Robot di động tự định vị không dùng cột mốc

Chia sẻ: Do Xuan | Ngày: | Loại File: PDF | Số trang:6

Thêm vào BST

Báo xấu

584
lượt xem 207
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Công việc khó k hăn nhất trong điều khiển một robot di động tự trị, đó là việc robot tự định vị chính xác vị trí và hướng của nó trong không gian làm việc. Bài báo này nhàm giới thiệu một phương pháp định vị robot bằng giải thuật định vị không dùng cột mốc hiện. Ý tưởng chính của giải thuật này là xác định những vị trí khả thi của robot trong không gian làm việc, sử dụng tín hiệu của cảm biến siêu âm như là một thiết bị xác định khoảng cách và hướng .......

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Robot di động tự định vị không dùng cột mốc

ROBOT DI ÑOÄNG TÖÏ ÑÒNH VÒ KHOÂNG DUØNG COÄT MOÁC Ñoaøn Hieäp (+) TS. Nguyeãn Vaên Giaùp (++) (+) Sinh vieân thuoäc Chöông trình Ñaøo taïo Kyõ sö chaát löôïng cao taïi Vieät Nam (++) Boä moân Cô Ñieän Töû , Khoa Cô Khí, Tröôøng Ñaïi hoïc Baùch Khoa TPHCM TOÙM TAÉT thaønh caùc vuøng rôøi raïc, goïi laø caùc oâ löôùi. Robot söû duïng caùc caûm bieán sieâu aâm, ñöôïc ñaët treân moät voøng Coâng vieäc khoù khaên nhaát trong ñieàu khieån moät troøn bao quanh robot, seõ caäp nhaät caùc xaùc suaát bò robot di ñoäng töï trò, ñoù laø vieäc robot töï ñònh vò chính chieám (occupied) hoaëc coøn troáng (empty) cuûa caùc oâ xaùc vò trí vaø höôùng cuûa noù trong khoâng gian laøm löôùi. Töø nhöõng ñaùnh giaù naøy robot veõ laïi baûn ñoà vieäc. Baøi baùo naøy nhaèm giôùi thieäu moät phöông phaùp chöôùng ngaïi vaät. Döïa vaøo baûn ñoà tìm ñöôïc, robot seõ ñònh vò robot baèng giaûi thuaät ñònh vò khoâng duøng coät xaùc ñònh vò trí cuûa noù baèng vieäc ñi tìm nhöõng vò trí moác hieän. YÙ töôûng chính cuûa giaûi thuaät naøy laø xaùc khaû thi. ñònh nhöõng vò trí khaû thi cuûa robot trong khoâng gian laøm vieäc, söû duïng tín hieäu cuûa caûm bieán sieâu aâm nhö 3. MOÄT SOÁ KHAÙI NIEÄM CÔ SÔÛ laø moät thieát bò xaùc ñònh khoaûng caùch vaø höôùng cuûa 3.1 Robot di ñoäng töï trò vaø coät moác robot ñoái vôùi caùc chöôùng ngaïi vaät coá ñònh, ñeå töø ñoù suy ra vò trí cuûa robot baèng caùch so saùnh baûn ñoà Robot di ñoäng töï trò laø robot coù taát caû nhöõng gì toaøn cuïc vaø baûn ñoà cuïc boä quanh robot. caàn thieát tích hôïp beân trong robot. [Marsland02] Töø khoùa: Ñònh vò, Doø ñöôøng, Coät moác hieän, Robot di ñoäng Nghóa laø robot coù caùc pin, caûm bieán, maùy tính vaø töï trò chöông trình ñieàu khieån ñeå noù khoâng ñöôïc keát noái vôùi baát kyø söï hoã trôï beân ngoaøi naøo. Chöông trình ABSTRACT ñieàu khieån cuõng phaûi coù khaû naêng ñieàu khieån robot An important challenge of an autonomous mobile maø khoâng caàn söï trôï