Nous sommes presque sûrs que les drones ne seront pas là de si tôt. La raison pour laquelle tant d'entreprises promettent à bout de souffle que cela est au coin de la rue est que les robots vous livrant des choses quand vous le souhaitez sont une idée fantastique. Les drones semblent être une bonne idée au début, car voler vous permet d'arriver rapidement à un endroit tout en évitant les obstacles, et les gens sont coincés avec cette idée depuis des années parce que ce serait formidable si vous pouviez réellement la faire fonctionner.

Jusqu’à présent, cela n’a pas fonctionné, mais cela ne veut pas dire que les robots ne devraient pas livrer des choses. Et vraiment, les consommateurs ne se soucient-ils pas de savoir s'ils sont livrés spécifiquement par un drone aérien autonome, à condition qu'ils reçoivent leurs affaires rapidement et qu'ils n'aient pas à changer de pyjama ? Une startup appelée Starship Technologies, avec des bureaux à Londres et à Tallinn, en Estonie, a annoncé la création d'un robot de livraison autonome qui promet de faire tout ce qu'un drone à rouleaux peut faire (et plus encore), sauf depuis le sol et de manière réaliste. . en fait.

Comment fonctionne la livraison robotisée Starship ?

Starship Technologies, créée par deux co-fondateurs de Skype, Ahti Heinla (qui est PDG et CTO) et Janus Fries, présentera des flottes de robots de livraison compacts, sûrs, silencieux et, surtout, terre-à-terre, dans l'espoir de s'ouvrir de nouvelles opportunités pour les entreprises de livraison telles que les colis ou les épiceries, et créent une commodité et des économies sans précédent pour les particuliers. Le robot, qui, à ma connaissance, n'a pas de nom, peut transporter l'équivalent de deux sacs d'épicerie (environ 10 kilogrammes) jusqu'à 5 kilomètres d'un hub local ou d'un magasin de détail. Il se déplace rapidement et pèse moins de 20 kg lorsqu’il est entièrement chargé, ce qui signifie qu’il sera difficile pour la machine de blesser accidentellement quelqu’un. Les bordures et les bosses de la route ne posent aucun problème, et ils peuvent apparemment monter et descendre certains escaliers. Un logiciel intégré de prévention des intrusions et d'évitement d'obstacles lui permet de fonctionner en grande partie de manière indépendante, mais est également surveillé par des opérateurs qui peuvent intervenir pour assurer la sécurité à tout moment.

Starship estime que ses livraisons robotisées coûteront 10 à 15 fois moins cher que les alternatives actuelles de livraison du dernier kilomètre. Les clients pourront choisir parmi plusieurs créneaux de livraison courts et précis, ce qui signifie que les articles arriveront au bon moment, a indiqué la société. Lors de la livraison, les clients peuvent suivre la position du robot en temps réel via une application mobile et, à l'arrivée, seul le propriétaire de l'application peut déverrouiller l'envoi.

Nous ne disons pas que faire fonctionner ces robots est nécessairement facile : alors que les drones sont relativement dangereux, moins fiables, plus bruyants, plus chers, ont des charges utiles limitées et sont actuellement dans un vide juridique, les robots de Starship devront résoudre toutes sortes de problèmes. , ce que les drones sans pilote évitent complètement. Ces défis consistent notamment à trouver des moyens de contourner les routes et les trottoirs, à se déplacer à proximité des véhicules et des piétons et à interagir plus directement avec les gens. De plus, le GPS n'est pas assez précis pour maintenir ces robots sur les trottoirs. Ils devront donc utiliser la vision pour pouvoir déterminer où ils sont en sécurité, en s'appuyant sur la localisation sur une carte de base, comme le font les voitures autonomes de Google. Ils devront comprendre les passages pour piétons et les feux de circulation. Ils devront écouter et répondre correctement aux sirènes des véhicules d'urgence. Et peut-être le plus difficile de tous, ils devront découvrir et communiquer avec des personnes imprévisibles.

Cependant, nous sommes optimistes à ce sujet car nous avons déjà vu bon nombre des technologies nécessaires. Les robots ont généralement beaucoup de pratique en matière de navigation urbaine sûre. Ils sont excellents pour éviter les obstacles avec suffisamment de temps et des données de capteur adéquates. Il existe des conférences entières sur la manière d’amener les robots à interagir efficacement avec les humains. Plus important encore, si l’un de ces matériaux tombe en panne, le robot peut s’arrêter en toute sécurité et attendre indéfiniment qu’un humain intervienne et l’aide, grâce à des caméras, des haut-parleurs et des microphones permettant une téléprésence complète et un contrôle à distance. Bien sûr, il convient de noter qu'Aethon, Savioke et d'autres sociétés de robotique font quelque chose de très similaire depuis des années. La livraison d'articles errant dans les hôpitaux, les entrepôts et les hôtels présente différents défis : livrer des articles en errant dans les rues, mais des technologies fondamentalement similaires sont utilisées, et le fait que ces entreprises fonctionnent de manière fiable nous rend optimistes quant à la capacité de Starship d'en être également capable.

Starship teste actuellement activement des prototypes et, d'ici l'année prochaine, la société lancera deux programmes pilotes : un à Greenwich, dans l'Est de Londres, et un aux États-Unis.

Les robots modernes, comme il y a plusieurs décennies, disposent d'une liste limitée d'algorithmes d'action et sont inutiles dans des conditions difficiles sans communication avec l'opérateur - avec de forts rayonnements, sous terre, dans les profondeurs de la mer ou dans l'espace. Le triste exemple de la récente catastrophe de Fukushima a montré qu’aucune télécommande ne peut remplacer un véritable robot autonome.

La plupart des robots sont programmés instinctivement ou contrôlés à distance. Un robot autonome sans intelligence artificielle autonome est impossible.

Le principal problème de la robotique moderne, comme il y a plusieurs décennies, est lié au développement d’une intelligence artificielle décente. Dans certains cas, on peut parler de réussite et même de progrès évidents. Par exemple, les expériences de Google pour créer des voitures autonomes sans conducteur, ou le programme AlphaGo du même Google, qui a vaincu le champion du monde du jeu Go. Ou encore le superordinateur intelligent IBM Watson, capable de comprendre les questions et de trouver des réponses dans la base de connaissances.

Photos

Jusqu’à présent, la plupart des développements en matière d’intelligence artificielle ne sont pas adaptés aux robots autonomes. Beaucoup d’entre eux sont limités au domaine d’application choisi, certains nécessitent une puissance de calcul non autonome. Dans certains cas, comme avec le robot Tay de Microsoft, l'intelligence artificielle devient complètement folle après une courte interaction avec les gens.

Aujourd’hui, un robot autonome doit comprendre la parole et les gestes naturels, penser logiquement, apprendre et prendre des décisions indépendantes. Le robot autonome idéal, équipé des capteurs, des outils et de la base de connaissances nécessaires, doit écouter la tâche et rentrer chez lui pour l'accomplir sans poser de questions.

« Razumator » russe : un cerveau universel pour un robot autonome

Les développeurs russes ont toujours été réputés pour leur vision large du problème posé. L'intelligence artificielle "Razumator", créée par la société nationale "Mivar", a été initialement développée comme base pour n'importe lequel types de robots autonomes.

Le noyau logique du logiciel « Razumator », parlant en langage robotique, est un planificateur logique qui offre aux robots la capacité de créer des algorithmes de manière indépendante et de résoudre des problèmes sans la participation de personnes. La différence entre « l’intelligence » d’un robot aspirateur et l’intelligence artificielle d’un robot autonome est bien expliquée par la diapositive ci-dessous, qui montre la différence entre le niveau réflexif et logique.

Diagramme de recherche sur l'intelligence artificielle 3D

Le travail de l'intelligence artificielle "Razumator" est décrit par le "principe mivar", qui signifie le traitement de bases de données multidimensionnelles avec un modèle contextuel-global, où les données, leur inférence logique et leur traitement sont intégrés en un seul tout, et tous les processus se produisent en temps réel. L'acronyme « MIVAR » (Multidimensionnel Informationnel Variable Adaptive Reality, en anglais, Multidimensionnel Informationnel Variable Adaptive Reality), en accord avec le nom de l'entreprise, avec le développement réussi de la technologie, a toutes les chances d'entrer dans les langues étrangères avec les mêmes droits. ce « spoutnik » est entré une fois.

La technologie d'analyse de données multidimensionnelles permet une prise de décision autonome en temps réel

La principale caractéristique de la technologie mivar est sa vitesse de fonctionnement extrêmement élevée - jusqu'à 5 millions de règles par seconde. Ainsi, pour analyser d’énormes quantités de données et prendre des décisions opérationnelles autonomes, une faible puissance de calcul suffit. Un instant : un ordinateur portable ordinaire peut traiter un graphique à 20 dimensions avec 150 000 sommets sur 600 000 arêtes en temps réel ! Les indicateurs sont si élevés que, selon Oleg Varlamov, personne au monde n'est prêt à les concurrencer.

"Razumator", également présenté sous forme de logiciel en boîte, peut être installé même sur un ordinateur portable classique.

Le « Reasonator » est au cœur du projet complexe « Roboreason », adaptable à tout type de robot autonome. Disons qu'un représentant d'une société d'exploration géologique vienne demain et commande un requin autonome des grands fonds pour les conditions arctiques - l'apparence du robot changera radicalement, mais le cerveau du "Razumator" restera le même, sauf avec une adaptation supplémentaire à la base de connaissances correspondante.

Plateforme robotique Murom-ISP : un flan universel pour la réalisation de robots autonomes

Un système robotique autonome complet, quel que soit son objectif, comprend cinq éléments de base. La liste comprend des mécanismes, des capteurs, un module informatique, des éléments de puissance autonomes et l'intelligence artificielle elle-même.

Oleg Varlamov

Président de la société Mivar

La plateforme robotique Murom-ISP, créée par les sociétés Mivar et Intelligent Technologies, est un jeu de construction universel : les quatre premiers éléments de base de la liste ci-dessus sont complétés selon les besoins, l'imagination et les moyens. Le cinquième élément, comme dans le film du même nom, ne peut être remplacé : c'est le noyau intellectuel « Razumator ».

"Murom-ISP" a été créé comme terrain d'essai pour le "Razumator". Un robot anthropomorphe pliable doté d'une tête de capteur et d'un châssis mono-axe auto-équilibré d'une hauteur de 165 cm une fois déplié et de 80 cm une fois plié permettra d'élaborer les composants d'un robot autonome et son interaction dans le cadre d'un ensemble plus complexe. complexes.

Caractéristiques techniques du premier prototype Mourom-ISP : le ministère des Situations d'urgence sera ravi

À propos, à propos des aspirateurs robotiques réflexifs. Dans les complexes autonomes comme « Mourom », ces « robots de mauvaise qualité » sont destinés au rôle de mécanismes auxiliaires télécommandés qui servent au sondage, au nettoyage et même aux réparations sur le terrain. Un tel assistant peut, à l'occasion, être envoyé en reconnaissance, mais même la perte d'un ou plusieurs robots auxiliaires n'affectera en rien les performances du complexe.

Doté de mécanismes et de capteurs et contrôlant toute une série de robots auxiliaires, Murom pourrait faire partie d’un complexe plus puissant. Imaginez un puissant système autonome sur une plate-forme Kamaz, transportant au loin une douzaine de Mouroms spéciaux avec une centaine ou deux robots assistants de référence auxiliaires. C’est là que l’imagination des clients civils et militaires est illimitée !

Extérieurement, "Murom" ne brille pas par un attrait particulier, mais la conception du système est complètement équilibrée en termes d'autonomie, de performances et de puissance de calcul. Actuellement, Murom fonctionne sur cinq processeurs Intel Core i5. Selon Vladimir Denisenko, directeur d'Intelligent Technologies, des expériences ont été menées avec diverses plates-formes, notamment des accélérateurs sur les cartes graphiques.

Jusqu'à présent, cinq Intel Core i5 se sont révélés optimaux en termes de performances, d'autonomie et de prix, mais il n'y a aucune connexion avec une plate-forme matérielle et logicielle spécifique. Lorsqu'une plate-forme basée sur des processeurs Elbrus nationaux est nécessaire, une telle version apparaîtra immédiatement.

Murom-ISP : le transporteur basé sur KAMAZ déploie une douzaine de robots autonomes avec des centaines de robots assistants

Les développeurs présenteront une version entièrement fonctionnelle de Murom avec commande vocale, synthèse vocale, manipulateurs et autres fonctions en septembre 2016. Aujourd'hui, « Razumator » peut être utilisé par n'importe qui, à la fois comme produit indépendant et comme composant logique intégré à d'autres systèmes de contrôle - jusqu'au niveau API.

Selon Oleg Varlamov, la société Mivar est ouverte à la coopération avec des entreprises, des institutions, des startups et même des passionnés russes, à qui le Razumator peut être fourni aux conditions les plus avantageuses, y compris des échantillons gratuits.

