ỨNG DỤNG MẠNG NƠRON TRONG BÀI TOÁN XÁC ĐỊNH LỘ TRÌNH CHO ROBOT

ĐẠI HỌC THÁI NGUYÊN KHOA CÔNG NGHỆ THÔNG TIN - ĐẠI HỌC THÁI NGUYÊN KHOA CÔNG NGHỆ THÔNG TIN - ĐINH THỊ THUÝ QUỲNH ĐINH THỊ THUÝ QUỲNH ỨNG DỤNG MẠNG NƠRON TRONG BÀI TOÁN XÁC ĐỊNH LỘ TRÌNH CHO ROBOT ỨNG DỤNG MẠNG NƠRON TRONG BÀI TOÁN XÁC ĐỊNH LỘ TRÌNH CHO ROBOT Chuyên ngành: Khoa học máy tính Mã số: 60.48.01 LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS – TS ĐẶNG QUANG Á THÁI NGUYÊN - 2008 THÁI NGUYÊN - 2008 2.2.1 Mở đầu 34 2.2.2 Các ví dụ thực tế 37 2.2.3 Bài toán lập lộ trình chuyển động cho robot 39 DANH MỤC HÌNH 2.3 Các thành phần việc lập lộ trình 40 LỜI NÓI ĐẦU 2.3.1 Trạng thái 40 MỤC LỤC MỤC LỤC TỔNG QUAN MẠNG NƠRON NHÂN TẠO 2.3.2 Thời gian 40 1.1 Giới thiệu mạng nơron 2.3.3 Hành động 41 1.1.1 Những kiến trúc tính toán 2.3.4 Trạng thái đầu trạng thái kết thúc 41 1.1.2 Lịch sử phát triển mạng nơron 2.3.5 Tiêu chuẩn 41 1.1.3 Nơron sinh học 11 2.3.6 Giải thuật 42 1.1.4 Nơron nhân tạo 12 2.3.7 Ngƣời lập lộ trình 42 1.1.5 Mạng nơron nhân tạo 14 2.3.8 Lộ trình 42 1.1.6 Tiếp cận nơron tính toán 18 2.3.9 Lập lộ trình chuyển động 46 1.2 Phạm vi ứng dụng mạng nơron 22 2.4 Không gian cấu hình 46 1.2.1 Những toán thích hợp 22 2.4.1 Các khái niệm không gian cấu hình 46 1.2.2 Các lĩnh vực ứng dụng mạng nơron 24 2.4.2 Mô hình cấu hình 47 1.2.3 Ƣu nhƣợc điểm mạng nơron 25 2.4.3 Không gian cấu hình chƣớng ngại 56 1.3 Mạng Hopfield 26 2.4.4 Định nghĩa xác vấn đề lập lộ trình 58 1.3.1 Mạng Hopfield rời rạc 28 CHƢƠNG 1.3.2 Mạng Hopfiel liên tục 28 LẬP LỘ TRÌNH CHO ROBOT 60 1.4 Mạng nơron kỹ thuật robot 29 3.1 Mạng nơron nhân tạo toán lập lộ trình 60 1.5 Nhận xét 30 3.2 Ứng dụng mạng Hopfield giải toán lập lộ trình 62 CHƢƠNG GIỚI THIỆU BÀI TOÁN LẬP LỘ TRÌNH CHO ROBOT 32 3.2.1 Khái quát số phƣơng pháp lập lộ trình 62 2.1 Giới thiệu robot nhân tạo 32 3.2.2 Phƣơng pháp Yang Meng đề xuất 63 2.1.1 Tổng quan 32 3.2.3 Mô hình Yang Meng cải tiến 67 2.1.2 Giải pháp thiết kế 33 3.3 Các kết thử nghiệm 69 2.2 Bài toán lập lộ trình 34 3.3.1 Chƣơng trình Đềmô 69 CHƢƠNG 1 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên ỨNG DỤNG MẠNG NƠRON NHÂN TẠO TRONG BÀI TOÁN http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 3.3.2 So sánh kết 71 3.3.3 Kết luận 73 KẾT LUẬN 75 Hình 1.1: Mô hình nơron sinh học 11 TÀI LIỆU THAM KHẢO 76 Hình 1.2: Mô hình nơron nhân tạo 14 PHỤ LỤC 77 Hình 1.3: Mô hình mạng truyền thẳng lớp 16 Hình 1.4: Mô hình mạng truyền thẳng nhiều lớp 17 Hình 1.5: Mạnh hồi quy lớp có nối ngƣợc 17 Hình 1.6: Mạnh hồi quy nhiều lớp có nối ngƣợc 18 Hình 1.7: Mô hình mạng Hopfield 27 Hình 2.1: Các thành phần cấu thành Robot 34 Hình 2.2: Khối Rubitc (a); toán dịch chuyển số (b) 36 Hình 2.3: Giải thuật kéo thép tách 37 Hình 2.4: Sử dụng Robot di động để di chuyển Piano 38 Hình 2.5: (a) ngƣời lập lộ trình thiết kế giải thuật lập lộ trình 43 (b) Ngƣời lập lộ trình thiết kế toàn máy 43 Hình 2.6: Một số lộ trình cải tiến lộ trình 44 Hình 2.7: Mô hình có thứ bậc máy chứa đựng máy khác 45 Hình 2.8: Không gian cấu hình 47 DANH MỤC HÌNH Hình 2.9: Một Robot điểm di chuyển không gian 2D, C – Space R2 48 Hình 2.10: Một Robot điểm di chuyển không gian 3D, C – Space R3 48 Hình 2.11: Một đa thức lồi đƣợc xác định phép giao nửa mặt phẳng 49 Hình 2.12: Dấu hiệu f(x,y) phân chia R thành vùng: f(x,y) 0, f(x,y) =0 50 Hình 2.13: (a)Đa diện (b)Biểu diễn cạnh mạt đa diện 53 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Hình 2.14: (a) Sử dụng f để phân chia R2 thành vùng (b) Sử dụng màu đạ số để mô hình hoá vùng mặt LỜI NÓI ĐẦU 54 Nhờ khả năng: Học, nhớ lại khái quát hoá từ mẫu huấn