giuùp cuûa con ngöôøi. Nhö vaäy, robot is finding its current pose (position and coät moác (landmark) [Borenstein96] cuõng laø moät orientation) within working environment. This paper hình thöùc hoã trôï thoâng tin töø beân ngoaøi, ñöôïc söû represents a method for self-localization without duïng khaù phoå bieán trong nhieàu öùng duïng khaùc. explicit landmarks. The main idea of this algorithm Trong ñeà taøi naøy, coät moác khoâng ñöôïc söû duïng. comes from finding feasible poses using ultrasonic sensors as a point-and-shoot ranging device. These 3.2 Vectô ñònh vò poses are then computed to estimate robot’s pose by Soùng sieâu aâm truyeàn ñi trong khoâng khí vôùi vaän correlating the global and local maps. toác khoaûng 343 m/s. Caûm bieán sieâu aâm phaùt ra vaø Keyword: Localization, Navigation, Explicit landmark, thu veà caùc maët soùng sieâu aâm, sau ñoù khueách ñaïi Autonomous mobile robot cöôøng ñoä cuûa soùng vôùi haøm muõ theo thôøi gian. Caûm 1. GIÔÙI THIEÄU bieán xaùc ñònh thôøi gian soùng di chuyeån trong khoâng gian, ñeå suy ra khoaûng caùch töø noù ñeán chöôùng ngaïi Baøi baùo naøy giôùi thieäu moät phöông phaùp ñònh vò vaät gaàn nhaát, naèm trong vuøng queùt cuûa caûm bieán vaø thaêm doø baûn ñoà döïa treân heä thoáng thuaät toaùn [Thuan03]. Vectô ñònh vò ñoái vôùi moät caûm bieán ño choàng chaát caûm bieán, ñöôïc ñeà xuaát bôûi Hans P. khoaûng caùch khi noù ghi nhaän moät thoâng soá s laø moät Moravec [Moravec89]. vectô coù ñoä lôùn baèng s vaø coù chieàu laø chieàu cuûa caûm Baøi baùo goàm 4 phaàn chính: phaàn ñaàu tieân seõ trình bieán ñoù. (xem hình 1) [Brown00] baøy caùc khaùi nieäm cô sôû ñöôïc söû duïng, phaàn thöù hai trình baøy noäi dung caùc thuaät toaùn, phaàn thöù ba seõ 3.3 Vò trí khaû thi trình baøy caùc keát quaû moâ phoûng ñaït ñöôïc, vaø phaàn YÙ töôûng cô baûn nhaát cuûa thuaät toaùn ñònh vò vôùi keát luaän laø nhöõng ñaùnh giaù veà khaû naêng thöïc hieän nhieàu caûm bieán trong baøi baùo naøy ñöôïc theå hieän cuõng nhö ñeà xuaát thöïc hieän moät robot thí nghieäm döôùi daïng ñi tìm vò trí khaû thi cuûa robot, laø nhöõng vò phuïc vuï cho vieäc hoïc taäp vaø nghieân cöùu. trí maø robot coù theå ñöùng taïi ñoù vaø ghi nhaän ñöôïc thoâng soá ñaõ nhaän ñöôïc töø caûm bieán. (xem hình 1) 2. ÑAËT VAÁN ÑEÀ Vò trí khaû thi cuûa robot ñoái vôùi moâi tröôøng coù Moâi tröôøng hoaït ñoäng cuûa robot laø moät caên phoøng chöôùng ngaïi vaät M vaø vectô ñònh vò z laø vò trí maø taïi coù maët saøn phaúng, ñöôïc giôùi haïn bôûi caùc böùc töôøng ñoù ta coù theå ñaët goác cuûa vectô ñònh vò, sao cho ngoïn ñaõ bieát. Caùc chöôùng ngaïi vaät ñöôïc xem laø chöôùng cuûa vectô naèm treân chöôùng ngaïi vaät M, maø thaân cuûa ngaïi vaät hai chieàu [Latombe91]. Maët saøn ñöôïc chia 1