Un véritable robot autonome doit comprendre la parole et les gestes, penser logiquement, apprendre, proposer des règles et agir de manière indépendante sans la participation d'un opérateur. Les voitures, trains, avions, drones, navires et chars autonomes ne deviendront une réalité qu’avec le bon niveau d’intelligence artificielle. Les nouveaux développements russes dans ce domaine promettent une sérieuse avance sur leurs plus proches concurrents.
Ces dernières années, les termes « intelligence » et « intelligence artificielle » ont perdu leur sens originel. La publicité moderne qualifie d’« intelligent » tout fer à repasser équipé de deux ampoules. Mais un robot aspirateur impuissant dans un enchevêtrement de câbles et l’esprit fantastique de Skynet ne sont même pas des maillons d’une même chaîne évolutive.

Les robots modernes, comme il y a plusieurs décennies, disposent d'une liste limitée d'algorithmes d'action et sont inutiles dans des conditions difficiles sans communication avec l'opérateur - avec de forts rayonnements, sous terre, dans les profondeurs de la mer ou dans l'espace. Le triste exemple de la récente catastrophe de Fukushima a montré qu’aucune télécommande ne peut remplacer un véritable robot autonome.

La plupart des robots sont programmés instinctivement ou contrôlés à distance. Un robot autonome sans intelligence artificielle autonome est impossible.

Le principal problème de la robotique moderne, comme il y a plusieurs décennies, est lié au développement d’une intelligence artificielle décente. Dans certains cas, on peut parler de réussite et même de progrès évidents. Par exemple, les expériences de Google pour créer des voitures autonomes sans conducteur, ou le programme AlphaGo du même Google, qui a vaincu le champion du monde du jeu Go. Ou encore le superordinateur intelligent IBM Watson, capable de comprendre les questions et de trouver des réponses dans la base de connaissances.

Jusqu’à présent, la plupart des développements en matière d’intelligence artificielle ne sont pas adaptés aux robots autonomes. Beaucoup d’entre eux sont limités au domaine d’application choisi, certains nécessitent une puissance de calcul non autonome. Dans certains cas, comme avec le robot Tay de Microsoft, l'intelligence artificielle devient complètement folle après une courte interaction avec les gens.

Aujourd’hui, un robot autonome doit comprendre la parole et les gestes naturels, penser logiquement, apprendre et prendre des décisions indépendantes. Le robot autonome idéal, équipé des capteurs, des outils et de la base de connaissances nécessaires, doit écouter la tâche et rentrer chez lui pour l'accomplir sans poser de questions.

« Razumator » russe : un cerveau universel pour un robot autonome

Les développeurs russes ont toujours été réputés pour leur vision large du problème posé. L'intelligence artificielle "Razumator", créée par la société nationale "Mivar", a été initialement développée comme base pour n'importe lequel types de robots autonomes.

Le noyau logique du logiciel "Razumator", parlant en langage robotique, est un planificateur logique qui offre aux robots la capacité de créer des algorithmes de manière indépendante et de résoudre des problèmes sans participation humaine. La différence entre « l’intelligence » d’un robot aspirateur et l’intelligence artificielle d’un robot autonome est bien expliquée par la diapositive ci-dessous, qui montre la différence entre le niveau réflexif et logique.

Diagramme de recherche sur l'intelligence artificielle 3D

Le travail de l'intelligence artificielle "Razumator" est décrit par le "principe mivar", qui signifie le traitement de bases de données multidimensionnelles avec un modèle contextuel-global, où les données, leur inférence logique et leur traitement sont intégrés en un seul tout, et tous les processus se produisent en temps réel. L'acronyme « MIVAR » (Multidimensionnel Informationnel Variable Adaptive Reality, en anglais, Multidimensionnel Informationnel Variable Adaptive Reality), en accord avec le nom de l'entreprise, avec le développement réussi de la technologie, a toutes les chances d'entrer dans les langues étrangères avec les mêmes droits. ce « spoutnik » est entré une fois.

La technologie d'analyse de données multidimensionnelles permet une prise de décision autonome en temps réel

La principale caractéristique de la technologie mivar est sa vitesse de fonctionnement extrêmement élevée - jusqu'à 5 millions de règles par seconde. Ainsi, pour analyser d’énormes quantités de données et prendre des décisions opérationnelles autonomes, une faible puissance de calcul suffit. Un instant : un ordinateur portable ordinaire peut traiter un graphique à 20 dimensions avec 150 000 sommets sur 600 000 arêtes en temps réel ! Les indicateurs sont si élevés que, selon Oleg Varlamov, personne au monde n'est prêt à les concurrencer.

"Razumator", également présenté sous forme de logiciel en boîte, peut être installé même sur un ordinateur portable classique.

Le « Reasonator » est au cœur du projet complexe « Roboreason », adaptable à tout type de robot autonome. Disons qu'un représentant d'une société d'exploration géologique vienne demain et commande un requin autonome des grands fonds pour les conditions arctiques - l'apparence du robot changera radicalement, mais le cerveau du "Razumator" restera le même, peut-être avec une adaptation supplémentaire à la base de connaissances correspondante.

Plateforme robotique Murom-ISP : un flan universel pour la réalisation de robots autonomes

Un système robotique autonome complet, quel que soit son objectif, comprend cinq éléments de base. La liste comprend des mécanismes, des capteurs, un module informatique, des éléments de puissance autonomes et l'intelligence artificielle elle-même.

Oleg Varlamov

Président de la société Mivar

La plateforme robotique Murom-ISP, créée par les sociétés Mivar et Intelligent Technologies, est un jeu de construction universel : les quatre premiers éléments de base de la liste ci-dessus sont complétés selon les besoins, l'imagination et les moyens. Le cinquième élément, comme dans le film du même nom, ne peut être remplacé : c'est le noyau intellectuel « Razumator ».

"Murom-ISP" a été créé comme terrain d'essai pour le "Razumator". Un robot anthropomorphe pliable doté d'une tête de capteur et d'un châssis mono-axe auto-équilibré d'une hauteur de 165 cm une fois déplié et de 80 cm une fois plié permettra d'élaborer les composants d'un robot autonome et son interaction dans le cadre d'un ensemble plus complexe. complexes.

Caractéristiques techniques du premier prototype Mourom-ISP : le ministère des Situations d'urgence sera ravi

À propos, à propos des aspirateurs robotiques réflexifs. Dans les complexes autonomes comme « Mourom », ces « robots de mauvaise qualité » sont destinés au rôle de mécanismes auxiliaires télécommandés qui servent au sondage, au nettoyage et même aux réparations sur le terrain. Un tel assistant peut, à l'occasion, être envoyé en reconnaissance, mais même la perte d'un ou plusieurs robots auxiliaires n'affectera en rien les performances du complexe.

Doté de mécanismes et de capteurs et contrôlant toute une série de robots auxiliaires, Murom pourrait faire partie d’un complexe plus puissant. Imaginez un puissant système autonome sur une plate-forme Kamaz, transportant au loin une douzaine de Mouroms spéciaux avec une centaine ou deux robots assistants de référence auxiliaires. C’est là que l’imagination des clients civils et militaires est illimitée !

Extérieurement, "Murom" ne brille pas par un attrait particulier, mais la conception du système est complètement équilibrée en termes d'autonomie, de performances et de puissance de calcul. Actuellement, Murom fonctionne sur cinq processeurs Intel Core i5. Selon Vladimir Denisenko, directeur d'Intelligent Technologies, des expériences ont été menées avec diverses plates-formes, notamment des accélérateurs sur les cartes graphiques.

Jusqu'à présent, cinq Intel Core i5 se sont révélés optimaux en termes de performances, d'autonomie et de prix, mais il n'y a aucune connexion avec une plate-forme matérielle et logicielle spécifique. Lorsqu'une plate-forme basée sur des processeurs Elbrus nationaux est nécessaire, une telle version apparaîtra immédiatement.

Murom-ISP : le transporteur basé sur KAMAZ déploie une douzaine de robots autonomes avec des centaines de robots assistants

Les développeurs présenteront une version entièrement fonctionnelle de Murom avec commande vocale, synthèse vocale, manipulateurs et autres fonctions en septembre 2016. Aujourd'hui, "Razumator" peut être utilisé par tout le monde, à la fois comme produit indépendant et comme composant logique intégré à d'autres systèmes de contrôle - jusqu'au niveau API.

Mots clés

ROBOTS MOBILES AUTONOMES / SYSTÈME DE NAVIGATION/SLAM/LOGIQUE FUZZY/ VARIABLES LINGUISTIQUES / INFÉRENCE LOGIQUE Flou / SYSTÈMES ROBOTIQUES MULTI-AGENTS/ ROBOTS MOBILES AUTONOMES / SYSTÈME DE NAVIGATION / LOGIQUE Floue / VARIABLE LINGUISTIQUE / INFÉRENCE DE LOGIQUE FLUUE / SYSTÈMES ROBOTIQUES MULTI-AGENTS

annotation article scientifique sur le génie électrique, le génie électronique, les technologies de l'information, auteur de l'ouvrage scientifique - Mikhailov Boris Borisovich, Nazarova Anaid Vartanovna, Iouchtchenko Arkady Semenovich

De nouvelles méthodes de contrôle et de navigation de robots capables d'un comportement autonome dans un environnement de travail non déterministe sont envisagées. L'activité d'un opérateur humain se résume à surveiller le fonctionnement du système robotique et à définir les tâches en cours. Dans le même temps, des commentaires sont ajoutés, qui peuvent être verbaux. Ainsi, la tâche de contrôle prend le caractère d'un dialogue entre une personne et un robot, accompagné de messages graphiques et vocaux. À cet égard, un rôle important est joué système de navigation, puisque le robot doit évaluer de manière indépendante l'environnement et planifier son chemin, y compris en présence d'autres objets en mouvement dans la zone de travail. La solution automatique à ces problèmes simplifie considérablement la tâche de l’opérateur, mais nécessite le développement d’un système de contrôle « intelligent » pour un robot autonome. Ces tâches incluent également la tâche de retour automatique du robot en cas de perte de communication avec l'opérateur, dont la solution augmente la fiabilité du système robotique. Un changement dans la nature de l'activité de l'opérateur, qui ne contrôle plus directement les mouvements du robot, entraîne un changement dans la nature du système de contrôle, puisqu'il doit prendre en compte les capacités de perception de l'opérateur et la nature des décisions qu'il prend. fait du. L'un des moyens de résoudre ce problème est d'utiliser la logique floue à la fois au stade de la perception de l'information et aux étapes de planification des actions et de prise de décisions opérationnelles. Application des relations espace-temps « naturelles » et variables linguistiques rapproche encore plus le processus de contrôle du dialogue entre l'opérateur et le robot, ce qui permet de définir un système robotique de ce type comme un système de contrôle coopératif. En pratique, la plupart des problèmes résolus robots mobiles autonomes, comme la surveillance du terrain, la reconnaissance radiologique et chimique, la lutte contre les incendies et les catastrophes naturelles, nécessitent la participation d'un groupe de robots mobiles. Certains résultats concernant le contrôle de groupe de robots sont également présentés dans l'ouvrage.

Rubriques connexes ouvrages scientifiques sur le génie électrique, le génie électronique, les technologies de l'information, auteur de l'ouvrage scientifique - Mikhailov Boris Borisovich, Nazarova Anaid Vartanovna, Iouchtchenko Arkady Semenovich

• Navigation et contrôle d'un robot mobile

  2017 / Kershin A.Zh., Ergaliev D.S.

• Perspectives de développement de systèmes robotiques terrestres autonomes à des fins militaires spéciales

  2016 / Lapshov Vladimir Sergeevich, Noskov Vladimir Petrovich, Rubtsov Ivan Vasilievich, Rudianov Nikolay Alexandrovich, Gurji Arthur Ilitch, Ryabov Anatoly Viktorovich, Khrouchtchev Vasily Sergeevich

• Système de positionnement et d'identification pour une plateforme robotique mobile dans des espaces confinés et ouverts

  2018 / Evdokimova Tatiana Sergeevna, Sinodkin Alexey Alexandrovich, Fedosova Lyudmila Olegovna, Tyurikov Maxim Igorevich

• Principaux résultats et axes de recherche prometteurs dans le domaine de la navigation et du contrôle des systèmes robotiques mobiles

  2013 / Lopota Alexander Vitalievich, Polovko Sergey Anatolyevich, Smirnova Ekaterina Yurievna, Plavinsky Mikhail Nikolaevich

• Formation de modèles de réalité virtuelle et de champs d'information et de navigation pour assurer le fonctionnement autonome des RTK spécialisés

  2017 / Lapshov Vladimir Sergeevich, Noskov Vladimir Petrovich, Rubtsov Ivan Vasilievich, Rudianov Nikolay Alexandrovich, Ryabov Anatoly Viktorovich, Khrouchtchev Vasily Sergeevich

• Contrôle intelligent du mouvement des objets en mouvement autonomes basé sur une approche comportementale

  2015 / Beloglazov D.A., Kosenko E.Yu., Kobersi I.S., Solovyov V.V., Shapovalov I.O.