luyện Hình 2.15: Biểu thị đa giác với lỗ Ngƣợc chiều kim đồng hồ cho biên thuận chiều kim đồng hồ cho biên 55 liệu, mạng nơron nhân tạo trở thành phát minh đầy hứa hẹn hệ thống xử lý thông tin Các tính toán nơron cho phép giải tốt Hình 2.16: C – Space nhiệm vụ tìm đƣờng từ qI đến qG Cfree C = Cfree  Cobs 57 Hình 3.1: Giao diện chƣơng trình mô hình nguyên 69 Hình 3.2: Giao diện chƣơng trình mô hình cải tiến 69 Hình 3.3: Mê cung 71 Hình 3.4: Mê cung 72 Hình 3.5: Mê cung 72 toán đặc trƣng số tất tính chất sau: Sử dụng không gian nhiều chiều, tƣơng tác phức tạp, chƣa biết theo dõi mặt toán học biến Ngoài phƣơng pháp cho phép tìm nghiệm toán đòi hỏi đầu vào cảm nhận ngƣời nhƣ: tiếng nói, nhìn nhận dạng Bài toán lập lộ trình cho robot toán phức tạp, tồn hành động môi trƣờng robot phải chịu nhiều tác động khác Tuy nhiên, tính toán nơron lại cho phép giải tốt toán có nhiều tƣơng tác phức tạp Vì vậy, ứng dụng mạng nơron toán xác định lộ trình cho robot hứa hẹn giải pháp hiệu góp phần nâng cao hiệu làm việc robot nhờ khả di chuyển nhanh chóng, xác môi trƣờng làm việc Trên giới, có số nghiên cứu ứng dụng mạng nơron toán lập lộ trình cho robot Tuy nhiên, lĩnh vực mẻ chƣa đƣợc ứng dụng rộng rãi nƣớc ta Trong nƣớc chƣa có tài liệu thống lĩnh vực Với ứng dụng ngày rộng rãi công nghệ robot, việc nghiên cứu áp dụng thành tựu công nghệ thông tin vào thiết kế cải tiến kỹ có kỹ tránh vật cản di chuyển vấn đề nóng đƣợc quan tâm Chính lý em định chọn đề tài: “Ứng dụng mạng nơron toán xác định lộ trình cho robot” Với mục đích tìm Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn hiểu mạng nơron nhân tạo toán lập lộ trình cho robot, ứng dụng mạng nơron vào toán CHƢƠNG I TỔNG QUAN MẠNG NƠRON NHÂN TẠO Luận văn gồm chƣơng với nội dung sau: 1.1 GIỚI THIỆU MẠNG NƠRON Chƣơng 1: Trình bày tổng quan sở mạng nơron nhân tạo, nêu khái quát ứng dụng mạng nơron công nghệ robot Chƣơng 2: Trình bày: toán lập lộ trình thành phần nó, không gian cấu hình, cấu hình chƣớng ngại vật 1.1.1 Những kiến trúc tính toán Khái niệm tính toán đƣợc hiểu theo nhiều cách Trƣớc đây, việc tính toán bị ảnh hƣởng quan niệm tính toán theo chƣơng trình (Programed computing) Theo quan điểm này, để giải toán bƣớc ta Chƣơng 3: Trình bày: hƣơng pháp lập lộ trình Yang Meng, cải cần thiết kế giải thuật sau cài đặt giải thuật cấu trúc hành có tiến mô hình nguyên Yang Meng đề xuất, cài đặt thử nghiệm ƣu hai mô hình trình bày, đƣa nhận xét hiệu hai mô hình Quan sát hệ sinh học, đặc biệt não ngƣời ta thấy chúng có đặc điểm sau: Mặc dù nỗ lực, song thời gian kinh nghiệm nghiên cứu khoa học hạn chế nên tránh khỏi thiếu sót Em mong nhận đƣợc góp ý thầy cô bạn bè đồng nghiệp để hiểu biết (1) Bộ não tích hợp lƣu trữ kinh nghiệm: Tức não có khả tự phân loại liên kết liệu vào (2) Bộ não xem xét kinh nghiệm dựa kinh nghiệm lƣu ngày hoàn thiện Qua luận văn em xin chân thành cảm ơn: PGS TS Đặng Quang Á Viện Công nghệ thông tin tận tình giúp đỡ, động viên, định hƣớng, hƣớng dẫn em nghiên cứu hoàn thành luận văn Em xin cảm ơn trữ (3) Bộ não có khả dự đoán xác tình dựa kinh nghiệm tự tổ chức trƣớc thầy cô giáo viện Công nghệ thông tin, thầy cô giáo khoa Công (4) Bộ não không yêu cầu thông tin hoàn hảo nghệ thông tin ĐH Thái nguyên, giảng dạy giúp đỡ em hai năm (5) Bộ não thể kiến trúc chấp nhận lỗi tức khôi phục học qua, cảm ơn giúp đỡ nhiệt tình bạn đồng nghiệp THÁI NGUYÊN 11/2008 Ngƣời viết luận văn vài noron cách thích nghi với noron lại cách đào tạo bổ xung (6) Cơ chế hoạt động não không rõ ràng vận hành Ví dụ với số toán cung cấp nghiệm nhƣng không Đinh Thị Thuý Quỳnh Số hóa Trung tâm Học