vectô khoâng caét qua baát kyø chöôùng ngaïi vaät Goïi s laø khoaûng caùch ño ñöôïc cuûa caûm bieán, H laø naøo.[Brown00] söï kieän oâ löôùi ñaõ bò chieám vaø –H laø söï kieän oâ löôùi coøn troáng. Phaân boá xaùc suaát treân vuøng queùt cuûa caûm M bieán sieâu aâm laø moät phaân boá Gauss theo phöông z höôùng kính, phaân boá naøy seõ ñöôïc ñôn giaûn hoaù a c thaønh moät cung troøn trong thuaät toaùn. Vì vaäy, neáu b cho tröôùc moät thoâng soá caûm bieán, chuùng ta coù theå tính ñöôïc xaùc suaát caûm bieán ghi nhaän ñöôïc vaät caûn Hình 1: (a) laø vò trí khaû thi, naèm taïi moät oâ löôùi, neáu ñaõ thöïc söï coù moät vaät caûn (b) vaø (c) khoâng phaûi laø vò trí khaû thi naøo ñoù naèm trong vuøng queùt cuûa caûm bieán sieâu aâm, 3.4 Vuøng queùt cuûa caûm bieán sieâu aâm [Murphy00],[Moravec89] theo coâng thöùc sau: Trong khoâng gian hai chieàu, buùp höôùng (beam R−r β −α ()+( ) patern) cuûa caûm bieán sieâu aâm coù theå ñöôïc ñôn giaûn Vuøng I: P( s | H ) = R β (1) * Max hoaù thaønh moät hình quaït vôùi goùc môû töø 15 ñeán 45 2 ñoä, tuyø loaïi. Caùc buùp beân (side lobe) seõ ñöôïc loaïi R−r β −α boû nhôø caùc thieát bò hoã trôï phaàn cöùng, hoaëc khoâng ( )+( ) Vuøng II: P (s | H ) = 1 − R β (2) ñöôïc tính toaùn trong phaàn meàm . 2 22.5 ñoä Vuøng III: P( s | H ) khoâng quan taâm. Nhöng ôû ñaây yeáu toá caàn xaùc ñònh laø xaùc suaát ñaõ Buùp beân bò chieám cuûa moät oâ löôùi khi caûm bieán ghi nhaän ñöôïc thoâng soá s, coù nghóa laø caàn tính P( H | s) . Aùp duïng coâng thöùc toaøn phaàn Bayes [Diep99], nhö sau: P( s | H ) P( H ) (3) P( H | s ) = P ( s | H ) P ( H ) − P ( s | − H ) P (− H ) trong ñoù, P(H) laø xaùc suaát cuûa söï kieän H, ñaây laø Hình 2: Buùp höôùng cuûa caûm bieán Polaroid 6500 thôøi ñieåm laàn ñaàu tieân oâ löôùi ñöôïc queùt, giaù trò khôûi taïo laø xaùc suaát ngaãu nhieân: Phaïm vi trong goùc môû vaø khoaûng caùch xa nhaát maø caûm bieán coù theå xaùc ñònh ñöôïc chöôùng ngaïi vaät, P ( H ) = P (− H ) = 1 − P ( H ) = 0 . 5 (4) chuùng ta goïi ñoù laø vuøng queùt cuûa caûm bieán (xem Moät vaán ñeà khaùc laïi ñöôïc ñaët ra laø neáu coù nhieàu hình 3). caûm bieán cuøng queùt qua moät oâ löôùi, hay laø sau moät 4. CAÙC THUAÄT TOAÙN thôøi gian di chuyeån, robot laïi queùt qua oâ löôùi ñoù. Nhö vaäy, vieäc caäp nhaät cho caùc oâ löôùi phaûi döïa vaøo 4.1 Thuaät toaùn thaêm doø baûn ñoà thoâng tin coù tröôùc cuûa oâ löôùi ñoù, nhö sau: P(H | sn ) = P ( sn | H ) P( H | sn −1 ) (5) P( s n | H ) P( H | s n−1 ) + P( s n | − H ) P(− H | s n−1 ) Hình 4 döôùi daây moâ taû quaù trình thaêm doø baûn ñoà cuûa robot. Vuøng ñen ñaäm laø vuøng khoâng gian troáng, vuøng maøu xaùm laø vuøng chöa bieát. Caùc vuøng maøu