hanno un sacco di spazio aperto e non si desidera avvicinarsi a ostacoli.