liệu – Đại học Thái Nguyên thể giải thích đƣợc bƣớc tìm nghiệm http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn (7) Bộ não có khuynh hƣớng đƣa giải pháp trạng thái cân có khuynh hƣớng dẫn đến trạng thái - Giai đoạn 2: vào khoảng gần năm 1960, số mô hình noron hoàn thiện đƣợc đƣa nhƣ: Mô hình Perceptron Rosenblatt Từ ta nhận thấy, tính toán dựa hệ sinh học khác với tính toán (1958), Adalile Widrow (1962) Trong mô hình Perceptron đƣợc theo chƣơng trình đặc điểm sau: quan tâm nguyên lý đơn giản, nhƣng có hạn chế nhƣ Marvin - Quá trình tính toán đƣợc tiến hành song song phân tán nhiều noron Minsky Seymour papert MIT ( Massachurehs Insritute of Technology) chứng minh không dùng đƣợc cho hàm logic phức (1969) Còn Adaline mô hình tuyến tính, tự chỉnh, đƣợc dùng rộng rãi điều khiển - Tính toán thực chất trình học theo sơ đồ định sẵn từ trƣớc thích nghi, tách nhiễu phát triển - Giai đoạn 3: Có thể tính vào khoảng đầu thập niên 80 Những đóng Dựa nhữnh đặc điểm phƣơng pháp tính toán có góp lớn cho mạng noron giai đoạn phải kể đến Grossberg, tảng từ sinh học mạng noron nhân tạo (Artifical Neural Networks_ ANNs) Kohonen, Rumelhart Hopfield Trong đóng góp lớn Hopfield gồm đời có tiềm trở thành kiến trúc tính toán chiếm ƣu hai mạng phản hồi: Mạng rời rạc năm 1982 mạng liên tục năm 1984 Đặc 1.1.2 Lịch sử phát triển mạng noron biệt, ông dự kiến nhiều khả tính toán lớn mạng mà nơron Mạng noron nhân tạo đƣợc xây dựng từ năm 1940 nhằm mô khả Cảm nhận Hopfield đƣợc Rumelhart, Hinton số chức não ngƣời Dựa quan điểm cho Williams đề xuất thuật toán sai số truyền ngƣợc tiếng để huấn luyện mạng não ngƣời điều khiển Mạng noron nhân tạo đƣợc thiết kế tƣơng tự nhƣ noron nhiều lớp nhằm giải toán mà mạng khác không thực đƣợc noron sinh học có khả giải hàng loạt toán nhƣ tính toán Nhiều ứng dụng mạnh mẽ mạng noron đời với mạng theo tối ƣu, điều khiển, công nghệ robot… kiểu máy Boltzmann mạng Neocognition Fukushima Quá trình nghiên cứu phát triển noron nhân tạo chia thành - Giai đoạn 4: Tính từ năm 1987 đến nay, hàng năm giới mở hội nghị toàn cầu chuyên ngành nơron IJCNN (International Joit Conference giai đoạn nhƣ sau: - Giai đoạn 1: Có thể tính từ nghiên cứu William (1890) tâm lý học với liên kết noron thần kinh Năm 1940 Mc Culloch Pitts cho biết noron mô hình hoá nhƣ thiết bị ngƣỡng (Giới hạn) để thực phép tính logic mô hình mạng noron Mc Culloch – Pitts với giải on Neural Networks) Rất nhiều công trình đƣợc nghiên cứu để ứng dụng mạng nơron vào lĩnh vực nhƣ: Kỹ thuật tính, điều khiển, toán tối ƣu, y học, sinh học, thống kê, giao thông, hoá học, Cho đến mạng nơron tìm khẳng định đƣợc vị trí nhiều ứng dụng khác thuật huấn luyện mạng Hebb đời năm 1943 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 10 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Hoạt động nơron sinh học đƣợc mô tả nhƣ sau: 1.1.3 Nơron sinh học Hệ thần kinh gồm hai lớp tế bào: Nơron (tế bào thần kinh) glia (tế Mỗi nơron nhận tín hiệu vào từ tế bào thần kinh khác Chúng tích bào glia) Nơron thành phần hệ thần kinh, chúng có chức hợp tín hiệu vào, tổng tín hiệu vƣợt ngƣỡng chúng tạo xử lý thông tin Glia thực chức hỗ trợ Vì trƣớc nghiên cứu tín hiệu gửi tín hiệu tới nơron khác thông qua dây thần kinh nơron nhân tạo trình bày khái quát cấu tạo hoạt động Các nơron liên kết với thành mạng Mức độ bền vững liên kết nơron sinh học xác định hệ số gọi trọng số liên kết Nơro sinh học có nhiều loại, chúng khác kích thƣớc khả thu phát tín hiệu Tuy nhiên chúng có cấu trúc nguyên lý hoạt động chung nhƣ sau: 1.1.4 Nơron nhân tạo Mô nơron sinh học, ta có nơron nhân tạo Mỗi nơron