• Perspectives d'utilisation de systèmes robotiques dans l'intérêt d'assurer la sécurité militaire de l'État

  2016 / Kalach Gennady Petrovich, Kalach Gennady Gennadievich, Travnikov Sergueï Anatolyevich

• Système de contrôle de robot miniature dans les tuyaux

  2015 / Vorotnikov Sergey Anatolyevich, Nikitin Nikita Igorevich, Ceccarelli Marco

• Stratégies de contrôle de groupes mixtes dans les systèmes robotiques multi-agents

  2012 / Makarov Igor Mikhaïlovitch, Lokhin Valery Mikhaïlovitch, Manko Sergueï Viktorovitch, Romanov Mikhaïl Petrovitch, Alexandrova Rimma Ivanovna

• Algorithmes locaux de navigation et de cartographie pour le système de contrôle embarqué d'un robot mobile autonome

  2012 / Kuchersky Roman Vladimirovitch, Manko Sergueï Viktorovitch

ROBOTS MOBILES AUTONOMES - NAVIGATION ET CONTRÔLE

Les nouvelles méthodes de contrôle et de navigation de robots mobiles autonomes dans un environnement indéterminé sont à l'étude dans l'article. L'opérateur humain ne peut qu'observer le comportement du système robotique et énoncer les nouvelles tâches. La rétroaction peut prendre la forme d’un discours. Ainsi, la tâche de contrôle acquiert la forme d'un dialogue entre l'homme et le robot accompagné d'informations graphiques et vocales. Un élément important du contrôle du robot autonome est le système de navigation qui prouve au robot qu'il apprécie l'environnement et qu'il peut planifier son propre chemin. Également en présence d'autres objets en mouvement dans la scène. L'automatisation de telles opérations peut rendre suffisamment plus facile les tâches de l'opérateur grâce à l'intellectualisation du système de contrôle du robot mobile. L'une de ces tâches est le retour du robot en cas de perte de communication avec l'opérateur. Le nouveau mode de contrôle de l’opérateur conduit à un nouveau mode de système de contrôle qui doit désormais prendre en considération les possibilités de l’homme de percevoir l’information et d’accepter les décisions nécessaires. L’un des moyens de résoudre le problème consiste à appliquer la logique floue tant au stade de la perception qu’au stade de la planification et de la décision. L'application des relations « naturelles » de l'espace et du temps rend le dialogue semblable au dialogue entre le maître et l'assistant. De tels systèmes robotiques peuvent donc être appelés systèmes coopératifs. Leurs applications pratiques nécessitent généralement la participation d’un groupe de robots autonomes pour accomplir la tâche définie. Certains résultats allant dans ce sens sont également présentés.

Texte d'un travail scientifique sur le thème « Robots mobiles autonomes - navigation et contrôle »

17. Pshikhopov V.Kh., Medvedev M.Yu. Adaptivnoe pozitsionnoe upravlenie podvizhnymi ob"ektami, ne Linearizuemymi obratnoy svyaz"yu, Mekhatronika, avtomatizatsiya, upravlenie, 2015, Vol. 16, non. 8, p. 523-530.

18. Martynova L.A., Mashoshin A.I., Pashkevich I.V., Sokolov A.I. Sistema upravleniya - naibolee slozhnaya chast" avtonomnykh neobitaemykh podvodnykh apparatov, Morskaya radioelektronika, 2015, n° 4 (54), pp. 23-32.

19. Martynova L.A., Mashoshin A.I., Pashkevich I.V., Sokolov A.I. Integrirovannaya sistema upravleniya avtonomnogo neobitaemogo podvodnogo apparata, Materialy 8-y Vserossiyskoy mul"tikonferentsii po problemam upravleniya, Divnomorskoe, 28 septembre - 3 octobre 2015g, Vol. 3, pp. 191-193.

20. Martynova L.A., Mashoshin A.I., Pashkevich I.V., Sokolov A.I. Algorithme, réalisation du système intégré upravleniya ANPA, Izvestiya YuFU. Tekhnicheskie nauki, 2015, n° 1 (162), p. 50-58.

21. Gorodetskiy V.I., Grushinskiy M.S., Khabalov A.V. Mnogoagentnye sistemy (obzor), Novosti iskusstvennogo intellekta, 1998, n° 2, p. 64-116.

22. Rzhevskiy G.A., Skobelev P.O. Comment upravlyat" slozhnymi sistemami ? Mul"tiagentnye tekhnologii dlya sozdaniya intellektual"nykh sistem upravleniya predpriyatiyami. Samara : Ofort, 2015, 290 p.

23. Innocenti B. Une architecture multi-agents à coordination distribuée pour un robot autonome. doctorat mémoire - Universitat de Girona, 2009, 146 p.

Martynova Lyubov Alexandrovna - JSC Concern Central Research Institute Elektropribor ; e-mail: [email protégé]; 190068, Saint-Pétersbourg, avenue Rimski-Korsakov, 49, app. 1; tél.: +79219411395; Centre de Recherche « Systèmes d'éclairage intégrés » ; Docteur en Sciences Techniques ; chercheur principal

Mashoshin Andreï Ivanovitch - e-mail : [email protégé]; 197046, Saint-Pétersbourg, st. Malaisie Posadskaïa, 30 ans ; tél.: +79217632345; Centre de Recherche « Systèmes d'éclairage intégrés » ; Docteur en Sciences Techniques ; Professeur.

Martynova Liubov Alexandrovna - JSC CSRI Elektropribor ; e-mail: [email protégé]; 49-1, pr. Rimskogo-Korsakowa, Saint-Pétersbourg, 190068, Russie ; Carte réseau « ISOO » ; téléphone : +79219411395 ; dr. d'ing. sc.; scientifique senior

Mashoshin Andrey Ivanovith - e-mail : [email protégé]; 32, rue Malaja Posadskaja, Saint-Pétersbourg, 197046, Russie ; téléphone : +79217632345 ; Carte réseau « ISOO » ; dr. d'ing. sc.; professeur

CDU 621,865(075,8)

B.B. Mikhaïlov, A.V. Nazarova, A.S. Iouchtchenko

ROBOTS MOBILES AUTONOMES - NAVIGATION ET CONTRÔLE

De nouvelles méthodes de contrôle et de navigation de robots capables d'un comportement autonome dans un environnement de travail non déterministe sont envisagées. L'activité d'un opérateur humain se résume à surveiller le fonctionnement du système robotique et à définir les tâches en cours. Cela ajoute des commentaires, qui

peut aussi être verbal. Ainsi, la tâche de contrôle prend le caractère d'un dialogue entre une personne et un robot, accompagné de messages graphiques et vocaux. Le système de navigation joue ici un rôle important, puisque le robot doit évaluer de manière indépendante l'environnement et planifier son chemin, y compris en présence d'autres objets en mouvement dans la zone de travail. La solution automatique à ces problèmes simplifie considérablement la tâche de l’opérateur, mais nécessite le développement d’un système de contrôle « intelligent » pour un robot autonome. Ces tâches incluent également la tâche de retour automatique du robot en cas de perte de communication avec l'opérateur, dont la solution augmente la fiabilité du système robotique. Un changement dans la nature de l'activité de l'opérateur, qui ne contrôle plus directement les mouvements du robot, entraîne un changement dans la nature du système de contrôle, puisqu'il doit prendre en compte les capacités de perception de l'opérateur et la nature des décisions qu'il prend. fait du. L'un des moyens de résoudre ce problème est d'utiliser la logique floue à la fois au stade de la perception de l'information et aux étapes de planification des actions et de prise de décisions opérationnelles. L'utilisation de relations spatio-temporelles « naturelles » et de variables linguistiques rapproche encore plus le processus de contrôle du dialogue entre l'opérateur et le robot, ce qui permet de définir un système robotique de ce type comme un système de contrôle coopératif. En pratique, la plupart des tâches résolues par les robots mobiles autonomes, telles que la surveillance du terrain, la reconnaissance radiologique et chimique, la lutte contre les incendies et les catastrophes naturelles, nécessitent la participation d'un groupe de robots mobiles. Certains résultats concernant le contrôle de groupe de robots sont également présentés dans l'ouvrage.

Robots mobiles autonomes ; système de navigation; CLAQUER; logique floue; variables linguistiques; inférence logique floue ; systèmes robotiques multi-agents.

B.B. Mikhaïlov, A.V. Nazarova, A.S. ROBOTS MOBILES AUTONOMES Yuschenko - NAVIGATION ET CONTRÔLE

Les nouvelles méthodes de contrôle et de navigation de robots mobiles autonomes dans un environnement indéterminé sont à l'étude dans l'article. L'opérateur humain ne peut qu'observer le comportement du système robotique et énoncer les nouvelles tâches. La rétroaction peut prendre la forme d’un discours. Ainsi, la tâche de contrôle acquiert la forme d'un dialogue entre l'homme et le robot accompagné d'informations graphiques et vocales. Un élément important du contrôle du robot autonome est le système de navigation qui prouve au robot qu'il apprécie l'environnement et qu'il peut planifier son propre chemin. Également en présence d'autres objets en mouvement dans la scène. L'automatisation de telles opérations peut rendre suffisamment plus facile les tâches de l'opérateur grâce à l'intellectualisation du système de contrôle du robot mobile. L'une de ces tâches est le retour du robot en cas de perte de communication avec l'opérateur. Le nouveau mode de contrôle de l'opérateur conduit à un nouveau mode de système de contrôle qui doit désormais prendre en considération les possibilités de l'homme de percevoir l'information et d'accepter les décisions nécessaires. L'un des moyens de résoudre le problème est l'application de la logique floue à la fois " Au stade de la perception et au stade de la planification et de la décision. L'application des relations "naturelles" de l'espace et du temps rend le dialogue similaire au dialogue entre le maître et l'assistant. Ainsi, de tels systèmes robotiques peuvent être appelés systèmes coopératifs. les applications pratiques nécessitent généralement la participation d'un groupe de robots autonomes pour accomplir la tâche définie. Quelques résultats dans cette direction sont également présentés.

Robots mobiles autonomes ; système de navigation; CLAQUER; logique floue; variable linguistique; inférence de logique floue ; systèmes robotiques multiagents.

Introduction. Les robots mobiles modernes peuvent se déplacer de manière indépendante dans l'espace environnant et effectuer les actions nécessaires à l'aide de manipulateurs. Le robot est équipé d'un système de vision technique et d'un ensemble de capteurs d'informations qui peuvent former une image complète de la situation actuelle. La base de connaissances du robot lui permet de naviguer de manière indépendante dans l'environnement et de prendre des décisions sur les actions nécessaires pour résoudre la tâche. Ainsi, le mobile manipulateur

Le robot est un système technique « intelligent » capable d’un comportement autonome. Cependant, dans la plupart des tâches exécutées dans des conditions prédéterminées et associées à un « coût » élevé d'erreurs dues à des actions incorrectes, la participation d'un opérateur humain au contrôle du robot est toujours supposée.

L'utilisation de la robotique dans diverses applications liées à la résolution de problèmes particuliers nécessite une simplification maximale des méthodes d'interaction entre les humains et les robots. Le moyen le plus naturel d’une telle interaction est le contrôle du dialogue vocal. La tâche de contrôle du robot de la part de l'opérateur dans ce cas comprend le dialogue dans un langage orienté problème, proche du naturel, et l'observation des actions du robot. La formulation du problème de contrôle dans ce cas est modifiée, puisque le robot ne devient plus un objet de contrôle, mais un sujet-partenaire technique, capable de déterminer indépendamment ses sous-objectifs et sa ligne de comportement dans l'intérêt de la tâche générale fixée par le opérateur. Le rôle de retour d'information dans le système de contrôle interactif est assuré par des messages vocaux du robot à l'opérateur, visant à clarifier les commandes, à informer l'opérateur sur la situation actuelle ou sur la réalisation de l'objectif.

Un rôle particulier dans la résolution des problèmes de contrôle des robots autonomes appartient au système informationnel et sensoriel, qui doit analyser de manière indépendante la situation actuelle, planifier ses actions et en même temps interagir avec un opérateur humain dans un langage proche du langage naturel. Il doit rechercher et détecter de manière autonome les objets dangereux et se déplacer librement dans un espace pouvant contenir d'autres objets en mouvement. Si la communication avec l'opérateur est perdue, le robot doit revenir de manière indépendante, à l'aide des informations reçues et stockées sur le monde extérieur, à sa position d'origine.

Le contrôle opérateur d’un robot autonome prend un nouveau caractère. Il ne s’agit plus de contrôle direct des mouvements, mais de définition de tâches. Les conditions d'accomplissement des tâches n'étant pas toujours réunies, le contrôle prend le caractère d'un dialogue entre une personne et un système de contrôle intelligent. Ce dernier participe à parts égales à la planification des opérations et à la prise de décisions. Ces types de systèmes robotiques sont appelés systèmes de contrôle coopératif.