coøn laïi laø vuøng coù caùc giaù trò xaùc suaát thay ñoåi. Hình 3: Vuøng queùt cuûa caûm bieán sieâu aâm Vuøng queùt cuûa caûm bieán sieâu aâm ñöôïc chia thaønh 3 vuøng chính. Vuøng I, laø vuøng maø caûm bieán ghi nhaän coù vaät caûn, vuøng II laø vuøng töø vuøng I ñeán caûm bieán, döôøng nhö khoâng coù vaät caûn naøo, vuøng III laø vuøng phía sau vaät caûn, laø vuøng chöa bieát, trong thuaät toaùn khoâng quan taâm ñeán vuøng naøy. (xem hình 3) Hình 4: Baûn ñoà ñang ñöôïc veõ laïi 2
Vaán ñeà kyõ thuaät khoù khaên nhaát trong phaàn naøy laø vieäc duøng caûm bieán sieâu aâm ñeå xaùc ñònh khoaûng caùch töø robot ñeán caùc chöôùng ngaïi vaät. Baøi toaùn ñaët ra laø laøm caùch naøo ñeå giaûi quyeát hieän töôïng ñoïc cheùo (crosstalk) cuûa caùc caûm bieán sieâu aâm. Hieän töôïng ñoïc cheùo laø hieän töôïng maø caûm bieán naøy ghi nhaän soùng sieâu aâm ñöôïc phaùt ra töø caûm bieán khaùc sau moät hay nhieàu laàn phaûn xaï treân caùc chöôùng ngaïi vaät. Hieän töôïng naøy ñaõ ñöôïc J. Borenstein giaûi quyeát baèng vieäc ñaët leäch caùc thôøi gian phaùt cuûa moãi caûm bieán, vaø söû duïng moät chu kyø phaùt phuø hôïp vôùi soá löôïng caûm bieán ñöôïc söû duïng [Borenstein95]. Do giôùi haïn cuûa baøi baùo, chuùng toâi khoâng trình baøy noäi dung chi tieát cuûa phöông phaùp naøy. 4.2 Thuaät toaùn ñònh vò Thay vì söû duïng khaùi nieäm vò trí khaû thi baèng hình Hình 8: Tìm vò trí khaû thi öùng vôùi hoïc nhö phaàn treân ñaõ trình baøy, ñeå ñöa vaøo chöông chöôùng ngaïi vaät M vaø vectô ñònh vò z trình tính toaùn, hình aûnh vò trí khaû thi coù theå ñöôïc ruùt Cho raèng trong khoâng gian chöôùng ngaïi vaät M, ra töø baûn ñoà ñöôïc chia löôùi theo coâng thöùc toaùn hoïc robot ghi nhaän ñöôïc nhieàu vectô ñònh vò vaø goïi taäp sau: hôïp caùc vectô ñònh vò laø Z. Baèng caùch giao taát caû FP( M , z ) = ∂ ( M Θ z ) − (M Θ l (0, z )) (6) nhöõng vò trí khaû thi, vò trí hieän taïi cuûa robot seõ coù theå ñöôïc tìm thaáy baèng coâng thöùc sau: Trong ñoù, FP thay cho chöõ feasible poses coù nghóa laø vò trí khaû thi, M laø taäp hôïp caùc ñieåm naèm FP( M , Z ) = I FP (M , z ) (8) z∈Z treân bieân chöôùng ngaïi vaät, vaø z laø vectô ñònh vò maø robot xaùc ñònh ñöôïc, ∂ ( X ) laø kyù hieäu cho taäp hôïp Hình 9 moâ taû vò trí khaû thi öùng vôùi caùc vectô ñònh vò x, y, vaø z, ñoàng thôøi tìm ra vò trí thöïc cuûa robot, caùc ñieåm bieân cuûa taäp hôïp X, Θ laø kyù hieäu cuûa neáu robot ghi nhaän ñöôïc 3 vectô ñònh vò x, y, z ñoù. pheùp tröø Minkowskii vaø l(x,y) laø kyù hieäu cuûa moät ñoaïn thaúng hôû noái hai ñieåm x vaø y, nhöng khoâng keå hai ñieåm x vaø y. [Brown00] Toång Minkowskii laø toång cuûa moät taäp hôïp vôùi moät vectô, keát quaû cuûa pheùp coäng naøy laø moät taäp