có nhiều dây thần kinh vào, nghĩa nơron tiếp nhận đồng thời nhiều Mỗi nơron sinh học gồm có thành phần: Thân nơron với nhân bên liệu Giả sử nơron i có N tín hiệu đầu vào, tín hiệu vào Sj đƣợc gán (soma), đầu dây thần kinh (axon) hệ thống phân nhánh trọng số wij tƣơng ứng Ta ƣớc lƣợng tổng tín hiệu đầu vào vào hình (Dendrite) để nhận thông tin vào Trong thực tế có nhiều dây nơron (neti) theo số dạng sau: thần kinh vào chúng bao phủ diện tích lớn (0,25mm ) Đầu dây (i) Dạng truyến tính thần kinh đƣợc rẽ nhánh nhằm chuyển giao tín hiệu từ thân nơron tới nơron N neti   wij S j khác Các nhánh đầu dây thần kinh đƣợc nối với khớp thần kinh (synapse) Các khớp thần kinh đƣợc nối với thần kinh vào nơron khác Các nơron sửa đổi tín hiệu khớp Hình ảnh đơn giản (1.1) i 1 (ii) Dạng toàn phƣơng N neti   wij S 2j nơron thể hình 1.1 (1.2) i 1 (iii) Dạng mặt cầu N neti  p  wij ( S j  wij )2 (1.3) i 1 Trong p wij lần lƣợt bán kính tâm cầu  Hàm kích hoạt Hàm biến đổi tín hiệu đầu vào net cho tín hiệu đầu out đƣợc gọi Hình 1.1 Mô hình nơron sinh học hàm kích hoạt Hàm có đặc điểm không âm bị chặn Có nhiều dạng 11 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 12 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn hàm kích hoạt Ngƣời ta thƣờng sử dụng hàm kích hoạt chung cho toàn Mô hình nút xử lý (nút thứ i): mạng V1 Một số hàm kích hoạt thƣờng đƣợc sử dụng Wi1 + Hàm McCuloch-Pitts 1 nÕu net   out  f net    0 nÕu net   Vj Wij (1.4) Vi WiN VN Trong  ngƣỡng U i   Vi  f ( U i ) + Hàm McCuloch-Pitts trễ Hình 1.2 Mô hình nơron nhân tạo 1 nÕu net  UTP  out  f net   0 nÕu net  LTP  f net  nÕu kh¸c  N (1.5) U i   WijV j   (1.7) Vi  f i ( U i ) (1.8) i 1 j i Trong UTP>LTP Trong đó: UTP ngƣỡng (Upper Trip Point) Ui tổng tín hiệu vào nơron i LTP ngƣỡng dƣới (Lower Trip Point) Vi tín hiệu nơron i + Hàm Sigmoid Wij trọng số liên kết từ nơron i đến nơron j out  f(net)   e - (net 0) (1.6) i ngƣỡng (đầu vào ) kích hoạt nơron i Trong  >0 số xác định độ nghiêng hàm fi hàm kích hoạt nơron i 1.1.5 Mạng nơron nhân tạo  Nút bias: Là nút thêm vào nhằm làm tăng khả thích nghi mạng nơron trình học Trong mạng nơron có sử dụng bias, nơron có trọng số tƣơng ứng với bias Trọng số có giá trị 13 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên Mạng nơron nhân tạo (Artificial Neural Network) cấu trúc mạng đƣợc hình thành nên số lƣợng lớn nơron nhân tạo liên kết với Mỗi nơron có đặc tính đầu vào, đầu thực chức tính toán cục 14 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Với việc giả lập hệ thống sinh học, cấu trúc tính toán mạng số khác nhau, sau trình xử lý cho chuỗi tín hiệu Nếu mạng nơron giải đƣợc lớp toán định nhƣ: toán lập lịch, mô hình LTU đƣợc gọi mạng perception, mạng nơron theo mô toán tìm kiếm, toán nhận dạng mẫu, toán xếp loại, Mạng nơron hình LGU đƣợc gọi Adaline giải đƣợc lớp toán sử dụng liệu không đầy đủ, xung đột mờ xác suất Những toán đƣợc đặc trƣng số tất tính chất sau: Sử dụng không gian nhiều chiều, tƣơng tác phức tạp, chƣa biết theo dõi mặt toán học biến; không gian x1 y1 x2 y2 xm yn nghiệm rỗng, có nghiệm có số nghiệm bình đẳng nhƣ Ngoài ra, mạng nơron nhân tạo thích hợp để tìm nghiệm toán đòi hỏi đầu vào cảm nhận ngƣời nhƣ: Tiếng nói, nhìn nhận dạng, Tuy nhiên việc ánh xạ từ toán sang Hình 1.3 Mô hình mạng truyền thẳng lớp giải pháp mạng nơron lại việc không đơn giản Mạng nơron cấu trúc xử lý song song, thông tin phân tán có đặc trƣng bật sau: Với giá trị đầu vào x =[x1, x2, , xm]T qua trình xử lí mạng thu đƣợc đầu tƣơng ứng y =[y1, y2, , yn]T với phƣơng pháp xác định nhƣ sau:  Là mô hình toán học dựa chất nơron sinh học  