Le champ d’application des robots autonomes est très large. Cela comprend la recherche et la neutralisation d'objets dangereux, les tâches de reconnaissance radiologique et chimique et le travail dans la zone de catastrophes d'origine humaine et naturelle. De tels systèmes robotiques sont également utilisés dans le domaine civil comme robotique de service. Des robots de service sont déjà apparus et remplissent avec succès les fonctions de service aux visiteurs dans les musées, les aéroports et les magasins. L'utilisation de robots de service dans les établissements médicaux est particulièrement importante, notamment comme moyen de réadaptation des patients. Les robots de service de téléprésence sont activement utilisés, vous permettant de rester à distance dans une pièce et de vous y déplacer, en observant ce qui se passe autour de la caméra vidéo du robot.

L’utilisation pratique de robots mobiles autonomes a conduit à la nécessité de la participation simultanée non pas d’un, mais d’un groupe de robots en interaction dans l’exécution des tâches assignées. La théorie du contrôle de groupe des robots intelligents en est au stade initial de son développement. Néanmoins, certains résultats ont été obtenus dans ce domaine.

1. Navigation et déplacement dans l'espace avec obstacles mobiles. Nous considérons le fonctionnement d'un robot mobile dans une pièce dont l'aménagement est inconnu à l'avance. La pièce contient à la fois des obstacles statiques (murs,

tables, chaises) et mobiles (personnes, autres robots). Le robot mobile est équipé d'un télémètre laser à balayage, qui reçoit un balayage du relief des objets environnants dans un plan parallèle à la surface sous-jacente. Il est nécessaire de déterminer en temps réel la position du robot mobile dans le système de coordonnées associé à la pièce (tâche de localisation), et également de construire une carte de cette pièce, affichant le relief des murs et des objets fixes. Ce type de système de contrôle est connu sous le nom de systèmes SLAM (System of Localization and Mapping).

La structure fonctionnelle du système de navigation du robot mobile est illustrée à la Fig. 1 Une caractéristique de la structure proposée est son indépendance par rapport au type de châssis de robot mobile, ainsi qu'à la présence et au type de capteurs d'odométrie, ce qui permet au système de navigation en cours de développement d'être utilisé sur tous les types de robots mobiles opérant en intérieur.

Pour accomplir ses tâches, le robot doit se déplacer le long d'un itinéraire donné et en même temps respecter les mesures de sécurité, y compris en présence d'objets en mouvement dans la zone de travail. Ainsi, le robot se déplace de manière autonome à l'aide d'un système de navigation, tandis que l'opérateur remplit uniquement la fonction de définition de la tâche. Un mode semi-automatique, par exemple un mode de téléprésence, dans lequel la tâche de l'opérateur est considérablement simplifiée, n'est pas exclu.

Lors de la première étape de fonctionnement du système de navigation, la tâche de filtrage du scan est résolue en supprimant les fausses mesures à l'aide d'un filtre spécial. Pour résoudre le problème de l'analyse du modèle d'environnement de travail, la méthode des distributions normales (NDT - Normal Distribution Transform) a été étudiée dans un premier temps. Dans ce cas, la carte de la pièce est divisée en cellules, chacune contenant non pas les points eux-mêmes, mais les paramètres de la distribution normale de tous les points qui y tombent. En résolvant le problème de minimiser la fonction de corrélation croisée du scan et de la carte, il est possible de déterminer la position du robot à partir duquel le scan actuel a été obtenu

Riz. 1. Schéma fonctionnel du système de navigation du robot mobile

L'analyse de cette méthode a montré qu'elle limite considérablement la vitesse de déplacement d'un robot mobile, puisque tous les calculs sont effectués en temps réel. Par conséquent, une nouvelle méthode a été proposée dans laquelle le balayage obtenu à l'aide d'un système de capteurs d'informations est converti en une fonction de grille. Dans ce cas, chaque point de balayage est converti en une fonction continue, puis ils sont combinés selon le principe de superposition sélectionné et superposés sur la carte quadrillée, formant ainsi une fonction grille. La méthode de la fonction de grille, comme la méthode de distribution normale, est basée sur la comparaison de l'analyse et de la carte résultante à l'aide d'une fonction de corrélation croisée. Pour minimiser cette fonction, une méthode de Newton modifiée a été utilisée. Après avoir résolu le problème SLAM, la position du robot sur la carte peut être calculée en utilisant une transformation du système de coordonnées du télémètre laser vers le système de coordonnées du robot mobile. Une analyse comparative des deux méthodes de localisation considérées a montré que l'avantage de la nouvelle méthode des fonctions de grille réside dans la zone de convergence élargie, qui permet d'augmenter considérablement la vitesse de déplacement du robot mobile.

La spécificité du contrôle d’un robot mobile dans un environnement dynamique est que le mouvement des obstacles ne peut être calculé à l’avance. Pour éviter les collisions avec des obstacles en mouvement, vous devez connaître leur position et prédire leur trajectoire. Vous pourrez ensuite vous déplacer le long de la trajectoire prévue, en vous en écarter au bon moment afin de manœuvrer et contourner l'obstacle. Un algorithme de contrôle d'un robot dans un environnement dynamique est proposé, basé sur le traçage d'obstacles en mouvement. Dans un premier temps, le problème de la planification d'itinéraire est résolu à l'aide d'une carte de la pièce construite par la méthode de la fonction de grille. Pour cela, l’algorithme bien connu A* est utilisé. Ensuite, le problème du suivi des obstacles en mouvement est résolu - déterminer le vecteur actuel de l'état de l'obstacle à chaque instant, synchronisé avec l'obtention d'un nouveau scan. Pour construire une liste d'obstacles, les points d'analyse sont d'abord classés et regroupés. Le clustering dans ce cas est effectué en fonction de la distance euclidienne entre les points de scan. La valeur seuil est calculée en fonction de la distance au point et de la résolution angulaire du télémètre laser.

Chaque objet en mouvement est traité afin d'obtenir les paramètres correspondants de la circonférence globale. Après avoir trouvé le cercle global, vous pouvez obtenir une estimation du vecteur d'état complet de l'objet en mouvement (Fig. 2).

L'algorithme développé prédit la nouvelle position de cet objet à l'aide d'équations cinématiques (on suppose que l'objet observé est un corps rigide se déplaçant le long d'un plan) et du vecteur précédent de son état. Ensuite, en utilisant la prédiction obtenue et les paramètres du cercle global, la (&+1)-ième estimation de la position de l'objet est déterminée :

Riz. 2. Pour déterminer la position d'un objet en mouvement

k+1 = K ■ xki + (1 - K) ■ xkr =

Royaume-Uni+1 = K ■ Royaume-Uni + (1 - K) ■ Royaume-Uni

où xki, uki sont la position mesurée de l'objet, xcr, ukr sont la position prédite de l'objet, K est le coefficient de filtration.

Ensuite, la longueur du mouvement et la direction dans laquelle il a été effectué sont déterminées :

xk+1 - xk) Fki = 2agC£

(Royaume-Uni+1 -Royaume-Uni U

V xk+1 - xky L'estimation de l'angle de cap est également calculée :

Fk+1 = Kf ■Fki + (1 - Kf) ■Fkr Les vitesses sont déterminées en estimant la dérivée de la longueur du trajet parcouru et l'incrément de l'angle de cap :

Les tâches consistant à suivre un itinéraire planifié et à éviter les obstacles en mouvement sont résolues conjointement, car lorsqu'ils se déplacent le long d'une trajectoire donnée, les objets en mouvement peuvent se retrouver à proximité de cette trajectoire. Dans ce cas, il est nécessaire d’effectuer une manœuvre de contournement. La poursuite du mouvement, quel que soit l'état précédent, doit être optimale selon le critère choisi.

Pour confirmer la méthode de contrôle proposée, une expérience a été réalisée, comprenant notamment la construction d'un plan de la pièce, la détermination de la précision de localisation et l'évaluation de la qualité du contrôle du robot en présence d'obstacles dynamiques (Fig. 3).

Riz. 3. Mener des expériences sur la navigation des robots mobiles

La précision de localisation mesurée était de 0,68 ± 0,45° pour l'angle de rotation et de 0,4 ± 0,8 cm pour la position, ce qui constitue un bon résultat qui dépasse les analogues existants. Les indicateurs de qualité du contrôle étaient basés respectivement sur la longueur du trajet, le temps de fonctionnement et la distance jusqu'à l'obstacle : Lpath = 2,4 ± 0,6 m, TraA = 6,8 ± 1,3 s, Dmax = 0,5 ± 0,2 m.

Le système de navigation développé a trouvé son application dans un véritable robot de service, construit par la société Neurobotics pour patrouiller les locaux afin de rechercher des personnes présentant un état psycho-émotionnel altéré. Son domaine d'application : gares, aéroports, centres commerciaux et autres lieux très fréquentés.

2. La tâche de retour automatique du robot. A noter que, malgré le haut degré d'autonomie d'un robot mobile intelligent, il doit toujours être contrôlé par un opérateur qui définit les tâches en cours en fonction des informations reçues. De plus, dans la plupart des tâches, les robots mobiles sont directement contrôlés à distance par un opérateur. Si la communication est perdue, la visibilité se détériore et dans d'autres cas où le contrôle semi-automatique ne peut pas être utilisé, le problème se pose du retour automatique du robot à l'opérateur. Si les principaux problèmes sont résolus à distance, il n'est pas toujours conseillé d'utiliser un télémètre laser coûteux pour résoudre ce problème à l'aide de la méthode SLAM. Par conséquent, dans des situations extrêmes, une alternative à ces méthodes est l'odométrie visuelle - une méthode permettant d'estimer le déplacement linéaire et angulaire d'un robot en analysant une séquence d'images prises par une caméra installée sur celui-ci.

Dans le tableau 1 propose une comparaison des principales méthodes utilisées aujourd’hui pour résoudre les problèmes de navigation des robots mobiles. Il montre les avantages « + » et les inconvénients « - » des méthodes de navigation envisagées lors de la résolution du problème du retour du robot. Cette comparaison montre la faisabilité de l'utilisation de la méthode d'odométrie visuelle.

Tableau 1

Comparaison des méthodes de navigation des robots mobiles autonomes

S % O Balises SLAM Roue-inertie. Visuel du compteur kilométrique. odométrie

Ne pas accumuler d'erreur + + + - -

Grande précision sur trajectoires courtes - - +/- + +

Travaille dans un environnement non déterministe + - + + +

Ne réduit pas la précision en intérieur - - + + +

La taille du territoire n'est pas limitée. + - - + +

Invariant au patinage des roues + + + - +

Ne nécessite pas d'objets fixes + - - + +

Invariant aux changements de l'environnement + + - + +

En figue. La figure 4 montre la séquence des étapes de fonctionnement d'un odomètre visuel. Pour son fonctionnement, des paires d'images sont périodiquement introduites, obtenues à l'aide de deux caméras de télévision situées à bord du robot, et pour chacune, les procédures répertoriées sur la figure 4 sont effectuées. Après avoir aligné les images, des points spéciaux sont identifiés sur l'image de gauche qui peuvent être distingués de manière fiable des autres, par exemple les coins d'objets, les taches, les changements brusques de luminosité, etc. Les points correspondants sont situés dans l'image de droite. Le calcul des coordonnées spatiales de points spéciaux est effectué lors de la résolution du problème de triangulation en utilisant la différence de position des images du même point provenant de deux caméras de télévision. Pour calculer le déplacement du robot, l'évolution de la position de points spéciaux au fil du temps est surveillée. L'algorithme de Lucas et Kened et le filtrage de Hirschmuller ont été utilisés.

Riz. 4. Séquence des étapes de fonctionnement du compteur kilométrique visuel

Calculer le mouvement d'un robot est un problème statistique. La précision de sa solution est obtenue grâce au nombre de points. En figue. La figure 5 montre le mouvement du système de coordonnées du robot lors des changements de cadre. Le système de coordonnées 0°X0У0 20 est stationnaire. 0СХСУС2С - position du système de coordonnées du robot à l'heure actuelle. 0 р HRUR2Р - à un moment antérieur. - points singuliers fixes de l'espace. Soit les coordonnées du ème point spécial de l'espace dans le système de coordonnées du robot à l'instant actuel Cr = (X C УУС 2С)Т, les coordonnées du même point de l'espace à un instant précédent Р1 = (Хр Ур 2р )Т, N points sont trouvés. Nous décrirons le changement de position du système de coordonnées du robot sous la forme :

C( =R1 + T, 1 = mG,

(G11 G12 G13\

g21 g2 2 g2 z I - matrice de rotation

entreprise. La tâche consiste à obtenir une estimation de T et I lors de la résolution du système résultant (surdéterminé) d'équations algébriques linéaires à l'aide de la méthode des moindres carrés. Plus les coordonnées sont fixes, moins la solution est sensible à l'erreur de détermination des coordonnées de points singuliers.

Riz. 5. Déplacer le système de coordonnées du robot

Les coordonnées actuelles du robot sont estimées en calculant les déplacements T et R. Lorsque des points particuliers disparaissent du champ de vision des caméras de télévision, ils sont exclus et remplacés par de nouveaux, ce qui permet de mesurer des coordonnées dans un environnement changeant. . La détermination des coordonnées du robot permet de construire une trajectoire de retour automatique vers l'opérateur à l'aide de splines du troisième degré.