hôïp ñöôïc xaùc ñònh baèng vieäc coäng taát caû caùc phaàn töû cuûa taäp hôïp vôùi vectô ñoù. Hình aûnh sau ñaây moâ taû pheùp tröø Minkowskii (hình 7) vaø caùc vò trí khaû thi tìm ñöôïc duøng coâng thöùc (6) (hình 8). o o P o -Q Hình 9: Tìm vò trí khaû thi baèng vectô ñònh vò Q Tuy nhieân, moät vaán ñeà ñöôïc ñaët ra laø caûm bieán PΘQ sieâu aâm luoân traû veà caùc giaù trò vôùi moät sai soá nhaát o ñònh. Chính vì vaäy, thay vì tính toaùn vò trí khaû thi vôùi vectô ñònh vò lyù töôûng nhö treân, robot seõ phaûi tính Hình 7: Hieäu Minkowskii toaùn vò trí khaû thi vôùi moät sai soá ε naøo ñoù. Sai soá ε naøy ñöôïc xaùc ñònh döïa treân phaân boá cuûa caûm ÔÛ ñaây coù theå nhaän thaáy raèng, phaàn naèm trong cuûa bieán sieâu aâm. Baùn kính ε laø baùn kính sao cho xaùc taäp hôïp M Θ z cuõng seõ naèm trong taäp hôïp suaát xuaát hieän chöôùng ngaïi vaät trong phaïm vi baùn M Θ l (0, z ) , do ñoù, chuùng ta coù theå ñôn giaûn coâng kính ñoù laø 90%. Vì vaäy, coâng thöùc (7) seõ ñöôïc vieát thöùc (6) thaønh daïng laïi nhö sau: FP ( M , z ) = ( M Θ z ) − ( M Θ l (0, z )) (7) FPε ( M , z ) = ( M Θ (z ⊕ Bε ) − ( M Θ l (0, z (1 − ε ))) (9) z 3
Trong ñoù, Bε laø quaû caàu baùn kính ε . Hình 10 moâ ñieåm ñoù laø chöôùng ngaïi vaät, vaø choïn vectô ñònh vò ñi qua ñieåm ñoù. Trong tröôøng hôïp goùc ghi nhaän taû vò trí khaû thi cuûa robot vôùi 3 vectô ñònh vò coù sai khoâng toát, ta seõ phaûi duøng phöông phaùp ATM (Arc soá. Transversal Median) [CNL03] ñeå tìm ra ñieåm troïng taâm trong caùc ñieåm nghi ngôø vaø choïn vectô ñònh vò ñi qua ñieåm ñoù. 10 10 tan(θ ) sin(θ ) θ 10 10 θ 600 Hình 12: Tìm goùc giao hai caûm bieán Hình 10: Ñònh vò coù tính ñeán sai soá Xeùt chöôùng ngaïi vaät naèm ôû khoaûng caùch 6 meùt Nhö vaäy, sai soá ε naøy vaøo khoaûng bao nhieâu, vaø caùch caûm bieán nhö hình 12 treân, ñoàng thôøi, sai soá vuøng I laø 10 cm: laøm caùch naøo ñeå haïn cheá sai soá? Xem caûm bieán sieâu aâm vôùi buùp höôùng ñöôïc thu goïn laïi trong moät 30 hình quaït baùn kính baèng taàm queùt xa nhaát cuûa caûm Arc(600cm) = 600 π = 314cm 180 bieán (khoaûng 10m ñoái vôùi caûm bieán Polaroid 6500 (10) vaø 6m ñoái vôùi SRF08); ñoàng thôøi, phaân boá Gauss 10cm 10cm Len(30 ) = o + = 37.3cm cuûa caûm bieán cuõng ñöôïc xem nhö phaân phoá laø moät sin(30) tan(30) ñöôøng troøn theo goùc môû (hình 3). Nhö vaäy, ñoä daøi cung troøn ôû khoaûng caùch 10m, vôùi goùc môû 25 ñoä laø Trong ñoù, Arc kyù hieäu cho cung troøn laø nhöõng vò trí maø caûm bieán ghi nhaän coù theå coù vaät caûn vaø Len 25 Arc (10m) = 10 π = 4.36(m) laø chieàu daøi ñoaïn giao cuûa hai caûm bieán. Keát quaû 180 cho thaáy ñoä chính xaùc cuûa caûm bieán seõ taêng leân Baùn kính ε seõ coù ñoä lôùn leân ñeán vaøi