Luận văn thạc sĩ Kỹ thuật cơ điện tử: Nghiên cứu phương pháp điều hướng cho hệ robot bầy đàn trong môi trường có vật cản đa giác lồi và di chuyển theo đội hình

ĐẠI HỌC QUỐC GIA TP HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

BÙI VŨ HOÀN

NGHIÊN CỨU PHƯƠNG PHÁP ĐIỀU HƯỚNG CHO HỆ ROBOT BẦY ĐÀN TRONG MÔI TRƯỜNG CÓ VẬT CẢN ĐA GIÁC LỒI VÀ DI CHUYỂN THEO ĐỘI HÌNH

INVESTIGATION OF THE NAVIGATION METHOD OF SWARM ROBOT SYSTEM IN THE ENVIROMENT WITH CONVEX-POLYGON OBSTACLE

AND MOVE IN FORMATION

Chuyên ngành: Kỹ thuật Cơ điện tử

Mã số: 8520114

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH, tháng 01 năm 2024

Công trình được hoàn thành tại: Trường Đại học Bách Khoa – ĐHQG HCM

Cán bộ hướng dẫn khoa học: PGS.TS Ngô Hà Quang Thịnh

2 Thư ký: TS Phùng Thanh Huy

3 Phản biện 1: PGS.TS Đỗ Xuân Phú

4 Phản biện 2: TS Nguyễn Huy Hùng

5 Uỷ viên:TS Dương Văn Tú Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nếu có)

CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA CƠ KHÍ

PGS.TS Nguyễn Quốc Chí PGS.TS Bùi Trọng Hiếu

i

ĐẠI HỌC QUỐC GIA TP.HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự do - Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ tên học viên: BÙI VŨ HOÀN MSHV: 2070302 Ngày, tháng, năm sinh: 12-01-1997 Nơi sinh: Quảng Ngãi Chuyên ngành: Kỹ thuật Cơ Điện Tử Mã số : 8520114

I TÊN ĐỀ TÀI: Nghiên cứu phương pháp điều hướng cho hệ robot bầy đàn trong môi trường có vật cản đa giác lồi và di chuyển theo đội hình

(Investigation of the navigation method of swarm robot system in the environment with convex-polygon obstacle and move in formation)

II NHIỆM VỤ VÀ NỘI DUNG: Tìm hiểu về hệ robot bầy đàn và các vấn đề cần

được giải quyết Đề xuất phương pháp điều hướng nhằm giúp hệ robot bầy đàn vượt qua vật cản đa giác lồi, đồng thời đảm bảo duy trì đội hình trong suốt quá trình di chuyển

III NGÀY GIAO NHIỆM VỤ (Ghi theo trong QĐ giao đề tài) : 06/02/2023

IV NGÀY HOÀN THÀNH NHIỆM VỤ (Ghi theo trong QĐ giao đề tài) :

ii

LỜI CẢM ƠN

Trong quá trình học tập và hoàn thành chương trình thạc sĩ tại trường Đại học Bách Khoa -ĐHQG TP.HCM, tôi đã luôn nhận được sự ủng hộ, tin tưởng và hỗ trợ từ những quý thầy cô, bạn bè và người thân trong gia đình Họ đã cho tôi kiến thức, sự sẻ chia, định hướng và cả những lời động viên trên chặng đường vinh quang nhưng nhiều thử thách này

Trước hết, tôi xin gửi lời cảm ơn sâu sắc tới thầy hướng dẫn PGS.TS Ngô Hà Quang Thịnh Thầy là giáo viên hướng dẫn tôi ở luận văn đại học Sau này, người thầy ấy cũng là người định hướng, hướng dẫn và động viên tôi xuyên suốt thời gian thực hiện luận văn thạc sĩ Những kiến thức, kinh nghiệm và những lời khuyên của thầy đã giúp tôi hoàn thành luận văn thạc sĩ và chuẩn bị tốt hành trang cho tương lai Bên cạnh đó, tôi cũng gửi lời cảm ơn sâu sắc tới các bạn học của tôi, khoá 2020 Cảm ơn các bạn, những người đã đồng hành cùng tôi xuyên suốt chương trình này Tôi trân quý khoảng thời gian được học cùng các bạn, cùng nhau ôn luyện kiến thức, đốc thúc nhau làm bài và chia sẻ những kinh nghiệm thực tế quý giá

Về gia đình, bạn bè, tôi vô cùng biết ơn sự lo lắng, những lời động viên và sẻ chia của họ Và sự ủng hộ cả về vật chất lẫn tinh thần đó đã tiếp cho tôi sức mạnh to lớn để không ngã tay chèo trước những cơn sóng lớn

Cuối cùng, tôi xin dành lời cảm ơn đặc biệt tới các thầy cô Trường Đại học Bách Khoa đã truyền đạt kiến thức và hỗ trợ cho tôi trong suốt thời gian học thạc sĩ Vốn kiến thức ấy vô cùng quý giá và sẽ theo tôi trong suốt chặng đường phía trước

Một lần nữa, tôi xin chân thành cảm ơn

Bùi Vũ Hoàn

iii

TÓM TẮT LUẬN VĂN

Robot bầy đàn là nghiên cứu về sự phối hợp của hệ thống nhiều robot đơn giản, trong đó điều hướng Trong đó, điều hướng robot là một trong những hướng nghiên cứu khả thi mà chúng ta có thể nghiên cứu Điều hướng robot bầy đàn có thể được xem xét những tình huống mà trong đó robot với cảm biến và có khả năng định vị trong không gian có thể tiếp cận mục tiêu trong một môi trường không xác định với sự giúp đỡ của các robot khác Trong luận văn này, tôi tập trung giải quyết các vấn đề mà robot bầy đàn gặp phải trong quá trình điều hướng Cụ thể, tôi xem xét một hệ robot bầy đàn gặp phải chướng ngại vật có kích thước lớn không xác định trong tình huống: chướng ngại vật chặn hoàn toàn đường đi đến đích, hệ robot không có cách nào để di chuyển qua nó

Để thực hiện điều này, tôi đề xuất bộ điều khiển dựa trên hành vi của hệ robot bầy đàn để giải quyết những vấn đề xảy ra trong quá trình điều hướng Bộ điều khiển phân tán chia robot bầy đàn ở hai trạng thái chính: trạng thái tập trung ( khi không gặp vật cản) và trạng thái một chuỗi (để vượt qua vật cản) Bộ điều khiển để robot có thể bám theo tường yêu cầu mỗi robot phải trang bị một cảm biến tiệm cận và một cảm biến lidar Với bộ điều khiển này sẽ giảm thiểu vấn đề cực tiểu cục bộ gây ra khi robot di chuyển qua vật cản có kích thước lớn và duy trì liên kết giữa các robot; đồng thời giúp hệ robot bầy đàn di chuyển theo trình tự chỉ với việc sử dụng các cảm biến cục bộ Trong luận văn này, tôi bổ sung thêm bộ điều khiển mờ loại 2 để tự động tính toán các thông số điều khiển, đáp ứng khi robot di chuyển trong môi trường có vật cản khác nhau Ở phần cuối, tôi trình bày kết quả mô phỏng trong môi trường có chướng ngại vật có kích thước lớn hình dạng lồi và lõm Từ quá trình chuyển động thì robot bầy đàn trong mô phỏng không gặp phải cực tiểu cục bộ, tách nhóm khi di chuyển qua vật cản; đồng thời vẫn giữ được liên kết giữa các robot với nhau

iv

ABSTRACT

Swarm robotics is the study of coordination of simple multi-robot systems, including navigation In particular, robot navigation is one of the possible research directions that we can study Swarm robot navigation can be considered situations in which robots with sensors and spatial positioning capabilities can reach a target in an unknown environment with the help of other robots In this thesis, I focus on solving problems that swarm robots encounter during navigation Specifically, I consider a swarm robot system that encounters an obstacle of unknown large size in the situation: the obstacle completely blocks the path to the destination, the robot system has no way to move through it