Bao gồm số lƣợng lớn nơron liên kết với  Mạng nơron có khả học, khái quát hoá tập liệu học thông qua việc gán hiệu chỉnh trọng số liên kết m yi  f i(  wij x j   i ) i  1,n (1.9) j 1 Trong đó: m: Số tín hiệu vào  Tổ chức theo kiểu tập hợp mang lại cho mạng nơron khả tính toán lớn, nơron mang thông tin riêng biệt Mạng nơron nhân tạo có số mô hình thông dụng sau: n: Số tín hiệu Wi T  [ wi1 , wi , ,win ] T véc tơ trọng số nơron thứ i fi: hàm kích hoạt nơron thứ i a Mạng truyền thẳng: - Mạng truyền thẳng lớp: Là mô hình liên kết đơn giản : Là ngƣỡng nơron thứ i Các nơron tổ chức lại với tạo thành lớp, tín hiệu đƣợc truyền theo - Mạng truyền thẳng nhiều lớp: Với cấu trúc đơn giản nhƣ trên, giải hƣớng định Các đầu vào đƣợc nối với nơron theo trọng toán phức tạp mạng truyền thẳng lớp gặp nhiều khó 15 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 16 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn khăn Để khắc phục nhƣợc điểm này, ngƣời ta đƣa mạng truyền thẳng nhiều lớp Đây mạng truyền thẳng gồm nhiều lớp kết hợp với Lớp nhận tín hiệu gọi lớp đầu vào (input layer), lớp đƣa tín hiệu gọi lớp đầu (output layer), lớp lớp vào lớp gọi lớp ẩn (hidden x1 layers) Cấu trúc mạng nơron truyền thẳng nhiều lớp đƣợc mô tả x2 hình 1.4 y1 y2 xN Lớp vào Lớp ẩn yM Lớp x1 Hình 1.6 Mạng hồi quy nhiều lớp có nối ngược y1 y2 x2 1.1.6 Tiếp cận nơron cho tính toán 1.1.6.1 Đào tạo lập trình xm yn Ngày máy tính đƣợc ứng dụng rộng rãi tất lĩnh vực đời sống xã hội Giải toán máy tính có nhiều Hình 1.4 Mạng nơron truyền thẳng nhiều lớp  Mạng hồi quy phƣơng pháp khác Thông thƣờng, phƣơng pháp lập trình chiếm ƣu Tuy nhiên lập trình đòi hỏi cú pháp hình thức loạt ngôn ngữ, nhƣ kỹ ngƣời Một giải pháp điển hình để giải vấn đề hệ sinh học đào tạo Ví dụ, trẻ không đƣợc “lập trình” - Mạng hồi quy lớp có nối ngƣợc nhƣng chúng học theo ví dụ thích nghi Dĩ nhiên, để tiếp cận đào tạo khả x1 y1 x2 y2 thi, máy tính phải đào tạo đƣợc phải có liệu đào tạo Một giải pháp để giải vấn đề sử dụng mạng nơron Mạng nơron có đặc điểm bật sau:  Các hệ nơron hoạt động nhƣ hệ thông tin đào tạo đƣợc, thích nghi chí tự tổ chức xN ym Hình 1.5 Mạng hồi quy lớp có nối ngược  Các mạng nơron phát triển chức dựa liệu đào tạo mẫu - Mạng hồi quy nhiều lớp có nối ngƣợc 17 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 18 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Từ C không gian tôpô Cobs đóng, Cfree phải tập hợp mở với i  j Nếu (i,j) xuất bên P, có nghĩa Ai Aj chƣa cho Điều có nghĩa robot đến gần chƣớng ngại cách tuỳ ý phép để cấu hình, q, nghĩa Ai(q)  Aj(q)   phần Cfree miễn đƣờng biên chúng không giao int( O )  int( A( q ))   and O  A( q )   (2.18) Cho m vật thể, P thông thƣờng có kích thƣớc O(m2); Tuy nhiên, thực tế để loại trừ nhiều cặp phân tích hình học Nếu A chạm vào O q  Cobs Điều kiện nhận biết đƣờng kết nối biên chúng cắt nhau.Ý tƣởng robot đến gần chƣớng ngại Sử dụng P, xem xét va chạm robot định nghĩa : làm cho giải thuật lập lộ trình chuyển động trở nên minh bạch Khi m   Cobs    q  C | Ai ( q )  O       q  C | Ai ( q )  A ( q )    (2.19)  i 1   i , j P  Cfree mở, đạt đƣợc tối ƣu nhƣ tìm kiếm đƣờng ngắn Nhƣ vậy, cấu hình q  C Cobs tồn mối liên kết va Trong trƣờng hợp này, tập đóng, cl(Cfree), cần phải thay vào để sử dụng chạm với O cặp mối liên kết P va chạm với O 2- Chướng ngại vật có nhiều vật thể: Nếu robot phức tạp vấn đề trở nên 2.4.4 Định nghĩa xác vấn đề lập lộ trình chuyển động cách tuỳ ý ý nghĩa thực tiễn kỹ thuật rôbôt, nhƣng rắc rối hơn, nghiên cứu giải thuật với robot điểm Cuối ta đủ công cụ để định nghĩa xác vấn đề lập lộ trình Cụ thể