meùt. Sai soá khoaûng 314 ≈ 8.5 laàn. Vôùi keát quaû naøy, baùn kính sai naøy laø sai soá khoâng theå chaáp nhaän ñöôïc. Moät giaûi 37.3 phaùp ñaët ra laø duøng nhieàu caûm bieán cho vieäc ghi soá ε seõ vaøo khoaûng 15 cm ñeán 20 cm. Ñaây laø moät nhaän moät vectô ñònh vò nhö hình 11. [Elfes85] keát quaû lyù töôûng. Cuoái cuøng, cho duø coù haïn cheá ñöôïc sai soá cuûa caûm bieán, trong moät moâi tröôøng chöa bieát, khoâng coù moät söï khaúng ñònh naøo raèng robot seõ ghi nhaän caùc vectô ñònh vò nhö khi thaêm doø baûn ñoà (hình 13). Hay θ1 noùi caùch khaùc, taäp hôïp vò trí khaû thi cuûa robot nhö trong coâng thöùc (8) seõ coù theå laø moät taäp roãng, hoaëc moät taäp hôïp maø caùc phaàn töû khoâng lieân thoâng (coù nhieàu vò trí khaû thi cuûa robot naèm nhieàu nôi caùch xa nhau treân baûn ñoà). Hình 11: Duøng nhieàu caûm bieán ñeå ghi nhaän moät vectô ñònh vò Goùc θ1 giôùi haïn ôû ñaây baèng bao nhieâu thì toát nhaát, vì goùc naøy caøng lôùn thì caøng oån ñònh, nhöng noù phuï thuoäc vaøo khoaûng caùch töø caûm bieán ñeán chöôùng ngaïi vaät chöa bieát. ÔÛ ñaây chuùng toâi choïn Hình 13: Chöôùng ngaïi vaät di ñoäng θ1 = 30 . Ñieàu ñoù coù nghóa laø, trong quaù trình di o Baèng caùch ñöa vaøo moät haøm ñaëc tröng nhö sau, chuyeån, robot seõ löu laïi caùc “veät queùt” cuûa caûm vieäc tìm ra vò trí khaû thi coù theå ñöôïc thöïc hieän deã bieán sieâu aâm tröôùc ñoù, neáu “veät queùt” cuõ giao vôùi daøng. veät queùt môùi taïi moät ñieåm hôïp vôùi vò trí môùi vaø cuõ cuûa caûm bieán moät goùc lôùn hôn 30o thì ta xaùc nhaän 4
1 : p ∈ FP χ FP ( M , z ) ( p ) =  (11) 0 : p ∉ FP Laïi tieáp tuïc ñöa vaøo haøm rnk() laø toång giaù trò caùc haøm ñaëc tröng cuûa p nhö sau: rnk (M , Z , p ) = ∑ χ FP ( M , z ) ( p ) (12) z∈Z Vaäy, vò trí cuûa robot laø vò trí phuø hôïp vôùi nhieàu vectô ñònh vò ñöôïc robot ghi nhaän nhaát:   Loc ( M , Z ) =  p | rnk ( M , Z , p) = sup(rnk ( M , Z , q))  q∈C  Hình 14: Chöông trình UMBmark Calculator (13) Trong ñoù, C laø taäp hôïp taát caû caùc oâ löôùi trong baûn ñoà. Maëc duø vaäy, Loc(M,Z) coù theå seõ laø moät taäp hôïp caùc ñieåm lieân thoâng. Ñeå tìm ra moät ñieåm duy nhaát, ta seõ tính toång cuûa caùc haøm rnk() cuûa caùc ñieåm laân caän, ñieåm coù giaù trò cao nhaát seõ laø vò trí töùc thôøi cuûa robot. Neáu laáy toång caùc ñieåm laân caän gaàn nhaát vaãn khoâng tìm ra ñöôïc ñieåm duy nhaát, chuùng ta seõ laáy toång caùc ñieåm laân caän tieáp theo. Ngoaøi ra, ñeå haïn cheá vuøng tính toaùn vò trí cuûa Hình 15: Baûn ñoà chöôùng ngaïi vaät robot vaø naâng cao ñoä chính xaùc, robot coù theå ñöôïc hoã trôï thuaät toaùn dead reckoning döïa vaøo vieäc tính toaùn vò trí theo söï ñieàu khieån mong muoán vaø ñöa vaøo moät sai soá tích luyõ theo quaõng ñöôøng di chuyeån cuûa robot. Sai soá cuûa phöông phaùp dead reckoning seõ ñöôïc kieåm tra vaø söûa loãi baèng phöông phaùp UMBmark. [Borenstein94] Chuùng toâi ñaõ vieát moät chöông trình tính toaùn UMBmark Calculator giuùp ngöôøi thí nghieäm moâ taû laïi keát quaû thí nghieäm vôùi UMBmark, vaø tính toaùn nhanh caùc sai soá ñeå hieäu (a) chænh. 