In this thesis, I propose a controller based on swarm behavior to solve problems that occur during navigation The distributed controller divides the swarm robot into two main states: aggression configure (when not encountering obstacles) and one-chain configure (to pass through obstacles) The controller for the robot to follow the wall requires each robot to be equipped with a group of IR sensors and a LiDAR sensor This controller will minimize the problem of local minima caused when the robot pass through large obstacles and maintain the connection between robots At the same time, it helps the swarm robot system move in sequence using only local sensors In this thesis, I add interval type-2 fuzzy controller to automatically calculate control parameters and respond when the robot moves in environments with different obstacles Finally, I present the simulation results in an environment with large-sized obstacles of convex and concave shapes From the motion process, the swarm robot in the simulation does not encounter local minima or group separation when moving through obstacles; At the same time, the connection between robots is still maintained

v

LỜI CAM ĐOAN

Luận văn này là công trình nghiên cứu của cá nhân tôi, được thực hiện dưới sự hướng dẫn của PGS.TS Ngô Hà Quang Thịnh Luận văn của tôi có tham khảo các tài liệu, bài báo, trang web như được trình bày ở mục tài liệu tham khảo và ở mỗi tham khảo tôi đều trích dẫn nguồn gốc Tôi xin cam đoan rằng ngoài những trích dẫn từ các tham khảo trên, toàn bộ nội dung trong báo cáo là do tôi tự soạn thảo từ những kết quả nghiên cứu của riêng cá nhân tôi, không sao chép từ bất kì tài liệu nào khác

Tôi sẽ hoàn toàn chịu xử lí theo quy định nếu có bất cứ sai phạm nào so với lời cam đoan

Học viên

1.1 Giới thiệu chung về robot bầy đàn 1

1.1.1 Giới thiệu chung về robot bầy đàn 1

1.1.2 Hướng nghiên cứu về robot bầy đàn 4

1.1.3 Hướng nghiên cứu của luận văn 9

1.2 Các công trình nghiên cứu liên quan 10

1.3 Phạm vi luận văn 14

1.3.1 Giả thuyết 14

vii

1.3.2 Đối tượng nghiên cứu của luận văn 15

1.3.3 Mục tiêu luận văn 16

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH HOÁ 18

2.1 Mô hình hóa robot 18

2.1.1 Lựa chọn cảm biến 18

2.1.2 Mô hình hóa cảm biến 21

2.1.3 Phân biệt vật cản và robot 22

2.1.4 Thông số điều khiển mờ 24

2.2 Duy trì liên kết giữa các robot 27

CHƯƠNG 4: MÔ PHỎNG VÀ KẾT QUẢ 42

4.1 Môi trường mô phỏng và các thông số 42

4.2 Kết quả mô phỏng 42

4.2.1 Robot vượt qua vật cản đa giác lồi 42

4.2.2 Robot vượt qua vật cản đa giác lõm 51

ix

DANH MỤC HÌNH

Hình 1.1 Vật cản có dạng da giác lồi ABCD 15

Hình 1.2 Vật cản có dạng đa giác lõm ABCDEFGH 16

Hình 2.1 Bố trí cảm biến hồng ngoại 20

Hình 2.2 Vùng hoạt động của cảm biến tầm gần 21

Hình 2.3 Vùng hoạt động của cảm biến tầm xa 22

Hình 2.4 Trường hợp LiDAR xác định robot 23

Hình 2.5 Trường hợp LiDAR xác định tường 23

Hình 2.6 Hàm thuộc của các biến đầu vào cảm biến tầm xa: (a) Khoảng cách của cảm biến tầm gần ; (b) Góc cảm biến tầm gần 26

Hình 2.7 Hàm thuộc của các biến biến đầu vào cảm biến tầm gần: (a) Khoảng cách của cảm biến tầm xa; (b) Góc tương đối của cảm biến tầm xa 27

Hình 2.8 Phạm vi hoạt động của robot i 28

Hình 3.1 Sơ đồ giải thuật điều khiển của robot bầy đàn 31

Hình 3.2 Vận tốc của robot ở chế độ bám tường 34

Hình 3.3.Vận tốc của robt i ở chế độ tập trung 37

Hình 3.4 Vận tốc của robot i ở chế độ chuyển đổi A2C 39

Hình 3.5 Vận tốc của robot i ở chế độ chuyển đổi C2A 41

Hình 3.6 Giải thuật được sử dụng trong luận văn 41

x

Hình 4.1 Đường đi của robot vượt qua đa giác lồi và tiến về vị trí đích (N=6) (a) Vị trí ban đầu của swarm robot, (b) Robot tiếp cận vật cản; (c) Robot đi vòng qua vật cản; (d), (e) Robot đã vượt qua vật cản và tiến tới đích 45

Hình 4.2 Khoảng cách lớn nhất và nhỏ nhất giữa robot trong suốt quá trình chuyển động 46

Hình 4.3 Đường đi của robot vượt qua đa giác lồi và tiến về vị trí đích (N=9) (a) Vị trí ban đầu (b) Robot tiếp cận vật cản; (c) Robot đi vòng qua vật cản; (d), (e) Robot đã vượt qua vật cản và tiến tới đích 49

Hình 4.4 Khoảng cách lớn nhất và nhỏ nhất giữa robot trong suốt quá trình chuyển động 51

Hình 4.5 Đường đi của robot vượt qua đa giác lõmvà tiến về vị trí đích (N=6) (a) Vị trí ban đầu của swarm robot, (b) Robot tiếp cận vật cản; (c) Robot đi vòng qua vật cản; (d), (e) Robot đã vượt qua vật cản và tiến tới đích 54

Hình 4.6 Khoảng cách lớn nhất và nhỏ nhất giữa robot trong suốt quá trình chuyển động 55

Hình 4.7 Đường đi của robot vượt qua đa giác lõmvà tiến về vị trí đích (N=9) (a) Vị trí ban đầu của swarm robot, (b) Robot tiếp cận vật cản; (c) Robot đi vòng qua vật cản; (d), (e) Robot đã vượt qua vật cản và tiến tới đích 58