toán có thành phần sau: Một không gian W hai trƣờng hợp W = R2 W=R3 Một vùng chƣớng ngại mô hình nửa đại số O  W không gian Một robot mô hình nửa đại số đƣợc định nghĩa W Nó robot đơn A tập hợp m mối liên kết A1, A2, ,Am Không gian C cấu hình xác định việc rõ tập hợp tất Hình 2.16 : C-space nhiệm vụ tìm đường từ qI đến qG Cfree C = Cfree  Cobs Chúng ta dùng ký hiệu Ai cho mối liên kết i, vài tham số biến đổi đƣợc áp dụng cho robot đƣợc dẫn xuất từ Cobs Cfree q không thích hợp cho mối liên kết chuyển động Ai Ví dụ, Trong cấu hình, qI Cfree trạng thái ban đầu dây chuyền động học, cấu hình vật thể thứ hai không phụ thuộc vào góc Trong cấu hình, qG Cfree đƣợc định trạng thái đích Một cặp cấu hình ban đầu cấu hình đích thƣờng đƣợc gọi cặp truy vật thể thứ chín vật thể thứ mƣời Gọi P tập hợp cặp va chạm, va chạm vấn (hoặc truy vấn) ký hiệu ( qI, qG) cặp đôi, (i,j)  P,trong i,j số mối liên kết i, j  { 1, 2, , m }, 57 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 58 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Một giải thuật phải tính toán thiết lập đƣợc đƣờng dẫn liên tục đầy đủ từ qI đến qG: CHƢƠNG ỨNG DỤNG MẠNG NƠRON NHÂN TẠO TRONG  : [ 0, ]  Cfree, nhƣ  (0) = qI  (1) = qG, phải đƣờng dẫn nhƣ không tồn BÀI TOÁN LẬP LỘ TRÌNH CHO ROBOT 3.1 MẠNG NƠRON NHÂN TẠO VÀ BÀI TOÁN LẬP LỘ TRÌNH Những năm trƣớc đây, số nghiên cứu khoa học máy học đƣợc trình bày đƣợc áp dụng để hƣớng dẫn robot cải thiện khả thao tác Một vấn đề quan trọng thiết kế phát triển hệ thống ngƣời máy di động thông minh khả tìm đƣờng, điều bao gồm khả lập lộ trình môi trƣờng hoạt động Tuy nhiên, môi trƣờng hoạt động robot không xác, rộng lớn, thay đổi có cấu trúc không rõ ràng Ngƣời máy phải hiểu rõ cấu trúc môi trƣờng đƣợc đến đích mà va chạm, điều đòi hỏi ngƣời máy phải có khả nhận thức, xử lý liệu, đoán nhận, học, suy luận, hành động định Những khả đƣợc xây dựng dựa chìa khóa loại trí tuệ nhân tạo, tái sản xuất loại trí tuệ này, tham vọng mà ngƣời mong muốn đạt tới để xây dựng phát triển hệ máy thông minh, đặc biệt chuyển động ngƣời máy Để đạt đƣợc hợp lý hành động tự động ngƣời máy đòi hỏi phải có hai khả là: Cảm nhận suy luận, dựa thông tin trạng thái lân cận thu nhận đƣợc hệ thống cảm biến Những khả đƣợc thể qua giải thuật vào giải thuật để điều khiển robot hoạt động Trong kỹ thuật robot việc xác định lộ trình công việc quan trọng Ta hiểu khái quát toán xác định lộ trình nhƣ sau: Cho đối tƣợng với vị trí ban đầu vị trí đích với tập chƣớng ngại vật có 59 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 60 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn vị trí khác không gian làm việc Công việc xác định lộ trình tìm 3.2 ỨNG DỤNG MẠNG HOPFIELD GIẢI QUYẾT BÀI TOÁN LẬP LỘ TRÌNH đƣờng liên tục từ vị trí ban đầu đến vị trí đích cho tránh đƣợc CHO ROBOT va trạm với vật cản đƣờng Thông thƣờng trình xác 3.2.1 Khái quát số phương pháp lập lộ trình khả ứng dụng định lộ trình chia làm hai thao tac chính, là: xây dựng không gian mạng Hopfield tìm kiếm tìm đƣờng Ta tham khảo cách tiếp cận liên quan tới Một vấn đề then chốt hệ thống robot di động lập lộ trình chuyển động thời gian thực Việc di chuyển đòi hỏi Robot phải có việc lập lộ trình chuyển động (Latombe, J.C1991) + Không gian tìm kiếm xây dựng cấu hình mối quan hệ khả tránh chƣớng ngại vật tìm đƣờng tới đích Trong lĩnh vực có vài cách tiếp cận, xung quanh vấn đề môi trƣờng tĩnh động đối tƣợng cho chƣớng ngại vật + Quá trình tìm đƣờng xác định đƣờng từ vị trí đầu đến vị trí Một phƣơng pháp tìm đƣờng tự động phƣơng pháp wallfollowing Trong phƣơng pháp này, Robot tự động tìm đƣờng dựa vào