5. CHÖÔNG TRÌNH MOÂ PHOÛNG Nhieäm vuï cuûa chöông trình moâ phoûng laø kieåm tra caùc keát quaû cuûa thuaät toaùn, ñoàng thôøi cuõng laø moät chöông trình nhaèm giôùi thieäu veà heä thoáng thuaät toaùn naøy cho sinh vieân. Chöông trình ñöôïc vieát theo laäp trình höôùng ñoái töôïng baèng ngoân ngöõ Visual C++ .NET. (b) Ngoaøi ra, trong phaàn Help (giuùp ñôõ), chuùng toâi trình baøy taát caû caùc lyù thuyeát veà thuaät toaùn, cuõng nhö caùc lyù thuyeát veà baøi toaùn ñoäng hoïc cho robot di ñoäng moâ hình NEWT, caùc lyù thuyeát caûm bieán sieâu aâm, hoàng ngoaïi, la baøn,… seõ hoã trôï cho vieäc giaûng daïy vaø nghieân cöùu veà sau. Döôùi ñaây laø giao dieän chöông trình moâ phoûng CabSim vaø chöông trình tính toaùn UMBmark Calculator (hình 14, 15, 16). © Hình 16: (a) Robot baét ñaàu queùt baûn ño (b) Robot ñang thaêm doø baûn ñoà (c)Robot hoaøn thaønh vieäc queùt baûn ñoà 5
6. KEÁT LUAÄN Mobile Robot Obastacle Avoidance”, IEEE Transactions on Robotics and Automation, 1995. Moät caùch sô löôïc, baøi baùo ñaõ phaân tích caùc vaán ñeà giaûi thuaät, taïo cô sôû cho vieäc thieát keá vaø cheá taïo [Borenstein96] J. BORENSTEIN, L. FENG and H. moät robot thöïc coù khaû naêng töï trò trong moät moâi R. EVERETT, “Where Am I? – Sensors and tröôøng chöa bieát. Chuùng toâi ñaõ tieán haønh vieäc moâ Methods for Mobile Robot Positioning”, Technical phoûng thuaät toaùn thaêm doø baûn ñoà, vaø ñang tieán haønh Report, University of Michigan, Apr 1996. phaàn thuaät toaùn ñònh vò. [CNL03] HOWIE CHOSET, KEIJI Hieän nay, vieäc söû duïng heä thoáng giaûi thuaät choàng NAGATANI, NICOLE A. LAZAR, “The Arc chaát caûm bieán naøy ñaõ vaø ñang ñöôïc phaùt trieån raát Transversal Algorithm: Approach to Increasing maïnh taïi caùc phoøng thí nghieäm ôû caùc nöôùc treân theá Ultrasonic Sensor Azimuth Accuracy”, IEEE giôùi. Saûn phaåm ñöôïc saûn xuaát haøng loaït ñaàu tieân söû Transaction on Robotics and Automation, Vol 19, duïng heä thoáng giaûi thuaät naøy laø robot huùt buïi No 3, June 2004. Trilobite cuûa haõng Electrolux 2003. Nhöõng saûn phaåm ñôn chieác noåi tieáng khaùc nhö robot thaêm doø [Diep99] TRAÀN TUAÁN ÑIEÄP, LYÙ HOAØNG sao Hoaû, vaø robot daãn ñöôøng cho ngöôøi muø… TUÙ, “Lyù thuyeát xaùc suaát vaø thoâng keâ toaùn hoïc”, In Nhöõng öùng duïng töø coâng nghieäp, ñeán nhöõng öùng laàn thöù 2, NXB Thoáng keâ, 