Hình 4.8 Khoảng cách lớn nhất và nhỏ nhất của hai robot trong suốt quá trình chuyển động 60

xi

DANH MỤC BẢNG

Bảng 1.1 Các công trình nghiên cứu có liên quan 13Bảng 2.1 Luật mờ α,β (tín hiệu từ cảm biến tầm gần) 25Bảng 2.2 Luật mờ 𝛾, 𝜈𝑖𝑗, 𝜏𝑖𝑗 (tín hiệu từ cảm biến tầm xa) 26

xii

DANH MỤC CÁC TỪ VIẾT TẮT

Từ viết tắt Chú thích

PFSM Probabilistic finite state machines

LED Light-emitting diode

LiDAR Light detection and ranging

FBDBC Fuzzy- based distributed behavioural control

A2C Chế độ tập trung sang bám tường (agressiong to coutoring)

C2A Chế độ bám tường sang tập trung (coutouring to aggression)

ROS Robot operating system

Robot bầy đàn gồm một tập hợp số lượng lớn các robot tự trị (Autonomous robot) có khả năng cảm nhận môi trường xung quanh, tính toán điều khiển và trao đổi thông tin thông qua mạng truyền thông [2] Các robot độc lập sẽ có hạn chế về khả năng, không đạt hiệu quả nếu hoạt động một mình nhưng lại hiệu quả khi phối hợp với nhau để thực hiện nhiệm vụ Hoạt động tương tác là đặc trưng của robot bầy đàn, giúp robot bầy đàn thu được kết quả nhanh và đáng tin cậy hơn một robot riêng lẻ Hệ thống robot bầy đàn có thể đồng nhất, gồm các robot hoàn toàn giống nhau; hoặc không đồng nhất, gồm nhiều loại robot có thiết kế và tính năng khác nhau Nhưng đều có chung những đặc điểm như sau [3]:

- Tính bền vững: Yêu cầu hệ thống có khả năng tiếp tục làm việc với hiệu suất thấp, lỗi từ các cá thể robot, nhiễu từ môi trường Điều này có được từ các yếu tố như sau: đầu tiên là khả năng dự phòng của hệ thống: bất kì cá thể nào mất tín hiệu thì sẽ được thay thế bằng cá thể khác Thứ hai, sự phối hợp không tập trung: phá hủy một phần của hệ thống cũng ảnh hưởng đến việc vận hành của bầy robot Thứ ba, các cá thể robot đơn giản Nếu so sánh một hệ thống đơn phức tạp cũng làm một việc thì hệ thống bầy đàn gồm các cá thể robot sẽ đơn giản hơn và ít lỗi hơn Cuối cùng, là sự đa

- Khả năng mở rộng: yêu cầu hệ thống có thể hoạt động ở một quy mô lớn Đây là cơ chế phối hợp để đảm bảo hoạt động của bầy ít bị xáo trộn nhất khi thay đổi quy mô nhóm

Tiêu chí để phân biệt nghiên cứu robot bầy đàn so với các nghiên cứu robot khác [1]:

- Robot tự hành

Mỗi cá thể robot trong hệ thống robot bầy đàn là một robot tự động, nó có một cơ cấu vật lí rõ ràng, được định vị và tương tác được với môi trường và các robot khác nhờ hệ thống cảm biến Những hệ thống robot thay đổi hình dạngcó thể coi là hệ thống robot bầy đàn khi và chỉ khi không tồn tại trung tâm điều khiển (bộ xử lý trung tâm)

- Số lượng robot lớn

Những nghiên cứu về robot bầy đàn có thể được áp dụng để điều khiển một số lượng robot nhất định, không có mục đích mở rộng và nằm ngoài bầy robot Mặt dù giới hạn dưới cho số lượng robot rất khó xác định, hầu hết được chấp nhận là từ 10-20 robot Tuy nhiên, chi phí cho mỗi robot đã giảm nhưng với một số lượng robot lớn thì chi phí bảo trì và thử nghiệm Do đó hướng nghiên cứu về mảng này thực hiện với quy mô nhỏ nhưng có khả năng mở rộng về quy mô

- Giới hạn về khả năng của robot

Những robot được sử dụng để nghiên cứu thì thường sẽ không có khả năng hoặc hiệu quả thấp khi thực hiện nhiệm vụ độc lập Đầu tiên, các robot gặp khó khăn khi

- Khả năng cảm nhận và giao tiếp

Các robot được sử dụng trong nghiên cứu nên giới hạn về khả năng cảm biến và giao tiếp Ràng buộc này nhằm đảm bảo sự phối hợp giữa các robot luôn tồn tại Trên thực tế, việc sử dụng các kênh liên lạc toàn cầu trong nhóm robot có khả năng làm xuất hiện các cơ chế phối hợp không điều chỉnh được, do đó nó sẽ trái với tiêu chí đầu tiên được đề cập ở trên Tuy nhiên, mạng toàn cầu có thể cung cấp một chương trình chung chó các robot bầy đàn

Việc sản xuất hàng loạt robot là điều cần thiết để triển khai các hệ thống robot bầy đàn trong ứng dụng xã hội Những tiến bộ trong ngành công nghiệp cơ điện tử đã giúp giảm kích thước và chi phí của robot tự động Từ đó, tiềm năng để ứng dụng SW trong các nhiệm vụ như [1]:

- Nhiệm vụ về giám sát không gian

Hệ thống robot bầy đàn là một hệ thống phân tán, vì vậy nó sẽ phù hợp với các nhiệm vụ liên quan đến giám sát không gian Khả năng cảm biến phân tán của hệ thống giúp thu thập thông tin và phát hiện nhanh các tình huống nguy hiểm, chẳng hạn như rò rỉ hóa chất Hệ thống robot bầy đàn sẽ có hai ưu điểm để giải quyết vấn đề tương tự Đầu tiên, hệ thống có khả năng tập trung các thành viên trong bầy hướng đến nơi xảy ra sự cố Khả năng này giúp hệ thống định vị và xác định vấn đề trong môi trường tốt hơn Thứ hai, hệ thống có thể tập trung để chặn đường rò rỉ

- Nhiệm vụ mang tính nguy hiểm cao

4

Các cá thể robot là thành phần không thể thiếu để tạo nên một hệ thống phù hợp cho các tác vụ nguy hiểm Ví dụ: dọn vệ sinh trong các hầm mỏ với chi phí thấp Không giống như robot đơn lẻ cũng thực hiện một nhiệm vụ, các robot bầy đàn có khả năng hoàn thành nhiệm vụ khi một hay nhiều cá thể gặp sự cố Việc sử dụng robot bầy đàn để kiểm tra một dãy hành lang sẽ an toàn hơn việc chỉ sử dụng một robot [1]

- Khả năng mở rộng và thu hồi

Hệ thống robot bầy đàn có khả năng mở rộng hoặc thu nhỏ quy mô khi đang thực hiện nhiệm vụ Ví dụ, quy mô của một vụ tràn dầu có thể tăng lên khi số lượng các thùng dầu bị hỏng Một hệ thống robot bầy đàn có thể tự động tăng thêm số lượng robot để đảm bảo lưu trữ đủ lượng dầu tràn [1]

- Nhiệm vụ yêu cầu dự phòng

Độ ổn định của hệ robot bầy đàn có thể đến từ sự dư thừa tài nguyên ( dư thừa robot) trong bầy Sự dư thừa này cho phép hệ thống có thể phân tán một cách an toàn, gây ít hỏng hóc cho hệ thống [1]