Le schéma du système de contrôle qui fournit une description de la trajectoire basée sur les données d'odométrie visuelle et le retour automatique le long de celle-ci est présenté sur la Fig. 6. En mode "manuel" normal, l'opérateur contrôle le robot à l'aide du joystick J, en réglant les vitesses linéaires et angulaires v** et w**. Ces signaux sont reçus via l'émetteur-récepteur RF et entrent dans le système de commande d'entraînement D où ils sont convertis en vitesses angulaires des roues q1 et q"2. L'odomètre visuel VO calcule les vitesses linéaires et angulaires du robot et, le calcul de ce qui permet d'estimer ses coordonnées actuelles x, y et le cap a. Le bloc de navigation NVG enregistre la trajectoire parcourue par le robot, supprimant les boucles et le bruit. En cas de perte de communication, le bloc RF fera passer le système en mode "auto", dans lequel le robot revient automatiquement le long de la trajectoire enregistrée. Pour cela, le bloc NVG fournit les coordonnées x* et y* du premier point pf de la trajectoire. Le robot se déplace jusqu'à ce point en utilisant les données de l'odomètre visuel comme retour de position.

Une étude expérimentale du système de retour automatique proposé installé sur un robot mobile a été réalisée en conditions réelles. Dans un premier temps, l'opérateur, à l'aide d'un joystick, a guidé le robot jusqu'au point final le long d'une trajectoire arbitraire, qui a été enregistrée selon l'algorithme proposé.

Riz. 6. Schéma du système de contrôle du robot mobile

Lorsque le robot a atteint le point final, une perte de communication a été simulée et l'opérateur a basculé le système de contrôle en mode automatique. Dans un deuxième temps, le robot revient automatiquement vers l'opérateur (au point de départ) selon la description de la trajectoire enregistrée.

À chaque passage, après le retour du robot, les coordonnées du point d’arrêt ont été mesurées et l’erreur quadratique moyenne de la sortie du robot jusqu’au point de départ par rapport à la longueur de la trajectoire a été estimée. Au total, environ 100 parcours sur différentes trajectoires ont été effectués à des fins de test. Des études expérimentales ont été réalisées en intérieur, en extérieur et dans un parc. Ils ont montré que les meilleurs résultats peuvent être obtenus en combinant les données d'un odomètre visuel avec d'autres moyens d'odométrie - l'odométrie des roues et les données d'un compteur de vitesse angulaire inertielle. L'erreur quadratique moyenne du retour au point de départ n'était pas supérieure à 3 %. A noter que les expériences ont également été réalisées dans des conditions défavorables à l'odométrie visuelle.

viyas : au crépuscule et dans l'obscurité, sur des surfaces sous-jacentes planes. Cependant, même dans ces conditions, l'utilisation de l'odométrie visuelle a permis d'améliorer considérablement la précision du système de navigation.

3. Modèle flou de la situation actuelle. Le contrôle des robots mobiles autonomes par l'opérateur prend le caractère d'une définition de tâches et d'un dialogue qui accompagne leur mise en œuvre. Dans ce cas, il convient d'utiliser des relations espace-temps « naturelles » d'un point de vue humain, ce qui facilite considérablement la tâche de contrôle du robot. Pour organiser le contrôle interactif d'un robot mobile, il est conseillé d'utiliser des méthodes de logique floue. Ces méthodes se sont révélées très efficaces pour décrire le monde extérieur et la situation actuelle à l'aide de variables linguistiques. Le développement de cette approche, appliquée au problème du contrôle des robots, consiste à trouver une évaluation « naturelle » de la situation dans le même sens, et à prendre une décision dans des conditions prédéterminées qui déterminent le comportement du robot.

La description du monde extérieur du robot comprend à la fois une description des objets d'intérêt pour effectuer une opération donnée et des relations spatiales entre les objets du monde, y compris le robot lui-même. Les relations floues extensionnelles et intentionnelles sont utilisées pour décrire les relations spatiales entre les objets de la scène de travail. Les premiers incluent les relations entre la position et l'orientation des objets. Par exemple, « l’objet a1 est loin et devant à droite de l’objet a2 ». Les relations intentionnelles incluent des relations telles que le toucher ; être à l'intérieur; être dehors; être au centre, etc. A partir de relations binaires spatiales élémentaires, il est possible, en utilisant les règles formelles de conjonction et de disjonction, d'obtenir d'autres relations rencontrées dans la pratique.

La situation actuelle, qui comprend M objets, dont un robot contrôlé, est décrite par un système de trames binaires (<объект m>, <отношение>, <объект п>), m, je=1,2,...,M. Si des relations binaires floues sont établies à l'avance entre tous les objets pouvant être observés par le robot en mouvement, alors nous obtiendrons un réseau sémantique flou, ou une carte floue. A l'aide d'une telle carte, il est notamment possible de faire naviguer le robot en fonction de repères observés, c'est-à-dire sur des objets dont la position était connue à l'avance. L'image de la situation actuelle peut inclure d'autres signes flous, en plus des signes spatiaux. Par exemple, un robot mobile conçu pour protéger une pièce contre le feu peut disposer de capteurs de température, d'humidité, de composition de l'air (présence de substances nocives ou de fumée) et de capteurs acoustiques. L'ensemble de ces données détermine la direction du déplacement vers la source de l'incendie.

Une caractéristique importante du problème du contrôle d'un robot mobile équipé d'un système de vision technique utilisant un modèle flou de la scène de travail est que pendant le mouvement l'échelle de l'image perçue par la caméra de télévision installée sur le robot change. Il change en fonction de la distance à l'obstacle et de l'angle de cap. Cet effet conduit à la nécessité d’introduire une fonction d’appartenance bidimensionnelle pour déterminer la position actuelle du robot dans l’avion. Par exemple, la fonction d'appartenance par orientation (par angle de cap) dépend également de la portée D. Cette caractéristique du système technique de vision d'un robot mobile autonome correspond à la loi de perspective spatiale caractéristique de la vision humaine naturelle.

Étant donné que le monde extérieur change continuellement à la fois en raison du mouvement des objets observés et du mouvement du robot lui-même, la description de la situation change avec le temps. Cette circonstance nécessite de prendre en compte, dans le cas général, non seulement les relations spatiales, mais aussi temporelles dans le monde extérieur, telles que

« être en même temps », « être avant », « suivre ». De telles relations doivent être utilisées notamment lors du contrôle de robots mobiles se déplaçant dans un espace contenant d'autres objets en mouvement. Ils vous permettent de suivre automatiquement les objets en mouvement ou d'éviter les collisions avec eux.

Dans le cas général, la situation est déterminée par un cadre dont les emplacements sont les noms d'objets du monde extérieur, les relations naturelles entre les objets, à la fois spatiales et temporelles, ainsi que d'autres caractéristiques qui caractérisent la situation. Une comparaison de la situation observée avec une des situations de référence contenues dans la base de connaissances est réalisée selon certains critères de proximité floue des situations, de sorte que l'évaluation par le robot de la situation ainsi obtenue n'est rien d'autre qu'une appréciation formalisée et moyennée d'un situation similaire par une personne.

L'ensemble des désignations (noms) d'objets donnés dans l'espace de la scène de travail et les relations floues entre eux constituent le dictionnaire du langage formel de description de la situation. En utilisant le D.A. entré La terminologie de Pospelov peut être appelée le langage utilisé pour décrire des situations de relations logiques formelles, le langage situationnel. En langage situationnel, un dialogue peut s'organiser entre un robot et une personne lors de l'analyse d'une situation. L'organisation dialogique de l'interface permet au robot de formuler des requêtes à l'opérateur en l'absence des informations nécessaires pour construire un modèle du monde extérieur.

4. Contrôle de dialogue du robot mobile. Après avoir décrit la situation actuelle dans le langage des variables linguistiques et des relations floues, il est possible de définir le comportement d'un robot autonome dans un environnement externe non entièrement défini à l'aide de règles de type production floue. Il est possible d'identifier a priori des stéréotypes comportementaux déterminés par la situation actuelle. Ils sont parfois considérés comme un analogue du comportement conditionné stimulus-réponse. Ces stéréotypes comportementaux prennent la forme de règles de production : « si la situation est Si, alors la tactique est T ». Par tactique, nous entendons un ensemble de règles de comportement exprimées à l'aide de variables linguistiques et déterminées par l'objectif. Ces règles correspondent à une situation typique avec un mouvement typique prédéterminé du robot. Par exemple : « si la cible est loin, alors déplacez-vous rapidement », « si la cible est proche, alors déplacez-vous lentement ». On suppose que des situations typiques peuvent être préprogrammées dans la base de connaissances floues du robot en utilisant l'expérience d'un opérateur humain. A l'aide de cette base, vous pouvez créer un ensemble de règles de comportement (tactiques) correspondant à la poursuite d'un nouvel objet, se rendre à un certain point précisé sur une carte électronique, franchir une porte, éviter un obstacle apparu soudainement sur le chemin de le but, l'accompagnement des objets en mouvement, etc. La présence de tactiques reçues par le robot à l'avance ou pendant le processus de formation simplifie considérablement la tâche de l'opérateur, le soulageant du contrôle du robot lors de la résolution de tâches de routine. Dans le même temps, les tactiques elles-mêmes peuvent être intégrées à la base de connaissances du robot en entraînant un réseau neuro-flou, qui constitue la base d’un contrôleur flou.

L'objectif de contrôler un robot mobile, dont le système de contrôle contient un contrôleur flou, est formalisé comme un système de règles de décision floues. Pour prendre une décision par le contrôleur flou d'un robot mobile, l'un des schémas d'inférence floue bien connus peut être utilisé. Le plus souvent, le schéma Mamdani est utilisé, qui contient à la fois une procédure de fuzzification (réduction au flou) des lectures de capteurs qui déterminent la position relative du robot et de la cible, et une procédure de défuzzification, c'est-à-dire apporter la clarté aux commandes de contrôle reçues sous forme floue, ce qui est nécessaire pour générer des signaux de commande.

En général, les tactiques comportementales du robot sont déterminées par le cadre de tâches, qui peut être représenté comme suit :<текущая ситуация S1> <объект управления а0> <имя операции>Objets associés j >< условия выполнимости операции >. L'objet de contrôle par défaut est le robot mobile lui-même, dont les capacités sont disponibles dans la base de données. Ces capacités (dimensions, poids, puissance de propulsion, vitesse, maniabilité, etc.) déterminent les conditions de faisabilité de l'opération, en tenant compte de la situation actuelle et des propriétés de l'environnement de travail (terrain, adhérence des roues au sol, charge -propriétés portantes du sol, nature des obstacles). Les conditions de faisabilité d'une opération peuvent également inclure la vérification des postconditions qui doivent être satisfaites une fois l'opération terminée. Peut-être que les conditions de faisabilité de l’opération nécessiteront l’exécution de mouvements de recherche spéciaux, que nous classons comme « opérations cognitives » et qui devraient également être contenus dans la base de connaissances du robot.

Une commande opérateur ne comprend généralement que deux éléments :<имя операции > <сопутствующие объекты>. Par exemple,<преодолеть > <порог П>. Dans ce cas, la formalisation de la situation actuelle et la vérification des conditions de faisabilité de l'opération doivent être effectuées par le système lui-même.

L'opérateur ne peut indiquer au robot que le but final du mouvement dans un espace dont la structure est partiellement connue. Dans ce cas, se pose le problème de la planification autonome des mouvements, qui nécessite une attention particulière. La solution à un tel problème assure l'établissement d'une trajectoire dans l'espace avec des obstacles connus, qui présente les meilleurs indicateurs de qualité dans un sens ou dans un autre, et sa replanification lorsque des obstacles imprévus apparaissent. La planification s'accompagne d'un dialogue avec l'opérateur lorsqu'une ambiguïté surgit ou lorsqu'il est nécessaire de clarifier l'objectif. Si l'objectif est mal fixé ou si le planificateur n'a pas identifié une séquence réalisable de mouvements menant à l'objectif, alors une demande s'adresse à l'opérateur, exigeant une clarification de l'objectif ou des conditions de sa réalisabilité.

L'organisation d'un système de contrôle interactif implique la création d'une interface vocale, qui comprend un module de reconnaissance et un analyseur linguistique. Le premier module est un dispositif permettant de convertir les signaux vocaux et de les interpréter sous forme de mots ou de phrases individuelles. L'analyseur linguistique effectue une analyse syntaxique et sémantique de l'énoncé, à la suite de laquelle les emplacements du cadre pour décrire les actions doivent être remplis.

L'utilisation d'un système de contrôle interactif simplifie considérablement la tâche de contrôle du robot, car dans ce cas, l'opérateur n'a pratiquement pas besoin de compétences particulières. Par conséquent, nous pouvons supposer que la méthode de contrôle interactif se généralisera bientôt lors du contrôle de robots de service et spéciaux à des fins diverses.

5. Gestion d'un groupe de robots autonomes. L'application pratique des robots mobiles intelligents dans les zones associées à un risque pour l'homme a conduit à la conclusion qu'il est conseillé de contrôler un groupe de robots résolvant conjointement un problème commun. Des exemples typiques de telles tâches sont les opérations de reconnaissance, de sauvetage et de liquidation en cas d'accidents survenus dans diverses installations présentant des risques chimiques et radiologiques. Cela pose le problème de l'organisation du travail coordonné de robots autonomes en interaction qui forment un système robotique multi-agents (MRTS).