1999. duïng ñôn giaûn hay voâ cuøng phöùc taïp keå treân cho [Elfes85] ALBERTO ELFES, “Ultrasonic thaáy raèng ñaây laø moät höôùng ñi caàn ñöôïc quan taâm. Sensors”, Carnegie Mellon University, 1985. Hôn theá, vieäc söû duïng caûm bieán reû tieàn nhö caûm [Latombe91] JEANS CLAUDE LATOMBE, bieán sieâu aâm luoân laø höôùng nghieân cöùu phaùt trieån raát maïnh. “Robot Motion Planning”, Kluwer Academic Khoù khaên lôùn nhaát hieän nay cho vieäc cheá taïo thöû Publisher, 1991 nghieäm moät robot laø kinh phí. Ñeå thöû nghieäm moät [Marsland02] STEPHEN MARSLAND, robot di ñoäng, caùc phoøng thí nghieäm treân theá giôùi “CS3451 Laboratory Exercises: Guide to the thöôøng phaûi boû ra töø 5000 USD ñeán haøng traêm Robots”, 2002. nghìn USD hoaëc lôùn hôn nhieàu. Trong khi ñoù, ôû [Moravec85] HANS P. MORAVEC and Vieät Nam, con soá naøy laø moät con soá khoâng töôûng. ALBERTO ELFES, “High Resolution Maps from Tröôùc maét, chuùng toâi ñaõ thöïc hieän ñeà taøi naøy ôû Wide Angle Sonar”, In Proc 1985 IEEE möùc ñoä chöông trình moâ phoûng, nhö trình baøy ôû International Conference on Robotics and treân, nhaèm muïc ñích phuïc vuï cho vieäc hoïc taäp, Automation, p. 116 – 121, St. Louis, MO, 1985. giaûng daïy vaø nghieân cöùu. Ngoaøi ra, sau khi phaân tích sô boä kinh phí thöïc hieän ñeà taøi, chuùng toâi mong [Moravec89] HANS P. MORAVEC, “Sensor muoán coù ñöôïc moät khoaûn taøi trôï 2000 USD cho vieäc Fusion in Certainty Grid for Mobile Robots”, thöïc hieän moät moâ hình robot hoaøn chænh ñeå coù theå Carnegie Mellon University, Sensor Devices and tieáp tuïc thí nghieäm vaø phaùt trieån ñeà taøi. Systems for Robotics, Springer Verlag, NY,1989. Höôùng phaùt trieån cuûa ñeà taøi seõ laø vieäc phaùt trieån [Murphy00] ROBIN R. MURPHY, caùc thuaät toaùn thaêm doø baûn ñoà, ñònh vò vaø tìm ñöôøng “Introduction to AI Robotics”, Massachusetts ñi cho robot thoâng qua chöông trình moâ phoûng. Institute of Technology, 2000. Naâng caáp thuaät toaùn ñeå robot coù theå hoaït ñoäng trong khoâng gian ba chieàu. [Muir88] PATRICK FRED MUIR, “Modeling and Control of Wheeled Mobile Robot”, TAØI LIEÄU THAM KHAÛO PhD thesis at Carnegie Mellon University, 1988. [Brown00] R.G.BROWN and B.R.DONALD, [Thuan03] NGUYEÃN ÑÖÙC THUAÄN, “Mobile Robot Self Localization without Explicit NGUYEÃN VUÕ SÔN, TRAÀN ANH VUÕ, “Cô sôû kyõ Landmarks”, p. 515- 559, Algorithmica 2000. thuaät sieâu aâm”, NXB Khoa hoïc vaø Kyõ Thuaät, 2003. [Borenstein94] J. BORENSTEIN and L. FENG, “UMBmark – A Method for Measuring, Comparing, and Correcting Dead Reckoning Errors in Mobile Robots”, Technical Report, University of Michigan, Dec 1994. [Borenstein95] J. BORENSTEIN and Y. KOREN, “Error Eliminating Rapid Ultrasonic Firing for 6