1.1.2 Hướng nghiên cứu về robot bầy đàn

Kỹ thuật bầy đàn (swarm engineering) là ứng dụng có hệ thống kiến thức khoa học và kỹ thuật để mô hình hóa và xác định các yêu cầu, thiết kế, hiện thực hóa, xác minh, xác nhận, vận hành và duy trì hệ thống trí tuệ bầy đàn Việc nghiên cứu về robot bầy đàn hiện nay thường chia làm hai loại Đầu tiên, phân tích các phương pháp thiết kế và phân tích hệ thống robot bầy đàn Thứ hai, phân tích một số hành vi tập thể có thể có mà hệ thống robot bầy đàn Khi nói đến hành vi tập thể, chúng tôi muốn nói đến hành vi của cả bầy tổng thể Những hành vi tập thể như vậy có thể được sử dụng thực hiện các nhiệm vụ , chẳng hạn như tìm kiếm thức ăn hoặc xây dựng

Đối với luận văn, tôi tập trung vào nghiên cứu hành vi của robot nên tôi sẽ tập trung nói về các hành vi tập thể của bầy đàn có thể kết hợp để thực hiện các nhiệm

5

vụ phức tạp, ví dụ như tìm kiếm thức ăn hay xây dựng Hành vi thập thể của robot được chia thành bốn loại chính: hành vi tổ chức không gian, hành vi điều hướng, ra quyết định tập thể và các hành vi tập thể khác [4]

Ở loại đầu tiên, hành vi tổ chức không gian, chúng ta xem xét dựa vào cách tổ chức và phân bố robot và vật cảntrong không gian Ở loại thứ hai , hành vi điều hướng, chúng ta xem xét các hành vi tập trung vào cách tổ chức và phối hợp chuyển động của một đàn robot Ở loại thứ ba, ra quyết định tập thể, chúng tôi xem xét vào việc để một nhóm robot thống nhất về một quyết định chung hoặc phân phối các nhiệm vụ song song khác nhau Trong loại cuối cùng, các hành vi tập thể khác, chúng tôi xem xét những hành vi không thuộc bất kỳ loại nào được đề cập ở trên

1.1.2.1 Hành vi tổ chức không gian

Phần này sẽ mô tả các hành vi tập thể, những hành vi tập trung vào cách tổ chức và phân phối robot và vật cản trong không gian Robot có thể được tổ chức và phân phối trong không gian theo nhiều cách: tập hợp, mô hình, chuỗi và liên kết vật lí giữa robot

- Hành vi tập trung

Mục tiêu của việc tổng hợp là nhóm tất cả các robot của một bầy đàn trong một khu vực của môi trường Mặc dù chỉ là một hành vi tập thể đơn giản, nhưng việc tập hợp lại là một khối xây dựng rất hữu ích vì nó cho phép một đàn robot đến đủ gần nhau để chúng có thể tương tác

Một số nghiên cứu : Garnier và cộng sự (2005) [5], đã phát triển một hệ thống trong đó robot được sử dụng để tái tạo hành vi được quan sát thấy ở gián Các robot có thể tập hợp lại trong một đấu trường hình tròn bằng cách sử dụng phương pháp PFSM (probabilistic finite state machines) Phương pháp tiến hóa nhân tạo ( artificial evolution) đã được phát triển bởi Trianni et al (2003) [6] Các tác giả đã thu được hai bộ tham số cho một mạng lưới thần kinh đạt được cả tập hợp chuyển động và tĩnh

6 - Hành vi đội hình

Hành vi đội hình nhằm mục đích triển khai robot một cách thường xuyên và lặp đi lặp lại Robot cần giữ khoảng cách với nhau để tạo ra khoảng cách mong muốn

Một số nghiên cứu: Shucker và Bennett (2007) [7] đã trình bày một hành vi ở đó robot tương tác thông qua các lò xo ảo Những lò xo ảo này được robot sử dụng để tính toán lực ảo hút đẩy Flocchini và cộng sự (2008) [8] tập trung vào phân tích lý thuyết về sự hình thành mô hình Các tác giả đã chứng minh rằng với một nhóm robot hoàn toàn không đồng bộ, chỉ có thể thu được một tập hợp con của tất cả các mẫu có thể, trong khi các mẫu khác chỉ có thể đạt được thông qua định hướng chung do la bàn đưa ra

- Hành vi phân cụm và lắp ráp đối tượng:

Phần này trình bày các công việc trong đó robot di chuyển các vật thể trải rộng trong một môi trường Các robot có thể tuân theo hai loại hành vi: phân cụm và tập hợp Mục tiêu của việc phân cụm và tập hợp đối tượng là nhóm các đối tượng gần nhau Sự khác biệt giữa cụm và tập hợp là cụm bao gồm các đối tượng không được kết nối, trong khi tập hợp bao gồm các đối tượng được liên kết vật lý Các hành vi phân cụm và lắp ráp đối tượng là các thành phần cơ bản của bất kỳ quy trình xây dựng nào

7

Một số nghiên cứu: Wawerla và cộng sự (2002) [10] đã phát triển một phương pháp tạo ra những bức tường 2D thành từ các khối màu xen kẽ Werfel (2006) [11]đã phát triển một phương pháp tạo cấu trúc 2D tùy ý với các khối được đặt trên một lưới ảo

Một số nghiên cứu: Ducatelle và cộng sự (2011) [12] đã đề xuất một hành vi tập thể dựa trên định tuyến mạng, có khả năng hướng dẫn robot từ khu vực nguồn đến mục tiêu

- Chuyển động phối hợp

Trong chuyển động phối hợp, hay chuyển động theo đàn, robot di chuyển theo đội hình Đối với một nhóm robot tự động, chuyển động phối hợp có thể rất hữu ích như một cách để điều hướng trong môi trường có ít hoặc không có va chạm giữa các robot và như một cách để cải thiện khả năng cảm nhận của bầy đàn (Kaminka et al 2008) [13]

Một số nghiên cứu: Ferrante và cộng sự (2012) [14]đã đề xuất một hành vi chuyển động phối hợp, khác với các tác phẩm khác, không yêu cầu quy tắc căn chỉnh rõ ràng: các robot trong bầy chỉ sử dụng quy tắc hút và đẩy Sự khác biệt chính là cách mà các vecto vận tốc được tính toán bằng cách sử dụng quy tắc lực hút và lực đẩy vào sự dẫn động của bánh xe

8 - Di chuyển tập thể

Di chuyển tập thể, là một hành vi tập thể trong đó một nhóm robot phải hợp tác để vận chuyển một vật thể Với một vật thể nặng và không thể di chuyển chỉ bằng một robot duy nhất, nên cần phải có sự hợp tác Các robot cần phải thống nhất về một hướng chung để di chuyển vật thể tới mục tiêu một cách hiệu quả

Một số nghiên cứu: Ferrante và cộng sự (2013) [15] đã phát triển một hành vi di chuyển tập thể, trong đó, thông qua giao tiếp, một nhóm robot có thể thống nhất về một hướng di chuyển chung hướng tới mục tiêu bằng cách lấy trung bình hướng mong muốn của từng cá nhân Giải pháp được đề xuất có thể khiến robot hướng tới mục tiêu chung đồng thời tránh chướng ngại vật

