Ситуационное управление как основа адаптивной системы управления шагающих роботов

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Ситуационное управление как основа адаптивной системы управления шагающих роботов

Шагающие роботы являются популярным объектом исследования в наши дни: университеты по всему миру занимаются исследованием шагающих механизмов, робототехнические фирмы выпускают многочисленные реализации шагающих роботов. Популярность шагающих роботов обусловлена во многом их хорошей проходимостью сложных форм рельефа, возможностью устойчивого подъема и спуска по наклонам и лестницам [Knight, 2002]. Для наиболее устойчивого прохождения сложных форм рельефа шагающий робот должен быть адаптивным, т.е. обладать способностью адаптации к изменению формы рельефа поверхности.

В настоящее время существует несколько методов стабильного передвижения шагающих роботов (под стабильной походкой понимается походка, не приводящая к падениям и застреваниям, несмотря на все внешние обстоятельства [Bruijn, 2013]). Одним из наиболее известных является метод точки нулевого момента, основанный на расчете точки, где момент равнодействующей всех сил, действующих на робот в горизонтальном направлении, равен нулю. Данный метод применяется во многих человекоподобных двуногих роботах, например Honda ASIMO. Метод позволяет двуногому роботу достаточно стабильно передвигаться по довольно ровной поверхности, но для передвижения по неровным поверхностям он недостаточен. Необходимо использовать более сложные адаптивные алгоритмы, учитывающие положение робота в целом и каждой его конкретной конечности в отдельности в процессе передвижения.

Исследование адаптивных алгоритмов передвижения по неровным поверхностям и возможность их применения для разных видов шагающих роботов - основная цель проекта. На первом этапе было решено провести исследование алгоритмов передвижения шестиногого робота как статически устойчивой конструкции, где нет необходимости обеспечивать балансировку при движении и можно сосредоточиться непосредственно на передвижении по нервной поверхности. Система управления передвижением робота должна учитывать множество различных ситуаций, поэтому ей довольно затруднительно сопоставить математическое описание в терминах классической теории автоматического управления. Однако описание можно относительно несложно составить на естественном языке. Одновременно с этим, создаваемая система управления уникальна и учитывает особенности конструкции конкретного робота. Учитывая все вышесказанное, было решено разрабатывать систему управления роботом на основании ситуационного управления - подхода к построению подобных систем управления, предложенного Д.А. Поспеловым [Поспелов, 1986]

Робот Hexapod MP4

Конструкция робота

Поскольку создаваемая система управления учитывает особенности конструкции робота, перед описанием непосредственно самой системы приведем кратко описание конструкции робота.

Для проведения исследований шагающих механизмов в 2013-2014 годах был создан шестиногий шагающий робот Hexapod.

Рис. 1а. Общий вид робота Рис. 1б. Кинематическая схема

алгоритм шестиногий робот управление

Корпус робота собран из трех соединенных модулей, образующих в сборе шестиногую конструкцию с возможностью переделки в четырёхногий вариант для дальнейших исследований. Каждый модуль состоит из пластикового корпуса и модуля конечности. Модуль конечности включает в себя 2 сервопривода, обеспечивающих перемещение конечности по двум степеням свободы: горизонтальной и вертикальной и собственно конечности.

Управление роботом осуществляется сервоконтроллером Pololu, расположенном на среднем модуле. Контроллер реализует элементарные команды каждого движения (такие как переместить такой-то сервопривод в такое положение или считать датчики), основная управляющая система робота находится на ПК, связь с которым происходит по специальному протоколу через Bluetooth. Для ориентации в пространстве робот использует датчики: 2 датчика-дальномера для ориентации в пространстве на переднем модуле робота, акселерометр на среднем модуле и датчики касания на каждой ноге робота.

Режимы передвижения робота

Первоначально робот проектировался для исследований походки шестиного робота в целом, поэтому качестве базового алгоритма походки шестиногого робота выбран достаточно простой алгоритм перемещения «3+3 насекомоподобный». Данный алгоритм широко распространен как в природе [Figliolini, 2007], так и механических шагающих устройствах, однако он подходит по большей части для относительно ровных поверхностей и в дальнейшем в качестве базового будет выбран другой алгоритм.

В основу адаптивного передвижения робота положено 3 принципа адаптивности:

· принцип стабилизации (выравнивания положения по показаниям акселерометра),

· принцип останова (нога опускается до тех пор, пока не достигнута поверхность)

· принцип нащупывания поверхности (если после первого опускания ноги поверхность не достигнута, происходит поиск поверхности спереди и сзади относительно изначального положения ноги.)