Une analyse préliminaire a montré que pour résoudre des problèmes complexes dans des conditions d'incertitude, il est plus approprié d'organiser un système distribué de type hybride, qui est une combinaison de systèmes centralisés et

systèmes décentralisés. Ici, l'équipe est gérée par l'échange d'informations entre agents, et le traitement des données est effectué par le centre de contrôle.

Le système comprend un centre de contrôle, une équipe d’agents robotiques avec différentes « spécialisations » et des équipements auxiliaires. Les fonctions de l'opérateur humain incluent la surveillance de l'état du système et la prise de décisions dans des situations complexes. Le centre de contrôle forme des commandes pour gérer l'équipe dans son ensemble et traite les informations reçues par les robots en cours d'exécution de la tâche. Les robots, selon leurs fonctionnalités, peuvent effectuer des opérations de reconnaissance, de recherche ou technologiques. Conformément aux instructions du centre de contrôle, les robots sont regroupés en groupes grâce à la messagerie et se répartissent les tâches entre eux en tenant compte d'un critère d'optimalité donné.

En figue. La figure 7 montre un schéma fonctionnel du système de contrôle hiérarchique MRTS développé, construit sur un principe modulaire. Le centre de contrôle, qui constitue le premier niveau du système de contrôle, contient une unité de génération de commandes, chargée de développer une séquence de commandes et de les transmettre aux robots, et une unité de traitement de données, qui reçoit des informations des agents robots et des informations auxiliaires. et des équipements de mesure.

Le deuxième niveau est responsable de la planification globale des actions MRTS : décomposition des tâches résolues par MRTS en tâches plus simples et leur répartition entre les robots. Le résultat du travail des algorithmes correspondants est la détermination des coordonnées du point cible pour chaque robot.

Le troisième niveau assure la formation de trajectoires de mouvement des robots à l'aide d'algorithmes de planification locale basés sur un analogue de la méthode potentielle. Pour former des trajectoires de mouvement, il est nécessaire de déterminer les coordonnées actuelles des robots dans l'espace de travail ; cette tâche est résolue par un système de navigation combiné.

Riz. 7. Structure du système de contrôle MRTS

Le quatrième niveau (exécutif) interagit directement avec tous les éléments du MRTS et de l'environnement externe, il est responsable de la génération des signaux de commande pour les entraînements du robot, les capteurs de navigation, les équipements spéciaux et auxiliaires, et prend en charge le fonctionnement du système de capteurs.

La résolution des problèmes de planification globale est nécessaire lors de la mise en œuvre d’un contrôle à la fois centralisé et multi-agents. Dans le cas d'un contrôle centralisé, les tâches d'une équipe de robots sont réparties par le centre de contrôle selon un critère d'optimalité donné (en règle générale, c'est le moment de résoudre un problème global).

Le moyen le plus simple de résoudre le problème du contrôle centralisé - la méthode de la force brute - est inapproprié dans la plupart des cas, car il nécessite un temps de résolution important. Les méthodes évolutives (algorithmes génétiques) nécessitent également beaucoup de temps en raison de la complexité des calculs. À cet égard, pour contrôler un groupe de robots en temps réel, un algorithme de « prix » plus simple a été développé, mis en œuvre et étudié. Dans ce cas, le centre de contrôle de chaque robot forme un tableau de prix (Cy), où I = 1,2,...,i - nombre de robots, y = 1,2,...,m - nombre de tâches . Ce tableau contient les coûts estimés du robot (par exemple, temps ou énergie) pour accomplir chaque tâche. Le centre de contrôle doit répartir les tâches dans un groupe de robots de manière à ce que les valeurs de « prix » correspondantes tendent vers le minimum possible (Fig. 8).

Riz. 8. Centralisé Fig. 9. Distribution multi-agents

répartition des tâches dans un groupe de tâches dans un groupe

Avec un grand nombre de robots inclus dans le groupe, le contrôle centralisé présente un certain nombre d'inconvénients, notamment une faible fiabilité du système, une charge élevée sur les canaux radio et une consommation élevée de ressources informatiques du centre de contrôle. De plus, une approche centralisée est inefficace lorsque les paramètres de la zone de travail changent rapidement. La deuxième approche de répartition des tâches dans un groupe de robots ne présente pas ces inconvénients - le contrôle multi-agents, lorsque les robots, en cours de négociations, répartissent indépendamment les tâches entre eux, également guidés par un critère d'optimalité donné (Fig. 9).

Cette répartition des tâches est mieux assurée par un modèle de négociation de type enchères basé sur l'échange d'informations entre agents individuels. Lors d’une vente aux enchères, certaines ressources, comme l’énergie, dont les agents ont besoin pour atteindre un objectif sont « mises en vente ». Les ressources étant limitées, les agents se font concurrence dans le cadre d’un processus « d’enchères ». Lors de la répartition des tâches dans une équipe de robots, les tâches elles-mêmes agissent comme des ressources. L’opportunité de « l’achat », c’est-à-dire L'attribution d'une tâche spécifique à un robot est évaluée par un critère d'optimalité donné.

À chaque étape de la vente aux enchères, les agents robots forment leurs propres grilles de prix et l'un des robots de l'équipe devient le leader. Le leader sélectionne parmi les agents répondants ceux qui proposent le prix le plus bas et les envoie

commande pour effectuer une tâche. À l’étape suivante, un autre agent libre d’accomplir la tâche devient le leader. L'enchère a lieu jusqu'à ce que toutes les tâches aient été distribuées. Le contrôle multi-agents offre la possibilité d'auto-organisation du système et augmente la fiabilité de son fonctionnement. Une comparaison des méthodes multi-agents a montré que l'algorithme de répartition des tâches, développé sur la base du modèle de négociation « enchères », a une complexité de calcul significativement inférieure (0,12 * n fois, avec n >> 8) que l'algorithme multi-agents bien connu. -Méthode agent d'amélioration du plan collectif.

Pour mettre en œuvre une répartition des tâches multi-agents, chaque agent robot doit être capable d'échanger des informations avec tous les autres robots faisant partie de l'équipe. Dans des conditions réelles, il n'est pas toujours possible de répondre à ces exigences, car divers obstacles et interférences peuvent exister dans la zone de travail qui perturbent l'échange d'informations. La solution à ce problème consiste à diviser un groupe de robots en groupes distincts, chacun d'eux ayant un agent leader capable d'échanger des données avec tous les autres agents du groupe. Dans le même temps, le nombre de dirigeants devrait tendre à un minimum. Dans le cadre de l'algorithme multi-agent développé pour la formation de groupes autonomes de robots, chaque agent, à l'aide d'un message de requête, détermine ses voisins - des robots avec lesquels il peut échanger des informations, compte leur nombre et envoie cette valeur à ses voisins. Ensuite, chaque robot sélectionne un leader dans la liste de ses voisins : l'agent ayant le plus grand nombre de voisins. En conséquence, l’équipe de robots est divisée en groupes avec des chefs. Après cela, au sein de chaque groupe formé, vous pouvez utiliser l'algorithme de répartition des tâches multi-agents évoqué précédemment.

Ainsi, le résultat de la planification globale est la division d'une équipe de robots en groupes, au sein desquels chaque robot se voit attribuer une tâche correspondante. Toutes les tâches résolues par les robots en groupe se résument soit à une répartition uniforme des robots dans la zone de travail, soit au déplacement des robots vers des points cibles donnés et à l'exécution de toute opération en ces points, le système de contrôle doit donc assurer la formation de trajectoires de mouvement de les robots, c'est-à-dire résoudre les problèmes de planification locale. Les algorithmes correspondants sont implémentés au troisième niveau du système de contrôle et constituent la base du bloc de génération de trajectoires. La base des algorithmes de formation de trajectoires est un analogue cinématique de la méthode bien connue des « potentiels ».

La mise en œuvre de cette méthode assure une répartition uniforme des robots dans la zone de travail lors de son inspection pour identifier les situations d'urgence, ainsi que le déplacement des robots vers les points cibles requis pour effectuer les opérations technologiques. Dans les deux cas, les robots doivent éviter les collisions avec des obstacles statiques et d’autres robots lorsqu’ils se déplacent.

L'objectif de l'enquête territoriale est de construire une cartographie de la zone de travail. Il peut s'agir soit d'une carte physique de la zone, soit d'un cartogramme spécial obtenu à partir des résultats du traitement des informations collectées par une équipe de robots, par exemple des informations sur la contamination radioactive. Pour collecter des données, les robots sont répartis uniformément dans la zone de travail et mesurent les valeurs des paramètres requis. Les résultats des mesures entrent dans la base de données du centre de contrôle et sont tracés sur une carte spéciale de la zone. Le cartogramme résultant représente une certaine surface z = /(x, y), où la paire x, y sont les coordonnées du point, z est le niveau de contamination chimique ou radiologique. Cette surface doit être présentée à l'opérateur sous une forme facile à comprendre. La plupart

Un moyen simple et visuel consiste à créer un cartogramme de couleurs (dégradé) bidimensionnel. Le cartogramme, en plus des informations destinées à l'opérateur, peut être utilisé pour créer des itinéraires d'évacuation sûrs pour les personnes. Un algorithme de construction d'itinéraires sûrs avec un degré de sécurité garanti P*, c'est-à-dire avec la valeur d'un paramètre donné fk, qui ne sera dépassée en aucun point de l'itinéraire trouvé, est basé sur l'algorithme de Bellman-Ford pour trouver le chemin le plus court dans un graphe pondéré. La figure 10 montre le résultat de l'algorithme de construction de l'itinéraire sûr le plus court sur un cartogramme de pente avec un degré de sécurité garanti P = 1,5.

Riz. 10. Itinéraire sûr le plus court sur un cartogramme

Pour tester les méthodes proposées, un progiciel a été développé qui implémente des algorithmes de contrôle centralisé et multi-agents d'une équipe de robots, des algorithmes de génération de trajectoires de robots, ainsi que des méthodes de traitement des informations collectées par les robots. Le résultat du traitement des données initiales est un modèle logiciel d'une carte physique de la zone avec des obstacles spécifiés, qui est affiché dans la fenêtre d'animation (Fig. 11).

Fenêtre Ammaionym

* * ♦ . "-- »__„ J 1

, ® h ~ 1 "- G! "-| |

Riz. 11. Balisage des itinéraires sûrs et « neutralisation » des foyers d’infection

Les sources et l'intensité de la contamination chimique sont affichées dans la fenêtre correspondante sous forme de cartogramme. Ensuite, l'opérateur a la possibilité de sélectionner séquentiellement les commandes de contrôle et, ainsi, de démarrer le processus de modélisation des modes de fonctionnement correspondants du MRTS. Au commandement « Inspection », les robots se répartissent uniformément dans la zone de travail et mesurent la

concentration de substances toxiques. Les points où la concentration dépasse le niveau admissible sont marqués sur la carte et, sur la base des résultats de mesure, le cartogramme de contamination est ajusté. À l'aide de la commande « Recherche d'itinéraires sûrs », les itinéraires d'évacuation du personnel sont automatiquement construits, et à l'aide de la commande « Marquage et neutralisation », les robots sont divisés en groupes en fonction de leur spécialisation. Certains robots se déplacent vers les foyers d'infection pour les neutraliser, tandis que d'autres robots sont placés le long des itinéraires d'évacuation comme marqueurs (sur la figure 11, ils sont équipés de drapeaux).

Le système robotique multi-agents développé peut être utilisé à la fois en cas d'accidents d'origine humaine dans des installations chimiquement dangereuses, dans des conditions de radiation ou de contamination biologique (à l'aide d'équipements spéciaux) et pour éliminer les conséquences de diverses catastrophes naturelles.

Conclusion. Le développement de la robotique entre dans une nouvelle étape, lorsque nous passons des tâches de contrôle à distance d'appareils robotiques mobiles et manipulateurs à un contrôle de type coopératif, dans lequel le robot devient un participant à part entière au processus de contrôle - le partenaire de l'opérateur. Dans le même temps, la tâche de l'opérateur est considérablement simplifiée, qui ne nécessite pratiquement aucune formation préalable. Cependant, le système robotique lui-même devient de plus en plus complexe, possédant désormais un haut degré d’autonomie et des capacités classées comme intelligence artificielle. Grâce à cela, il devient possible de résoudre un éventail de tâches beaucoup plus large qu'auparavant à l'aide d'appareils robotiques. Les problèmes reposent désormais, d'une part, sur les capacités de la technologie informatique, qui doit évaluer la situation actuelle et contrôler des robots mobiles en temps réel, en tenant compte de vitesses de déplacement assez élevées. Et d’autre part, sur les capacités psychophysiologiques de l’opérateur humain, accompagnées de l’activité autonome des robots mobiles dans le monde extérieur. Si le premier problème se résout progressivement au fil du progrès technique, alors le second, en raison des limites des capacités humaines, nécessite le développement constant de l'interface « homme-robot », en tenant compte de ses limites psychologiques.