1.1.2.3 Ra quyết định tập thể

Việc ra quyết định tập thể liên quan đến cách các robot ảnh hưởng lẫn nhau khi đưa ra lựa chọn Nó có thể được sử dụng để đáp ứng hai nhu cầu trái ngược nhau: thỏa thuận và chuyên môn hóa Kết quả mong muốn là tất cả các robot trong bầy đàn cuối cùng sẽ một quyết định duy nhất trong số các lựa chọn thay thế có thể có Thay vào đó, một ví dụ điển hình về chuyên môn hóa là phân bổ nhiệm vụ Kết quả mong muốn của việc phân bổ nhiệm vụ là các robot của bầy đàn tự phân bổ các nhiệm vụ khác nhau để tối đa hóa hiệu quả hiệu suất của một hệ thống

- Phân bổ nhiệm vụ

9

Phân bổ nhiệm vụ là một hành vi tập thể trong đó robot tự phân bổ các nhiệm vụ khác nhau Mục tiêu là tối đa hóa hiệu suất của hệ thống bằng cách cho phép robot tự động chọn nhiệm vụ cần thực hiện

Một số nghiên cứu: Pini và cộng sự (2011) [17] đã xem xét một tình huống trong đó robot có thể lựa chọn giữa việc mang mục tiêu trực tiếp từ nguồn đến nơi lưu trữ và lưu trữ nó trong một cấu trúc tậm thời

1.1.3 Hướng nghiên cứu của luận văn

Hướng nghiên cứu chuyển động theo bầy đàn vượt qua môi trường chưa xác định là một trong những thách thức trong nghiên cứu về robot bầy đàn Ứng dụng chủ yếu của robot đàn là các nhiệm vụ tìm kiếm và cứu hộ Để hiểu được ứng dụng robot bầy đàn biết về hai hành vi của chúng: bao phủ không gian và điều hướng robot Đối với những nhiệm vụ cứu hộ cần di chuyển trong một môi trường chưa xác định trước, việc định hướng của robot rất quan trọng.Khi di chuyển trong môi trường chưa biết và có vật cản lớn thường sẽ có những vấn đề lớn Đầu tiên, cực tiểu cục bộ (local minima) xảy ra khi robot bầy đàn di chuyển trong môi trường có vật cản lớn (hơn nhiều so với kích thước bầy robot Thứ hai, việc đảm bảo khoảng cách giữa các robot khi di chuyển Thứ ba, các robot trong bầy chuyển động theo thứ tự đã được định trước, không bị xáo trộn đội hình Nghiên cứu Haitao Zhao (2018) [18] đã giải quyết vấn đề duy trì đội hình của robto bầy đàn và các robot chuyển động theo đội hình tuy nhiên vật cản sử dụng chưa đủ lớn để đánh giá cực tiểu cục bộ có xảy ra hay không Nghiên cứu của Truong Nhu (2021) [19] áp dụng hai chế độ chuyển động (dạng chuỗi và tập trung) để vượt qua vật cản lớn và không xảy ra cực tiểu cục bộ Sử dụng bộ điều khiển mờ để tính toán các thông số điều khiển Tuy nhiên sử dụng luật mờ loại 1 nên sai số khi mô phỏng lớn

Để giải quyết sai số nói trên, tôi đề xuất sử dụng luật mờ loại 2 dựa trên nghiên cứu so sánh hiệu quả luật mờ loại 1 và luật mờ loại 2 của Ade Silvia Handayani (2019) [20]: Đối với loại 1 sẽ nhanh hơn so với loại hai khi ta áp dụng trọng thời gian

10

thực và dễ thiết kế hơn, nhưng chỉ áp dụng được trong môi trường chống nhiễu Luật mờ loại 2 tuy phức tạp hơn nhưng lại giải quyết được vấn đề nhiễu Luật mờ loại hai được sử dụng để mô hình hóa các biến không chắc chắn và giải quyết các vấn dề phức tạp nhằm cải thiện độ chính xác.Ngoài ra, tôi có tham khảo thêm nghiên cứu của Tzu-Chao Lin (2019) [21]sử dụng luật mờ loại 2 để điều hướng mobile robot

Trong luận văn này tôi đề xuất kết hợp bộ hai phương pháp để điều khiển robot bầy đàn: đầu tiên là sử dụng bộ điều khiển hai chế độ để thay đổi đội hình của robot bầy đàn để vượt qua vật cản Ưu điểm là giải quyết được vấn đề cực tiểu cục bộ và duy trì liên kết giữa các robot trong bầy đàn; thứ hai sử dụng luật mờ loại hai để tính toán các thông số điều khiển Ưu điểm là giải quyết được vấn đề nâng cao độ chính xác khi sử dụng bộ điều khiển mờ

1.2 Các công trình nghiên cứu liên quan

Khi vượt qua chướng ngại vật trong một môi trường, nếu robot biết trước được thông tin về hình dạng của vật cản chúng có thể tạo một quỹ đạo hợp lí để tránh nó Mặt khác, di chuyển dọc theo biên dạng của vật cản là một chiến lược khả thi để vượt vật cản [22] Từ những góc nhìn trên, những nghiên cứu về di chuyển của robot được chia làm hai loại: (1) di chuyển tập thể tránh vật cản và (2) di chuyển tập thể theo biên dạng vật cản

Ở loại đầu tiên, thuật toán bầy đàn (flocking algorithm) được áp dụng để duy trì chuyển động trật tự đồng nhất của các robot, đồng thời giữ khoảng cách an toàn giữa các robot trong suốt quá trình di chuyển từ điểm khởi đầu đến điểm kết thúc Thuật toán tránh vật cản thường áp dụng đối với vật cản nhỏ [18] [23] Chuyển động theo trật tự có thể thực hiện bởi điều khiển đồng bộ (aligment control-yêu cầu vị trí tương đối giữa các robot liền kề) [23] hoặc bộ điều khiển không đồng bộ (non-aligment control) (được sử dụng với mô hình bám tường và chuyển động theo robot đầu đàn Bộ điều khiển đồng bộ tạo ra các chuyển động đồng bộ có hướng nhưng yêu cầu cao về các cơ cấu cảm biến để thu thập các tín hiệu về góc tương đối của các robot liền

11

kề Trong khi đó, bộ điều khiển không đồng bộ có thể gây xáo trộn về hướng của robot dẫn đến xô đẩy giữa các robot (anti-flocking) Thêm vào đó, nếu chỉ sử dụng thuật toán đồng bộ, robot bầy đàn có thể gặp vấn đề khi gặp vật cản lớn hơn nhiều so kích thước của robot; không thể chuyển đổi trạng thái để vượt qua các khe hẹp, bầy robot có thể bị chia thành các nhóm nếu bị mất liên kết