В программе управления передвижением шагающего робота предусмотрено несколько различных способов передвижения, основанных на базовом алгоритме передвижения и принципах адаптивности [Луцкий, 2013]. Реализовано как полностью неадаптивное передвижение, так и варианты с различными комбинациями методов адаптивности.

Поведенные эксперименты подтвердили, что стабильнее робот проходит неровные участки пути при адаптивном передвижении со стабилизацией, тем не менее, такое передвижение получается медленным и использование его на гладкой поверхности будет излишним. Таким образом, необходимо создать систему, которая анализирует положение робота в текущий момент времени и выбирает оптимальный алгоритм для следующего движения. Для реализации этой задачи было решено обратиться к ситуационному управлению.

Модель ситуационного управления шестиногого робота

Общая схема ситуационного управления согласно представлена на рисунке 2:

Рис. 2. Схема ситуационного управления

В системе управления шестиногого робота на данном этапе реализована довольно упрощенная модель, состоящая из анализатора, классификатора и блока выбора решения.

Описание ситуаций

Рассмотрим описание ситуаций, возникающих при передвижении шагающего робота. На самом нижнем уровне описания передвижения шагающего робота нас будет интересовать положение ног робота в определенный момент времени после совершенного движения. По сути именно положение ног определяет тип передвижения. Пусть n_i - i-ая нога робота. Введем лингвистическую переменную h - «поднятие ноги», имеющую значения «полностью опущена», «сильно опущена», «слабо опущена» и «поднята», также введем отношение r_h - «иметь значение положения ноги». Помимо значения высоты, можно определить факт касания поверхности по показаниям датчиков-концевиков. Пусть переменная t - «касание», имеет два значения: «есть касание» и «нет касания», r_t - отношение «наличие касания поверхности»

В этом случае положение для конкретной ноги робота в определенный момент времени принимает вид:

s_ni=(n_i r_h h) & (n_i r_t t)

Положение робота определяется положением всех шести ног в определенный момент времени:

s_n=s_n1&s_n2&s_n3&s_n4&s_n5&s_n6

На более высоком уровне описания передвижения робота, рассматривая не отдельные конечности, а робот в целом, можно определить наклон робота на поверхности по показаниям акселерометра. Для описания наклона введем переменную in_x - «наклон вбок», которая имеет значения: «сильно наклонен вправо», «слабо наклонен вправо», «нет наклона», «слабо наклонен влево» и «сильно наклонен вправо». Аналогично можно определить наклон в другой плоскости: переменная t_y - «наклон вперед» имеет значения: «сильно наклонен вперед», «слабо наклонен вперед», «нет наклона», «слабо наклонен назад» и «сильно наклонен назад». Переменной q обозначим робота, r_t - отношение «иметь наклон»:

s_t=(q r_t t_x)& (q r_t t_y)

Любой робот, передвигающийся автономно, должен определять препятствия перед собой и выбирать направление передвижения, чтобы их обойти. Очень подробно ориентация робота в пространстве согласно принципам ситуационного управления описана в статье Ющенко А.С. [Ющенко, 2007]. В нашем случае для определения препятствия пока используются довольно простая система, работающая по показаниям двух датчиков-дальномеров. Переменная d - «расстояние до препятствия» имеет всего 2 значения: «препятствие далеко» и «препятствие близко».

Таким образом, препятствия на пути робота описываются формулой:

s_d=(q r_d d_r)& (q r_d d_l)

Целиком положение робота описывается как совокупность описаний положения ног, наклона и положения роботов относительно препятствий описывается так:

s=s_n&s_t&s_d

Таким образом, с помощью языка описания ситуаций были описаны все основные ситуации на каждом шаге передвижения робота. Теперь перейдем к следующей составляющей ситуационного управления - обобщению ситуаций.

Обобщение ситуаций

В модели ситуационного управления существует три типа обобщения ситуаций: обобщение по именам, обобщение по признакам и обобщение по структурам [Раков, 2012]. Поскольку в нашем случае конкретные имена и значения не используются, в качестве основного метода обобщения ситуаций выбран метод обобщения по структурам. Было решено произвести обобщение переменных h - поднятие ноги и t - касание в новую переменную-класс a - тип поверхности под ногой, т.к. эти переменные тесно связаны, и согласно принципам адаптивности отсутствие касания возможно после окончания движения только при полностью опущенной ноге (в случае неадаптивного движения положения ног также соответствуют значению полного опускания). Соотношение переменных приведено в таблице.