LISTE BIBLIOGRAPHIQUE

1. Kristensen S, Horstmann S., Klandt J., Lohner F. et Stopp A. Interaction respectueuse de l'homme pour l'apprentissage et la coopération // Actes de la conférence internationale IEEE 2001 sur la robotique et l'automatisation, Séoul, Corée, 2001. IEEE . - P. 2590-2595.

2. Gerasimov V.N., Mikhailov B.B. Solution du problème du contrôle du mouvement d'un robot mobile en présence d'obstacles dynamiques // Bulletin du MSTU im. N.E. Bauman. Instrumentation. Numéro spécial "Systèmes robotiques". - 2012. - N° 6. - P. 83-92.

3. Ulas C., Temeltas H. Transformation de distribution normale multicouche pour une correspondance rapide et à longue portée // Journal of Intelligrnt & Robotic Systems. - 2013. - Vol. 71(1). - P. 85-108.

4. Gerasimov V.N. Algorithme SLAM basé sur la fonction de corrélation // Robotique extrême : Recueil de rapports de la conférence scientifique et technique panrusse.

Saint-Pétersbourg : Maison d'édition « Politekhnika-service », 2015. - pp. 126-133.

5. Gerasimov V.N. Sur la question du contrôle du mouvement d'un robot mobile dans un environnement dynamique // Robotique et cybernétique technique. - 2014. - N°1 (2).

6. Nister D., Naroditsky O., Bergen J. Odométrie visuelle pour les applications de véhicules terrestres // Journal of Field Robotics. - 2006. - Vol. 23(1). - P. 3-20.

7. Devyaterikov E.A., Mikhaïlov B.B. Utilisation des données d'un odomètre visuel pour le retour autonome d'un robot mobile dans un environnement sans points de référence fixes // Extreme Robotics : Recueil des rapports de la Conférence scientifique et technique panrusse. - Saint-Pétersbourg : Maison d'édition "Politekhnika-service", 2015. - P. 356-361.

8. Devyaterikov E.A. Algorithme de description de la trajectoire d'un robot mobile basé sur les données d'un odomètre visuel pour retour automatique à l'opérateur // Science et Education. MSTU je suis. N.E. Bauman. - 2014. - N° 12. - P. 705-715.

9. Devyaterikov E.A., Mikhaïlov B.B. Odomètre visuel // Bulletin du MSTU nommé d'après. N.E. Bauman. Ser. Instrumentation. Numéro spécial "Systèmes robotiques". - 2012. - N°6.

10. Kandrashina E.Yu., Litvintseva L.V., Pospelov D.A. Représentation des connaissances sur le temps et l'espace dans les systèmes intelligents. - M. : Nauka, 1989. - 328 p.

11. Iouchtchenko A.S. Routage du mouvement d'un robot mobile dans des conditions d'incertitude // Mécatronique, automatisation et contrôle. - 2004. - N°1.

12. Iouchtchenko A.S., Tachkov A.A. Système de contrôle intégré pour un robot de reconnaissance d'incendie // Bulletin du MSTU im. N.E. Bauman. Instrumentation. Numéro spécial « Systèmes robotiques ». - 2012. - N° 6. - P. 106-11.

13. Vorotnikov S.A., Ermishin K.V. Système de contrôle intelligent pour un robot mobile de service // Bulletin du MSTU im. N.E. Bauman. Instrumentation. Numéro spécial « Systèmes robotiques ». - 2012. - N° 6. - P. 285-289

14. Melikhov A.N., Bernshtein L.S., Korovin S.Ya. Systèmes de conseil situationnels à logique floue. - M. : Sciences : Fizmatlit, 1990. - 271 p.

15. Iouchtchenko A.S. Contrôle interactif de robots basé sur la logique floue // Robotique extrême : Recueil de rapports de la conférence scientifique et technique panrusse. - Saint-Pétersbourg : Maison d'édition "Politekhnika-service", 2015. - pp. 143-146.

16. Iouchtchenko A.S. Planification intelligente dans les activités des robots // Mécatronique, automatisation, contrôle. - 2005. - N° 3. - P. 5-18.

17. Zhonin A.A. Algorithme de formation d'un gestionnaire de dialogue pour un système de contrôle de robot de dialogue vocal // Modèles intégrés et soft computing en intelligence artificielle : Recueil d'articles scientifiques de la conférence internationale. - M. : Fizmatlit, 2011. - P. 395-406.

18. Nazarova A.V., Ryzhova T.P. Méthodes et algorithmes pour le contrôle multi-agents d'un système robotique // Bulletin du MSTU im. N.E. Bauman. Instrumentation. - 2012.

- N° 6. - P. 93-105.

19. Jennings N., Paratin P., Jonson M. Utilisation d'agents intelligents pour gérer les processus métier // L'application pratique des agents intelligents et de la technologie multi-agents : actes du premier stagiaire. Conférence. Londres, Royaume-Uni). - 1996. - P. 345-376.

20. Kapustyan S.G. Algorithme d'amélioration du plan collectif lors de la résolution de problèmes de répartition des objectifs dans un groupe de robots // Intelligence des pièces. - 2005. - N° 3. - P. 463-474.

21. Darintsev O.V. Système de contrôle pour une équipe de microrobots // Piece intelligence.

2006. - N° 4. - P. 391-399.

1. Kristensen S, Horstmann S., Klandt J., Lohner F. et Stopp A. Interaction conviviale pour l'apprentissage et la coopération, Actes de la Conférence internationale de l'IEEE 2001 sur la robotique et l'automatisation, Séoul, Corée, 2001. IEEE, p. 2590-2595.

2. Gerasimov V.N., Mikhaylov B.B. Reshenie zadachi upravleniya dvizheniem mobil"nogo robota pri nalichii dinamicheskikh prepyatstviy, Vestnik MGTU im. N.E. Baumana. Priborostroenie. Spetsvypusk "Robototekhnicheskie sistemy", 2012, n° 6, pp. 83-92.

3. Ulas C., Temeltas H. Transformation de distribution normale multicouche pour une correspondance rapide et à longue portée, Journal of Intelligent & Robotic Systems, 2013, Vol. 71 (1), p. 85-108.

4. Gerasimov V.N. Algoritme SLAM na osnove korrelyatsionnoy funktsii, Ekstremal"naya robototekhnika : Sbornik dokladov vserossiyskoy nauchno-tekhnicheskoy konferentsii. Saint-Pétersbourg : Izd-vo "Politekhnika-servis", 2015, pp. 126-133.

5. Gerasimov V.N. K voprosu upravleniya dvizheniem mobil "nogo robota v dinamicheskoy srede, Robototekhnika i tekhnicheskaya kibernetika, 2014, n° 1 (2), pp. 44-51.

6. Nist"er D., Naroditsky O., Bergen J. Odométrie visuelle pour les applications de véhicules terrestres, Journal of Field Robotics, 2006, Vol. 23 (1), pp. 3-20.

7. Devyaterikov E.A., Mikhaylov B.B. Ispol"zovanie dannykh vizual"nogo odometra dlya avtonomnogo vozvrashcheniya mobil"nogo robota v srede bez fiksirovannykh tochek otscheta, Ekstremal"naya robototekhnika: Sbornik dokladov vserossiyskoy nauchno-tekhnicheskoy konferentsii. St. Saint-Pétersbourg : Izd-vo « Politekhnika-servis », 2015, pp. 356-361.

8. Devyaterikov E.A. Algoritm opisaniya traektorii mobil"nogo robota po dannym vizual"nogo odometra dlya avtomaticheskogo vozvrashcheniya k Operatoru, Science i obrazovanie. MGTU je suis. N.E. Baumana, 2014, n° 12, p. 705-715.

9. Devyaterikov E.A., Mikhaylov B.B. Vizual"nyy odometr, VestnikMGTU im. N.E. Baumana. Priborostroenie. Spetsvypusk "Robototekhnicheskie sistemy", 2012, n° 6, pp. 68-82.

10. Kandrashina E.Yu., Litvintseva L.V., Pospelov D.A. Predstavlenie znaniy o vremeni i prostranstve v intellektual "nykh sistemakh. Moscou : Nauka, 1989, 328 p.

11. Iouchtchenko A.S. Marshrutizatsiya dvizheniya mobil "nogo robota v usloviyakh neopredelennosti, Mekhatronika, avtomatizatsiya i upravlenie, 2004, n° 1.

12. Iouchtchenko A.S., Tachkov A.A. Integrirovannaya sistema upravleniya pozharnym razvedyvatel"nym robotom, Vestnik MGTU im. N.E. Baumana. Priborostroenie. Spetsvypusk "Robototekhnicheskie sistemy", 2012, n° 6, pp. 106-11.

13. Vorotnikov S.A., Ermishin K.V. Intellektual "naya sistema upravleniya servisnym mobil"nym robotom , Vestnik MGTU im. N.E. Baumana. Priborostroénie. Spetsvypusk "Robototekhnicheskie sistemy", 2012, n° 6, p. 285-289.

14. Melikhov A.N., Bernshteyn L.S., Korovine S.Ya. Situationnye sovetuyushchie sistemy s nechetkoy logikoy. Moscou : Nauka : Fizmatlit, 1990, 271 p.

15. IouchtchenkoA.S. Dialogue upravlenie robotami na osnove nechetkoy logiki, Ekstremal"naya robototekhnika : Sbornik dokladov vserossiyskoy nauchno-tekhnicheskoy konferentsii. Saint-Pétersbourg : Izd-vo "Politekhnika-servis", 2015, pp. 143-146.

16. Iouchtchenko A.S. Intellectuel "noe planirovanie v deyatel"nosti robotov, Mekhatronika, avtomatizatsiya, upravlenie, 2005, n° 3, p. 5-18.

17. Zhonin A.A. Algoritme obucheniya menedzhera dialoga rechevoy dialogovoy systemy upravleniya robotom , Integrirovannye modeli i myagkie vychisleniya v iskusstvennom intelekte: Sbornik nauchnykh trudov mezhdunarodnoy konferentsii . Moscou : Fizmatlit, 2011, p. 395-406.

18. Nazarova A.V., Ryzhova T.P. Metody i algoritmy mul"tiagentnogo upravleniya robototekhnicheskoy sistemoy, Vestnik MGTU im. N.E. Baumana. Priborostroenie, 2012, n° 6, pp. 93-105.

19. Jennings N., Paratin P., Jonson M. Utilisation d'agents intelligents pour gérer les processus métier, Application pratique des agents intelligents et de la technologie multi-agents : actes du premier stagiaire. Conférence. Londres (Royaume-Uni), 1996, p. 345-376.

20. Kapustyan S.G. Algoritme kollektivnogo uluchsheniya plana pri reshenii zadach raspredeleniya tseley v gruppe robotov, Shtuchnyy intellect, 2005, n° 3, p. 463-474.

21. Darintsev O.V. Sistema upravleniya kollektivom mikrorobotov, Shtuchnyy intellect, 2006, n° 4, p. 391-399.

Iouchtchenko Arkady Semenovich - Université technique d'État de Moscou. N.E. Bauman (MSTU nommé d'après N.E, Bauman) ; e-mail: [email protégé]; 105037, Moscou, place Izmailovskaya, 7 ; Centre scientifique et pédagogique "Robotique" MSTU du nom. N.E. Bauman ; Docteur en Sciences Techniques ; Professeur.

Mikhailov Boris Borisovich - Centre scientifique et de formation "Robotique" MSTU. N.E. Bauman ; Doctorat.; maître assistant.

Nazarova Anaid Vartanovna - Centre scientifique et de formation "Robotique" MSTU. N.E. Bauman, Ph.D. ; maître assistant.

Yuschenko Arkady Semenovich - Université technique d'État Bauman de Moscou (BMSTU) ; e-mail: [email protégé]; 7, place Izmailovskaya, Moscou, 105037, Russie ; Centre scientifique et pédagogique "Robototechnika" BMSTU ; Dr d'ing. sc.; professeur

Mikhailov Boris Borisovich - Centre scientifique et pédagogique "Robototechnika" BMSTU, cand. d'ing. sc.; professeur agrégé

Nazarova Anaid Vartanovna - Centre scientifique et pédagogique "Robototechnika" BMSTU ; cand. d'ing. sc.; professeur agrégé

CDU 681.511.4+004.896:519.876.5

V.F. Guzik, V.A. Pereverzev, A.O. Piavchenko, R.V. Saprykine

PRINCIPES DE CONSTRUCTION D'UN PLANIFICATEUR DE RÉSEAU NEURONAL MULTIDIMENSIONNEL EXTRAPOLABLE POUR UN SYSTÈME INTELLIGENT DE CONTRÔLE DE POSITION-TRAJECTOIRE D'OBJETS EN MOUVEMENT*

Les principes de construction d'un planificateur de réseau neuronal multidimensionnel extrapolant (EMNP) pour un système intelligent de contrôle de position et de trajectoire d'objets en mouvement sont considérés. Ainsi, nous présentons ici les résultats d'une étude d'une méthode modernisée de planification de réseau neuronal du mouvement d'un objet robotique en mouvement par rapport à l'espace multidimensionnel utilisant le principe bionique de perception de l'environnement dans des conditions d'incertitude et de présence d'obstacles avec dynamique du mouvement. Il est proposé d'utiliser le principe hiérarchique de construction de systèmes de traitement de l'information comme principe principal de structuration et de construction d'EMNP, sur la base duquel la structure hiérarchique d'un réseau neuronal multidimensionnel complexe d'extrapolation proposé dans l'article est synthétisée. Un tel réseau de type neuronal multidimensionnel se distingue par la présence de couches distinctes destinées aux différentes étapes de traitement d'un plan modèle de l'environnement obtenu à partir du système de vision technique d'un objet robotique en mouvement dans les conditions mentionnées ci-dessus. La structure hiérarchique d'un réseau multidimensionnel complexe de type neurone est basée sur les principes de synthèse paramétrique orientée objet, synthèse de plans spatiaux de caractéristiques pondérées de la position des objets

Contrôler un robot est une tâche difficile. La définition que nous avons choisie nécessite que l'appareil reçoive des données sur son environnement. Puis il a pris une décision et a pris les mesures appropriées. Les robots peuvent être autonomes ou semi-autonomes.