Ở loại thứ hai, thay vì tránh vật cản, chiến thuật bám tường được sử dụng để vượt qua vật cản bằng cách bám theo biên dạng Phần lớn nghiên cứu tập trung vào áp dụng với đơn robot trong khi đó chỉ có một số ít được nghiên cứu trên hệ robot với những thách thức trong tương tác giữa các robot [24] [25] [26] [27] [28] Hình dạng của bầy đàn trong chiến lược bám tường được chia thành các loại như một chuỗi (dạng đường thẳng) [25] [28], dạng đội hình [25] dạng linh hoạt bằng cách lăn theo biên dạng của vật cản [24] Đặc biệt, khi chuyển sang dạng chuyển động lăn để robot bầy đàn bám theo biên của vật thể lồi và lõm dạng chữ U [24] Tâm của vecto vận tốc từ đích của tất cả robot được sử dụng là một thông số để loại bỏ chuyển động hướng đến đích khi robot gặp chướng ngại vật Nhờ đó, robot có thể vượt qua vật cản, nhưng cực tiểu cục bộ xuất hiện khi có các robot trong bầy chuyển sang chuyển động lăn Ở nghiên cứu [25], robot bầy sử dụng giao tiếp lẫn nhau để xác định vị trí vật cản và kích hoạt chế độ bám tường một cách đồng bộ và luôn giữ được đội hình Ở [26], tác giả xem xét robot bầy đàn gồm 4 robot có giao tiếp để di chuyển theo đổi hinh Nếu không có không gian cho robot chuyển động theo hàng ngang thì robot sẽ chuyển sang dạng bám tường rong khi đang chuyển động theo hàng Giao tiếp sẽ giúp robot thực hiện đồng bộ các hành động như dừng, chờ, đi thẳng, Ở nghiên cứu [27] bộ điều khiển bám tường của hệ đa robot được xem xét trong các dạng vật cản khác nhau như đa giác lồi, lõm Mô hình robot đầu đàn được sử dụng ở dạng bám tường với đơn robot và những robot theo sau sẽ bám theo robot đầu đang như một mục tiêu Thuật toán tránh vật cản được thêm vào các robot theo sau nhằm tránh va chạm vào tường trong quá trình bám theo robot đầu đàn Với bộ điều khiển loại này, ta chỉ cần sử biết về khoảng cách tương đối giữa các robot và góc định hướng của chúng với nhau bằng các cảm biến hồng ngoại Ở nghiên cứu [28] robot bầy đàn di chuyển từ điểm đầu

12

đến đích ở dạng đội hình với bộ điều khiển sử dụng robot bầy đàn Nếu đội hình gặp vật cản, để đảm bảo duy trì đội hình, thì các robot phải chuyển đổi sang dạng đội hình một đường thẳng Trong trường hợp này chúng ta xác định hai trường hợp: robot đầu đàn nhận một lực đẩy lớn ở phía trước (theo hướng chuyển động) hoặc một robot ở biên đội hình nhận một lực đẩy lớn từ một hướng Học tăng cường (reinforcement - learning) được áp dụng để lựa chọn hành vi cho robot bao gồm: tiến về vị trí cuối, tránh vật cản, tránh va chạm, di chuyển bám tường thông qua việc dự đoán khả năng có thể xảy ra trong quá trình chuyển động [28] Trong một số ít nghiên cứu gần đây , phần lớn trong số này đều không dùng bộ điều khiển phân tán mà yêu cầu có sự giao tiếp để chuyển đổi trạng thái cũng như duy trì trạng thái [24] [26], [28] Ngoại trừ [27] chỉ xem xét bộ điều khiển bám tường không chuyển đổi trạng thái

Bảng 1.1 là tổng kết những sự khác nhau giữa các cách tiếp cận của tác giả và những công trình nghiên trước đó về vấn đề định hướng robot di chuyển qua vật cản Phương án được đề xuất là sử dụng bộ điều khiển phân tán cho robot bầy đàn định hướng trong môi trường có vật cản chưa biết Nó cho phép chuyển đổi trạng thái của bầy đàn từ dạng tập trung sang dạng một hàng và ngược lại và không yêu cầu về giao tiếp giữa những robot với nhau Bộ điều khiển được đề xuất đảm bao liên kết giữa robot với nhau cũng như giải quyết được vấn đề cực tiểu cục bộ tạo từ vật cản lớn và sự duy trì kết nối giữa robot Thêm vào đó, sử dụng bộ điều khiển mờ loại 2 [20] để tính toán thông số điều khiển giúp giảm thiểu sai số khi sử dụng bậc 1 [19] cũng như thích nghi với sự thay đổi của môi trường

13

Bảng 1.1 Các công trình nghiên cứu có liên quan

Vấn đề giải quyết

Loại chuyển động khi gặp chướng

ngại vật

CChuyển

chế độ

Thông số điều khiển

Duy trì kết nối

Loại bỏ local minima tạo ra bởi

Distributed control

Vật cản Duy trì liên kết

Loại 1: Tránh vật cản

[[18]

Di chuyển từ vị trí ban đầu đến đích theo quỹ đạo cho trước

Tránh vật

[[29]

Di chuyển từ vị trí ban đầu đến đích theo quỹ đạo cho trước

Tránh vật

[[30]

Di chuyển dựa vào bộ điều khiển đông bộ

Tránh vật

[[23]

Đinh hướng chuyển động dựa vào bộ điều khiển đồng bộ

Di chuyển đến đích, vượt qua những vật cản dạng lớn không lõm

Bám tường bằng chuyển động lăn theo biên dạng

Có (giao

tiếp) Định trước Không

Lớn, không có hình dạng lõm

Không Không

[[25]

Di chuyển đến vị trí đích theo đội hình

Bám tường nhưng vẫn giữ đội hình

dạng lõm Không Không

[[26]

Di chuyển nhờ sự kết hợp hai dạng đội song song và một hàng

Bám tường dạng chuỗi Có

Sử dụng bộ điều khiển mờ loại 1

Không

Lớn, vật có dạng lồi và lõm

Không Không

14 [

[27]

Di chuyển bám tường

Di chuyển đến đích với sự thay đổi độ hình từ tam giác sang đường thẳng

Bám tường dạng chuỗi

Có (giao tiếp)

Định

LLớn, vật có dạng lồi và lõm

Không Không

[[19]

Di chuyển đến đích với sự thay đổi đội hình dạng tập trung và dạng chuỗi

Bám tường dạng chuỗi

Có (không giao tiếp)

Bộ điều khiển mờ loại 1

Có

LLớn, vật có dạng lồi và lõm

[[21]

Di chuyển bám tường

Bám tường

dạng chuỗi Không

Bộ điều khiển mờ bậc 2

Không

Lớn, vật có hình dạng lồi lõm

Không Không

[[31]

Di chuyển bám tường

Bám tường

[[32]

Di chuyển bám tường

Bám tường

dạng chuỗi Không

Reinforcement learning

Không

Lớn, vật có hình dạng lồi lõm

Không Không

Cách tiếp cận trong luận văn

Di chuyển đến đích với sự thay đổi đội hình: tập trung và bám tường

Bám tường dạng chuỗi

Có (không giao tiếp)