đích cho tránh đƣợc va chạm với vật cản Nhiều phƣơng pháp sử dụng ý tƣởng xây dựng không gian cấu hình chuyển động dọc theo tƣờng khoảng cách đặt sẵn, đƣợc đề xuất để giải toán tìm đƣờng Tuy nhiên phƣơng pháp xem xét chƣớng ngại tƣờng khác Tuy nhiên, với tỏ rõ số nhƣợc điểm nhƣ: tính toán để tạo không gian tính toán đơn giản, cách tiếp cận có ứng dụng cấu hình từ cấu trúc ngƣời máy chƣớng ngại vật phức tạp, số số robot không đòi hỏi phải có chuyển động phức tạp nhƣ: Robot bƣớc tìm kiếm tăng theo cấp luỹ thừa với số nút tƣơng ứng Những nhƣợc dọn dẹp sàn nhà hành lang dài Một cải tiến dựa phƣơng điểm nêu động lực để nhà khoa học nghiên cứu giải pháp pháp cách tiếp cận dò tìm mép, nơi vị trí đƣờng biên thẳng sử dụng giải thuật song song với tốc độ tính toán đƣợc cải đứng chƣớng ngại đƣợc định rõ robot di chuyển xung quanh tất tiến để giải toán mép Tuy nhiên cách tiếp cận phụ thuộc lớn vào xác Mạng nơron cấu trúc mạng cho phép liệu đƣợc xử lý song sensor(cảm biến) Sự phối hợp có tác động lớn tới khả tự động tìm song phân tán gần nhƣ đồng thời nhiều nơron Do đó, giải pháp sử đƣờng phƣơng pháp Potential Fields, đƣợc đề xuất Khatib Ở đây, dụng mạng nơron giải toán lập lộ trình hƣớng đắn chƣớng ngại đƣợc xem nhƣ tâm điểm đẩy đích nhƣ Chƣơng này, giới thiệu số cách tiếp cận sử dụng mạng nơron để lập lộ tâm điểm hấp dẫn Robot ngang qua đƣờng đƣờng dốc trình cho robot di chuyển tự chƣớng ngại vật biết cấu khả Một nhƣợc điểm phƣơng pháp phải giả thiết trúc môi trƣờng hoạt động robot mô hình chƣớng ngại vật phải đuợc biết trƣớc Những nhƣợc điểm nêu phần đƣợc khắc phục sử dụng mạng nơron Những cách tiếp cận Mạng Nơron đƣợc sử dụng nhiều thuật toán lập lộ trình phần trình bày cách tiếp cận dựa 61 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 62 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn mạng nơron hồi quy Hopfield Cụ thể, ta sử dụng mô hình lỏng lẻo dƣơng tƣơng đối lớn [Ii ]- kìm hãm đƣợc nhập vào đƣợc gây dựa vào học cạnh tranh Các chƣớng ngại vật xuất vị trí chƣớng ngại, ([ I i ]    wij [ x j ]  ) Là kích thích nhập vào đƣờng di chuyển Robot đƣơng nhiên chúng có hình giáng tuỳ ý Không giống đa số cách tiếp cận trƣớc đây, phƣơng pháp không yêu cầu tranh toàn cảnh lộ trình robot Mỗi nơron k j 1 cho đích kết nối cục nơron - Hàm phi tuyến [ a] + [a] - đƣợc định nghĩa nhƣ sau: mạng nơron có kết nối cục bộ, chúng liên tục cập nhật để thể [a] += Max { a, } hoạt động đƣợc phát sinh môi trƣờng hoạt động từ hƣớng dẫn [a] - = Max {- a, } Robot đích Tất điều xảy thời gian thực trình - qi qj véc tơ xác định vị trí nơron i j tƣơng ứng xác định đƣờng diễn nhanh chóng - Trọng số wij tƣơng ứng đầu vào i với đơn vị j đƣợc xác 3.2.2 Phương pháp Yang Meng đề xuất định nhƣ sau: wij  f (| d ij |) , d ij | qi  q j | Là khoảng cách i Ý tưởng Mô hình thực chất dựa vào nơron đƣợc mô theo cách thức hoạt động nơron sinh học Phần trình bày mô hình mạng đƣợc phát triển Yang Meng Mô hình sở để giải toán Một nơron có n đầu vào Khi đó, kiến trúc mạng tƣơng ứng tới nơron q  f(a) hàm kích hoạt Hàm đƣợc Yang Meng sử dụng   f (a)  a 0  a  r0 a  r0 va (3.2) a0 không gian cấu hình Robot N- chiều Môi trƣờng hoạt động Nơron  số dƣơng Hàm chức bảo đảm nơron có môi trƣờng động không gian cấu hình  Những nơron đƣợc đặt kết nối cục vùng nhỏ xung quanh với bán kính r0 ngữ cảnh rời rạc không gian cấu hình  Nơron i đƣợc gắn liền với Nhƣ hiệu ứng chƣớng ngại đại lƣợng cục hiệu đại lƣợng xi tín hiệu vào nơron i tín hiệu từ bên Ii Phƣơng ứng đích đại lƣợng toàn cục Sự chuyển động Robot đƣợc trình (1) xác định trạng thái nơron i: định việc chọn nơron chiếm ƣu không