1. Le robot autonome fonctionne selon un algorithme donné basé sur les données reçues des capteurs.
2. Un robot semi-autonome a des tâches supervisées par un humain. Et en plus, il y a d'autres tâches qu'il accomplit seul...

Robots semi-autonomes

Un bon exemple de robot semi-autonome est un robot sous-marin sophistiqué. Une personne contrôle les mouvements de base du robot. Et à ce moment-là, le processeur embarqué mesure et réagit aux courants sous-marins. Cela permet au robot de rester dans la même position sans dérive. Une caméra à bord du robot renvoie la vidéo à la personne. De plus, des capteurs intégrés peuvent surveiller la température de l’eau, la pression et bien plus encore.

Si le robot perd le contact avec la surface, un programme autonome est activé et soulève le robot sous-marin jusqu'à la surface. Afin de pouvoir contrôler votre robot, vous devrez déterminer son niveau d’autonomie. Peut-être souhaitez-vous que le robot soit contrôlé par câble, sans fil ou complètement autonome.

Contrôle par câble

Le moyen le plus simple de contrôler un robot consiste à connecter physiquement une télécommande à celui-ci à l’aide d’un câble. Les interrupteurs, boutons, leviers, joysticks et boutons de ce contrôleur permettent à l'utilisateur de contrôler le robot sans avoir à allumer des composants électroniques complexes.

Dans cette situation, les moteurs et l’alimentation peuvent être connectés directement au commutateur. Par conséquent, sa rotation avant/arrière peut être contrôlée. Ceci est couramment utilisé dans les véhicules.

Ils n'ont aucune intelligence et sont considérés comme des « machines télécommandées » plutôt que des « robots ».

• Le principal avantage de cette connexion est que le robot n'est pas limité par la durée de fonctionnement. Puisqu'il peut être connecté directement au réseau. Pas besoin de vous soucier de la perte de signal. Le robot possède généralement un minimum d’électronique et n’est pas très complexe. Le robot lui-même peut être léger ou avoir une charge utile supplémentaire. Le robot peut être physiquement retiré à l'aide d'une attache attachée au câble en cas de problème. Cela est particulièrement vrai pour les robots sous-marins.
• Les principaux inconvénients sont que le câble peut s'emmêler, se coincer dans quelque chose ou se casser. La distance à laquelle le robot peut être envoyé est limitée par la longueur du câble. Faire glisser un long câble ajoute de la friction et peut ralentir, voire arrêter le mouvement du robot.

Contrôler le robot à l'aide d'un câble et d'un microcontrôleur intégré

L'étape suivante consiste à installer le microcontrôleur sur le robot, mais en continuant à utiliser le câble. Connecter un microcontrôleur à l'un des ports d'E/S de votre ordinateur (comme un port USB) vous permet de contrôler vos actions. Le contrôle s'effectue à l'aide d'un clavier, d'un joystick ou d'un autre périphérique. L'ajout d'un microcontrôleur à un projet peut également nécessiter la programmation du robot avec des signaux d'entrée.

• Les principaux avantages sont les mêmes que pour la commande directe par câble. Un comportement plus complexe du robot et sa réaction à des boutons ou commandes individuels peuvent être programmés. Il existe un large choix de commandes de contrôleur (souris, clavier, joystick, etc.). Le microcontrôleur ajouté possède des algorithmes intégrés. Cela signifie qu’il peut interagir avec les capteurs et prendre certaines décisions par lui-même.
• Les inconvénients incluent un coût plus élevé en raison de l'électronique supplémentaire. Les autres inconvénients sont les mêmes que lors du contrôle direct du robot via un câble.

Contrôle Ethernet

Utilisé connecteur EthernetRJ45. Une connexion Ethernet est requise pour le contrôle. Le robot est physiquement connecté au routeur. Il peut donc être contrôlé via Internet. Ceci est également possible (mais pas très pratique) pour les robots mobiles.

Mettre en place un robot capable de communiquer sur Internet peut être assez complexe. Tout d’abord, une connexion WiFi (internet sans fil) est privilégiée. La combinaison filaire et sans fil est également une option lorsqu'il y a un émetteur-récepteur (émission et réception). L'émetteur-récepteur est physiquement connecté à Internet et les données reçues via Internet sont ensuite transmises sans fil au robot.

• L'avantage est que le robot peut être contrôlé via Internet depuis n'importe où dans le monde. Le robot n'est pas limité en durée de fonctionnement, puisqu'il peut utiliser Power over Ethernet. PoE. Il s'agit d'une technologie qui vous permet de transmettre de l'énergie électrique ainsi que des données à un appareil distant via un câble à paire torsadée standard sur un réseau Ethernet. L'utilisation du protocole Internet (IP) peut simplifier et améliorer la conception des communications. Les avantages sont les mêmes qu’avec une commande informatique filaire directe.
• L'inconvénient est une programmation plus complexe et les mêmes inconvénients qu'avec la commande par câble.

Contrôle à l'aide d'une télécommande IR

Les émetteurs et récepteurs infrarouges éliminent le câble reliant le robot à l'opérateur. Ceci est généralement utilisé par les débutants. Le contrôle infrarouge nécessite une « ligne de vue » pour fonctionner. Le récepteur doit être capable de « voir » l'émetteur à tout moment afin de recevoir des données.

Les télécommandes infrarouges (telles que les télécommandes universelles pour téléviseurs) permettent d'envoyer des commandes à un récepteur infrarouge connecté à un microcontrôleur. Il interprète ensuite ces signaux et contrôle les actions du robot.

• L'avantage est le faible coût. Pour contrôler le robot, vous pouvez utiliser de simples télécommandes TV.
• L’inconvénient est qu’il nécessite une ligne de vue pour le contrôle.

Contrôle radio

Le contrôle des radiofréquences nécessite un émetteur et un récepteur dotés de petits microcontrôleurs pour envoyer, recevoir et interpréter les données par radiofréquence (RF). Le boîtier récepteur contient une carte de circuit imprimé (PCB) qui contient le récepteur et un petit contrôleur de servomoteur. La communication radio nécessite un émetteur adapté/appairé à un récepteur. Il est possible d'utiliser un émetteur-récepteur capable d'envoyer et de recevoir des données entre deux environnements de système de communication physiquement différents.

Le contrôle radio ne nécessite pas de ligne de vue et peut être effectué sur de longues distances. Les appareils RF standard peuvent transmettre des données entre appareils sur des distances allant jusqu'à plusieurs kilomètres. Alors que des appareils RF plus professionnels peuvent permettre de contrôler le robot à partir de presque n'importe quelle distance.

De nombreux concepteurs de robots préfèrent fabriquer des robots radiocommandés semi-autonomes. Cela permet au robot d'être le plus autonome possible et de fournir un feedback à l'utilisateur. Et peut donner à l'utilisateur un certain contrôle sur certaines de ses fonctions si nécessaire.

• Les avantages sont la possibilité de contrôler le robot sur des distances importantes et peuvent être facilement configurés. La communication est omnidirectionnelle, mais le signal ne peut pas être complètement bloqué par des murs ou des obstacles.
• Les inconvénients sont la très faible vitesse de transfert des données (uniquement des commandes simples). De plus, vous devez faire attention aux fréquences.

Contrôle Bluetooth

Bluetooth est un signal radio (RF) transmis via des protocoles spécifiques pour envoyer et recevoir des données. La portée Bluetooth conventionnelle est souvent limitée à environ 10 m, même si elle présente l'avantage de permettre aux utilisateurs de contrôler leur robot via des appareils compatibles Bluetooth. Il s'agit principalement de téléphones portables, de PDA et d'ordinateurs portables (bien qu'une programmation personnalisée puisse être nécessaire pour créer l'interface). Tout comme la radiocommande, le Bluetooth offre une communication bidirectionnelle.

• Avantages : Contrôlable depuis n’importe quel appareil compatible Bluetooth. Mais en règle générale, une programmation supplémentaire est nécessaire. Ce sont des smartphones, des ordinateurs portables, etc. Des débits de données plus élevés peuvent être omnidirectionnels. Par conséquent, aucune ligne de vue n’est nécessaire et le signal peut traverser un peu les murs.
• Défauts. Doit travailler en binôme. La distance est généralement d'environ 10 m (sans obstacles).

Contrôle Wi-Fi

Le contrôle WiFi est souvent une option supplémentaire pour les robots. La possibilité de contrôler un robot sans fil via Internet présente des avantages (et quelques inconvénients) importants pour le contrôle sans fil. Pour configurer le contrôle du robot via Wi-Fi, vous avez besoin d'un routeur sans fil connecté à Internet et d'une unité WiFi sur le robot lui-même. Pour le robot, vous pouvez utiliser un appareil prenant en charge le protocole TCP/IP.

• L’avantage est la possibilité de contrôler le robot depuis n’importe où dans le monde. Pour ce faire, il doit être à portée du routeur sans fil. Des taux de transfert de données élevés sont possibles.
• Les inconvénients sont qu'une programmation est nécessaire. La distance maximale est généralement déterminée par le choix du routeur sans fil.

Contrôle via téléphone portable

Une autre technologie sans fil initialement développée pour la communication interhumaine, le téléphone portable, est désormais utilisée pour contrôler les robots. Étant donné que les fréquences des téléphones portables sont régulées, l’activation du module cellulaire sur le robot nécessite généralement une programmation supplémentaire. Il n’est pas non plus nécessaire de comprendre le système et la réglementation du réseau cellulaire.

• Avantages : Le robot peut être contrôlé partout où il y a un signal cellulaire. Communication par satellite possible.
• Défauts; La configuration du contrôle cellulaire peut être délicate – pas pour les débutants. Chaque réseau cellulaire a ses propres exigences et limites. Le service en ligne n'est pas gratuit. En règle générale, plus vous transférez de données, plus vous devez payer d’argent. Le système n'a pas encore été configuré pour une utilisation en robotique.

L'étape suivante consiste à utiliser pleinement le microcontrôleur de votre robot. Et tout d’abord, programmer son algorithme de saisie des données de ses capteurs. Le contrôle autonome peut prendre diverses formes :

1. être préprogrammé sans rétroaction environnementale
2. avec retour de capteur limité
3. avec retour de capteur complexe

La véritable conduite autonome implique plusieurs capteurs et algorithmes. Ils permettent au robot de déterminer indépendamment la meilleure action dans une situation donnée. Les méthodes de contrôle les plus sophistiquées actuellement mises en œuvre sur les robots autonomes sont les commandes visuelles et auditives. Pour le contrôle visuel, le robot regarde une personne ou un objet pour recevoir ses commandes.

Contrôler un robot pour qu'il tourne à gauche en lisant une flèche pointant vers la gauche sur une feuille de papier est beaucoup plus difficile à réaliser qu'on pourrait l'imaginer. Une commande de service telle que « tourner à gauche » nécessite également un peu de programmation. Programmer de nombreuses commandes complexes telles que « Apportez-moi des pantoufles » n'est plus un fantasme. Même si cela nécessite un très haut niveau de programmation et beaucoup de temps.

• Les avantages sont une « vraie » robotique. Les tâches peuvent être aussi simples que faire clignoter une lumière basée sur un seul capteur pour faire atterrir un vaisseau spatial sur une planète lointaine.
• Les inconvénients dépendent uniquement du programmeur. Si le robot fait quelque chose que vous ne voulez pas qu’il fasse, vous n’avez qu’une seule option. Il s'agit de vérifier votre code, de le modifier et de charger les modifications dans le robot.

Partie pratique

Le but de notre projet est de créer une plateforme autonome capable de prendre des décisions basées sur des signaux externes provenant de capteurs. Nous utiliserons un microcontrôleur Lego EV3. Cela nous permet de le créer comme une plateforme complètement autonome. Et semi-autonome, contrôlé via Bluetooth ou à l'aide d'un panneau de commande infrarouge.

Brique programmable LEGO EV3