Bộ điều khiển mờ bậc 2

Có

Vật cản lớn có cạnh và không

1.3 Phạm vi luận văn 1.3.1 Giả thuyết

Trong phạm vi luận văn, các đối tượng (vật cản và robot) đều được thể hiện bởi một đối tượng chất điểm Việc giả định này đủ để chứng minh giải thuật được nghiên cứu trong luận văn

15

1.3.2 Đối tượng nghiên cứu của luận văn

Như ở phần 1.2 đã nêu , những chướng ngại vật lớn và chưa biết hình dạng là một thách thức lớn đối với việc điều hướng bầy đàn Do đó, vấn đề chính chính được giải quyết trong luận văn là làm thế nào để thiết kế điều khiển hành vi phân tán cho robot bầy đàn để vượt qua chướng ngại vật, tránh cực tiểu cục bộ và duy trì kết nối bất kể kích thước, hình dạng và vị trí của chướng ngại vật Cụ thể, chúng tôi đã phát triển các chiến lược khác nhau trong trường hợp khi chướng ngại vật chặn đường đi của robot bầy đàn Chúng ta cần giải quyết những vấn nghiên cứu sau:

- Sử dụng biên dạng của vật cản để dẫn hướng cho robot bầy đàn

- Đề xuất các chiến lược điều khiển phân tán có khả năng giải quyết được cực

Hình 1.1 Vật cản có dạng da giác lồi ABCD

17

dạng vật cản) Cụ thể, robot bầy đàn khảo sát gồm sáu đến robot di chuyển trong môi trường có vật cản phức tạp (đa giác lồi hay lõm), đồng thời duy trì đội hình trong quá trình di chuyển đến điểm đích Mặt khác, thuật toán có khả năng phát hiện chướng ngại vật xung quanh robot để điều hướng an toàn, tránh va chạm giữa robot với nhau và với vật cản

Từ lí thuyết đưa ra, ta tiến hành mô phỏng với phần mềm MATLAB Vì ở quy mô nhỏ [1] và tham khảo từ nghiên cứu [19]nên ta chọn sử dụng 6-9 robot để mô phỏng Không gian làm việc được chọn sao cho bao quát được vật cản ở hình 1.1 và hình 1.2 Tốc độ di chuyển để duy trì đội hình được tham khảo từ nghiên cứu [33], được giới thiệu ở phần 2.2 Cảm biến sử dụng ở phần mô phỏng là LiDAR và cảm biến hồng ngoại, được lựa chọn ở phần 2.1.2 Từ đó, ta có thông số mô phỏng:

- Mobile robot di chuyển trên mặt đất: differential drive robot (DDR) - Số lượng robot của bầy: 6 -9 (homogenous robot)

- Không gian hoạt động: 8000x7000 mm - Cảm biến sử dụng: LiDAR và hồng ngoại - Tốc độ di chuyển tối đa: 350 mm/s

- Vật cản có hình dạng đa giác lồi và đa giác lõm (hình 1.1 và hình 1.2)

18

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH HOÁ

2.1 Mô hình hóa robot

Giả thuyết một robot bầy đàn có N robot trong không gian hai chiều Gọi 𝑝𝑖 = (𝑥(𝑖), 𝑦(𝑖)) là vị trí của robot trong không gian 2D Bán kính robot là 𝑟𝑎 Để thu thập thông tin từ môi trường bên ngoài thì robot phải sử dụng cảm biến Trong luận văn này tôi đề xuất sử dụng hai loại cảm biến Loại thứ nhất, cảm biến tầm xa có phạm vi hoạt động lớn hơn rất nhiều so với bán kính của robot, sử dụng để xác định các robot liền kề và phát hiện vật cản trước khi vật tiến đến vật cản Gọi 𝑟𝐿 là bán kính vùng hoạt động của cảm biến tầm xa (𝑟𝐿 ≫ 𝑟𝑎) Loại thứ hai là loại cảm biến tầm gần được sử dụng để bám theo biên dạng vật cản Gọi 𝑟𝑇𝑆 la bán kính vùng hoạt động của cảm biến tầm gần

- LiDAR là cảm biến được sử dụng để đo khoảng cách đến một vật thể bằng cách phát ra các xung ánh sáng ngắn và đo thời gian ánh sáng quay trở lại cảm biến Ưu điểm chính là phát hiện vật vật thể với độ chính xác cao và phạm vi hoạt động

- Loại cảm biến phát hiện chướng ngại vật cuối cùng đó là cảm biến siêu âm Bằng cách truyền và nhận sóng siêu âm để xác định khoảng cách đến vật thể Tương tự như LiDAR, thời gian giữa thời điểm truyền và thười điểm nhận được sử dụng để xác định khoảng cách từ vật đến cảm biến Ưu điểm của cảm biến siêu âm so với cảm biến quang học là có khả năng làm việc trong các môi trường có nhiều tác động cản trở tầm nhìn như khói, bụi Tuy nhiên do độ chính xác thấp và độ nhạy với nhiệt độ không khí nên cần bồ sung nhiều cảm biến hoặc thêm các cảm biến bổ sung để nâng cao độ chính xác và độ nhạy của hệ thống [36]

Từ những phân tích trên, tôi sẽ lựa chọn cảm biến LiDAR sử dụng để mô phỏng và thực nghiệm (nếu có) vì có độ chính xác cao, đơn giản vì chỉ cần một cảm biến Trong khi các phương án còn lại, để tăng độ chính xác thì cần nhiều cảm biến Với tầm hoạt động của cảm biến LiDAR SICK LMS511 [37] vào khoảng 0.2-80 m Gọi 𝑟𝐿 là bán kính vùng hoạt động của LiDAR Với không gian hoạt động giới hạn của mô phỏng là 5x8 m và tham khảo từ nghiên cứu [37] nên ta lựa chọn vùng hoạt động tối đa của LiDAR ở luận văn là 0.7m, tương ứng 𝑟𝐿 = 0.7𝑚

Đối với cảm biến tầm gần, yêu cầu là có thể phát hiện được vật cản ở gần và định hướng vị trí gần nhất của vật cản đến robot [38] Những hệ thống cảm biến thường được sử dụng như cảm biến hồng ngoại IR [39], cảm biến siêu âm [40] [41] Tuy nhiên để có thể đo chính xác được khoảng cách và hướng của vật cản là một thách thức Ở nghiên cứu của Farrow [39], sử dụng cảm biến hồng ngoại để đo khoảng cách , xác định hướng vật cản và giao tiếp với các robot khác Hệ thống droplet được

20

Farrow sử dụng có khả năng đo ba thông số bằng cảm biến hồng ngoại Sử dụng 6 cảm biến được đặt đối xứng để đo khoảng cách, góc định hướng và giao tiếp giữa các robot Sử dụng kết quả từ nghiên cứu trên ta chọn cụm cảm biến hồng ngoại để xác định khoảng cách và vị trí của tường so với robot Đối với cảm biến hồng ngoại tầm hoạt động của nó từ 2-30cm