Классификация ситуаций и принятие решения

В реализуемой системе для задачи классификации было решено использовать нейронные сети типа LVQ. Для моделирования нейронных сетей использована утилита Neural Network Toolbox в составе программного комплекса математического моделирования Matlab 2013 и библиотека на языке программирования C++.

На первом этапе исследования решено рассматривать на этапе классификации только переменные описывающие наклон и тип поверхности, решение о направлении движения по датчикам-дальномерам принимается отдельно, вне модели ситуационного управления.

На основании первых экспериментов было принято решение, что анализ поверхности будет проводиться после совершения роботом четырех полных движений. После совершения роботом четырех движений в файле анализа данных появляется набор, достаточный для классификации, состоящий из 28 показателей:

· 6 показаний сенсоров (согласно классификации) за 4 движения

· показаний акселерометра по осям X и У за первые и вторые два движения

Рис. 3. Структурная схема нейронной сети

алгоритм шестиногий робот управление

Для обучения нейронной сети и были созданы 100 обучающих примеров, с заранее известным отношением каждого случая к определенному классу поверхности. Основная задача классификации - определить принадлежность ситуации к одному из 5 классов:

· Робот стоит на ровной поверхности

· Робот стоит на поверхности с постоянным наклоном (уклон может быть направо, налево, вперед и назад)

· Робот стоит на неровной (бугристой) поверхности без явно выраженного наклона

· Робот стоит на неровной поверхности с наклоном

· Робот не имеет опоры на поверхности, зацепился за препятствие (4 и более ноги не касаются поверхности)

На основании отнесения каждой ситуации к конкретному классу система управления принимает решение о выборе алгоритма для дальнейшего передвижения. Если робот не имеет опоры на поверхности, то подается сигнал об остановки движения, если поверхность ровная и нет наклона, следующее движение будет неадаптивным. Если же ситуация относится к остальным трем классам, выбираются определенные комбинации адаптивного передвижения с использованием методов нащупывания поверхности, останова и стабилизации. После выбора алгоритма система управления на основании показания датчиков-дальномеров определяет направление передвижения и затем начинается передвижение робота. Как показали первые опыты, благодаря такой системе управления робот действительно передвигался быстрее и устойчивее по неровной поверхности.

В данной работе рассмотрена возможность применения ситуационного управления для создания адаптивной системы управления движением шестиногого робота. Ситуационное управление в разработанной системе управления роботом применяется для оценки ситуации и выбора одного из алгоритмов передвижения, которые используют различные комбинации трех базовых принципов адаптивности шестиногого шагающего робота. Оценка ситуации производится на основании анализа положения всех конечностей робота, факта касания конечностями поверхности и наклона робота относительно поверхности по показаниям акселерометра. Такой подход позволяет выбирать наиболее подходящий с точки зрения скорости и устойчивости алгоритм передвижения на каждом этапе движения робота. Реализованная система в настоящий момент использует не все принципы ситуационного управления и является упрощенной моделью ситуационного управления. Как показали первые опыты, такаю систему можно рассматривать как основу для создания адаптивной системы управления шагающим роботом.

Список литературы

1. Луцкий В.А. VII - Исследование адаптивных алгоритмов передвижения шестиногого шагающего робота // Интегрированные модели и мягкие вычисления в искусственном интеллекте. Сборник научных трудов VII-й Международной конференции (Коломна, 20-22 мая 2013 г.). В 3-х томах. Т.2. - М.: Физматлит, 2013.

2. Поспелов Д.А. Ситуационное управление: теория и практика, М.: Наука. - Гл. ред. физ.-мат. лит., 1986.

3. Раков В.И. Системный анализ (Начальные понятия). - М.: Академия естествознания, 2012.

4. Ющенко А.С. Ситуационное управление и робототехника // Материалы III Поспеловских чтений «Искусственный интеллект сегодня. Проблемы и перспективы» - М.:, 2007.

5. Assessing the stability of human locomotion: a review of current measures S.M. Bruijn, O.G. Meijer, P.J. Beek and J.H. van Dieen Journal of the Royal Society. Interface 10, 20120999, 2013.

6. G. Figliolin and P. Rea Mechanics and Simulation of Six-Legged Walking Robots, Climbing and Walking Robots. DiMSAT, University of Cassino, Cassino (FR), Italy, 2007.

7. R. Knight and U. Nehmzow Walking Robots. A Survey and a Research Proposal Technical Report CSM-375 Department of Computer Science, University of Essex, United Kingdom, 2002.

Размещено на Allbest.ru