Hình 2.1 Bố trí cảm biến hồng ngoại

21

2.1.2 Mô hình hóa cảm biến

-

Hình 2.2 Vùng hoạt động của cảm biến tầm gần

Hình 2.2 biểu diễn vùng hoạt động của robot tầm gần Trong đó, bán kính robot là 𝑟𝑎, bán kính cùng hoạt động của cảm biến hồng ngoại là 𝑟𝐼𝑅 𝑟𝑇𝑆 vùng hoạt động của cảm biến hồng ngoại 𝑟𝑇𝑆 Từ hình 2.2 ta có 𝑟𝑇𝑆 = 𝑟𝑎+ 𝑟𝐼𝑅 Giá trị khoảng cách của cảm biến hồng ngoại thu được chia thành các vùng ngắn, trung bình, dài Tương tự giá trị góc định hướng mà cảm biến nhận được cũng được phân loại thành: góc bên trái 𝐿𝑇𝑆, góc trên bên trái 𝐿𝐹𝑇𝑆, góc bên phải 𝑅𝑇𝑆, góc trên bên phải 𝑅𝐹𝑇𝑆

22

Hình 2.3 Vùng hoạt động của cảm biến tầm xa

Hình 2.3 biểu diễn vùng hoạt động của robot tầm gần 𝑟𝐿 vùng hoạt động của cảm biến 𝑟𝐿 Giá trị khoảng cách của cảm biến LiDAR thu cũng được chia được thành các vùng ngắn, trung bình, dài Tương tự giá trị góc định hướng mà cảm biến nhận được cũng được phân loại thành: góc trên bên trái 𝐿𝐹𝐿𝑅𝑆, góc trên bên phải 𝑅𝐹𝐿𝑅𝑆

2.1.3 Phân biệt vật cản và robot

Ở giải thuật được đưa ra của bài toán, khoảng cách của các robot sẽ không quá nhỏ (tương đương bán kính của robot Vì vậy cảm biến tầm gần sẽ không được sử dụng để đo khoảng cách giữa hai robot Khi xác định khoảng cách từ cảm biến LiDAR 2D , làm sao có thể phân biệt được vật cản và robot chuyển động Cảm biến LiDAR sẽ phát ra các tia laser liên tục 360 độ, ghi lại thông tin tín hiệu và trả về

23

khoảng cách của vật thể xung quanh Đối với luận văn sử dụng vật cản lớn hình 1.1 và hình 1.2 và robot có bán kính nhỏ hơn nhiều so với vật cản

Hình 2.4 Trường hợp LiDAR xác định robot

Hình 2.5 Trường hợp LiDAR xác định tường

Ở hình 2.4, số tia phát ra và nhận lại khi gặp robot sẽ nhỏ, hoặc ta có thể xác định được kích thước robot Tương tự ở hình 2.5, nếu gặp vật cản, số lượng tia phát ra và nhận về sẽ nhiều hơn hoặc có thể xác định được chiều dài của vật cản Theo giả thuyết ở đầu thì robot sẽ nhỏ hơn nhiều so với vật thể, từ đó ta phân biệt được vật cản và robot

24

2.1.4 Thông số điều khiển mờ

Trong môi trường không xác định trước, robot bầy đàn sẽ gặp những trường hợp các yếu tố gây nhiễu hệ thống Một cách tiếp cận để kiểm soát những trường hợp xuất hiện nhiễu này là việc sử dụng bộ điều khiển mờ [42] Khi sử dụng bộ điều khiển này có thể rút ngắn thời gian xử lí tín hiệu, tránh vật cản và di chuyển mượt hơn trong những hệ phức tạp

Ngoài ra, bên cạnh bộ điều khiển mờ, có rất nhiều phương pháp sử dụng điều khiển thông minh để xử lí thông tin như: ant colony optimization algorithm [43] mạng neural (artificial neural network) [44]; thuật toán di truyền (genetic algorith) [45], simulated annealing algorithm [46]

Khi điều hướng hệ thông robot bầy đàn, với bộ điều khiển mờ cho phép các tập mờ loại 1 có thể xử lí các tín hiệu nhiễu [47] Tuy nhiên, trong nhiều trường hợp tín hiệu trả về bị mất thì sẽ không đủ thông tin để tính toán các thông số điều khiển Vì vậy việc sử dụng bộ điều khiển mờ loại 2 sẽ trở nên quan trong Loại hai tổng quát hơn khi sử dụng các hàm thuộc [48] [49] Nó bổ sung các bậc tự do còn thiếu và xử lí những tín hiệu nhiễu

Từ đó ta chọn bộ điều khiển mờ để tính toán cho các thông số vận tốc của robot Khởi đầu, khái niệm về logic mờ được đưa ra bởi Zadeh và trở thành phương tiện để xử lí tín hiệu cảm biến không ổn định và không chắc chắn Từ những công trình nghiên cứu trước đó ở [27] và [29] thì các thông số điều khiển vận tốc của robot đều định trước hoặc sử dụng các bộ điều khiển tuyến tính Với bài báo [27] , khi ta sử dụng bộ điều khiển PD thì chỉ có sử dụng được một giá trị đầu vào cảm biến Với mô hình cảm biến được giới thiệu ở phần 2.1 thì ta sẽ thu được hai thông số đầu vào đó là khoảng cách và góc của điểm mà cảm biến xác định được Trong luận văn này, logic mờ được dùng để thiết kế 5 tham số điều khiển cho năm loại chuyển động của robot bao gồm cả bám tường, tiến gần đến tường, ra xa tường, kết nối, tách rời Mỗi tham số điều khiển gồm bốn bước sau:

25

- Đầu tiên, mờ hóa tín hiệu của cảm biến tầm gần và cảm biến tầm xa, sử dụng quy tắc (MFs) Tầm hoạt động của cảm biến tầm gần và tầm xa được thể hiện qua hình 2.1 và hình 2.2 Thông tin về khoảng cách tương đối 𝑑𝑖,𝑤𝑝𝑇𝑆 và góc định hướng 𝜃𝑖𝑇𝑆của cảm biến tầm gần sẽ tương ứng hình 2.6 (a) và (b) Tương tự với 𝑑𝑖,𝑗𝐿𝑅𝑆, 𝜃𝑖,𝑗𝐿𝑅𝑆của LRS tương ứng với hình 2.7 (a) và (b) Các khoảng cách tương đối sẽ được gắn với tập mờ ngắn, trung bình, dài Các góc tương đối sẽ được gắn với các tập mờ LF( Trên trái), L (Trái), B(Sau), R(Phải), RF(Trên phải)

- Sau đó ta đặt luật điều khiển mờ như bảng 2.1 và bảng 2.2, xác định mối liên hệ đầu vào và đầu ra Các biến đầu ra bao gồm 𝛼, 𝛽, 𝛾, 𝜈, 𝜏 gắn với các biến ngôn ngữ Z (Zero), S (nhỏ), M (trung bình), B (lớn), VB(rất lớn)

- Bước suy luận mờ (Inference step): Sử dụng phương pháp Mamdani và quy tắc “AND”, lựa chọn “MIN” cho quy tắc “AND” Hàm cuối cùng sẽ là tập hợp của các hàm riêng lẻ sử dụng quy tắc OR

- Bước cuối cùng, sử dụng phương pháp COA (Center of Area) để giải mờ

Bảng 2.1 Luật mờ α,β (tín hiệu từ cảm biến tầm gần)