gian nơron k dxi   Ax i  ( B  xi )([ I i ]    wij [ x j ]  )  ( D  xi )[ I i ]  dt j 1 (3.1) Những tham số A, B D cho biết tốc độ thấp, cao cao hoạt Cho a đƣợc định vị S, vị trí biểu thị qp, định vị vị trí qn cách gọi lệnh định vị qn  xq  max( xi ,i  1,2, ,k ) n (3.3) động thần kinh, tƣơng ứng Biến xi biến liên tục   D , B  Giá trị I=E Trong k số nơron lân cận Bƣớc ta lại tiếp tục xem xét nơron thứ i tƣơng ứng tới đích, I = - E chƣớng ngại, nơron lân cận với nơron tƣơng xứng với vị trí Robot trƣờng hợp khác I = (I tín hiệu từ bên _bias) E số 63 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 64 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Robot di chuyển tới vị trí xác định nơron lân cận chiếm ƣu tiếp Trƣớc thảo luận kết phƣơng pháp nghiên theo ( bao gồm nơron tƣơng xứng với vị trí thời) cứu, ta nên xem xét phƣơng trình ( 3.1), ( 3.2) (3.3), sở để Tóm tắt phương pháp trình bày vấn đề  Ký hiệu: i Theo (3.3), nơron với giá trị xi cao có khả thu hút qI: Vị trí đầu Robot, nơron với giá trị thấp đẩy lùi robot qG: Vị trí đích ii B - D cận cận dƣới xi qp: Vị trí hành iii Số hạng thứ hai sử dụng toán tử [ ]+, Số hạng hiển thị ảnh qn: Vị tí hƣởng giá trị dƣơng tính ( Đây đích tiềm tàng Kt: dùng để kiểm tra xem có xác định đƣợc vị trí điểm thu hút Ii xj) Số hạng thứ ba sử dụng toán tử []- khác với vị trí hành không ảnh hƣởng giá trị ngƣợc (những chƣớng ngại tiềm tàng phản xạ Ii)  Phƣơng pháp iv Chính Số hạng thứ hai ảnh hƣởng nơron lân cận B1: Khởi tạo + Xác định vị trí đầu qI đƣợc xem xét Giá trị thể đặc điểm tính đến ảnh + Xác định vị trí đích qG hƣởng (của) nơron lân cận thông qua số lƣợng [ xi ]+ đƣợc + Gán qp=qI chọn Điều bảo đảm nơron nối ngƣợc lân cận không B2: Chừng qpqG KT=true làm công việc ảnh hƣởng đến hoạt động nơron i Điều có nghĩa có sau: tín hiệu đích đƣợc truyền lan từ nơron khác tới + Tính xi vào phƣơng trình động học (3.1) lân cận song thông tin chƣớng ngại vật sinh hàm f(a) (3.2) theo phƣơng thức tƣơng tự nhƣ ta áp dụng phƣơng trình (3.1) + Xác định vị trí qn dựa vào (3.3) Điều thể thu hút robot phía đích khƣớc từ chƣớng ngại + qp = q n vật đƣờng chúng di chuyển Trong thực tế, đƣợc đặt mê cung phức tạp với đích xa robot thƣờng vấp phải chƣớng ngại B3: Nếu qp=qG + Thông báo xác định thành công lộ trình vật tìm cách xuyên qua Những ví dụ dƣới thể rõ nhận xét Ngƣợc lại + Thông báo không xác định đƣợc lộ trình v Phép toán cộng (3.1) đƣợc thực hiệu qua tất nơron lân cận kể Từ (3.2) ta có wii=f(0)=0 dii=0 B4: Kết thúc Nhận xét: 65 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 66 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn vi Theo (3.3), vị trí robot đƣợc xác định cách tìm  Ký hiệu: nơron có giá trị tín hiệu đầu vào cao nhất, kể thân Vì robot qI: Vị trí đầu lùi lại gặp mê cung phức tạp phía trƣớc lộ trình qG: Vị trí đích Trong trƣờng hợp xấu robot tự giao động quanh qp: Vị trí hành vị trí Từ ta thấy rõ logic việc xác định ƣu qn: Vị tí tiên nơron mà robot qua Ti: giá trị ngƣợc nơron i 3.2.3 Mô hình Yang Meng cải tiến Kt: dùng để kiểm tra xem có xác định đƣợc vị trí không  Phƣơng pháp Ý tưởng Dựa vào nhận xét nêu mô hình đƣợc sửa đổi nhƣ sau: B1: Khởi tạo + Theo iv ta cần sửa đổi (1) nhƣ sau: + Xác định vị trí đầu qI k k dxi   Ax i  ( B  xi )([ I i ]     wij [ x j ]  )  ( D  xi )([ I i ]     wij [ x j ]  ) dt j 1 j 1 (3.4) Trong đó:    1, Chú ý:   1,   1   ứng với mô hình nguyên Yang Meng + Để giải vấn đề đề cập vi, kỹ thuật đƣợc đƣa Để đảm bảo cho Robot có khả quay lại vị trí thƣớc mà qua, giá trị nhập vào Ii ta cần đƣa vào thêm nột giá trị để xác định trình quay trở lại robot (gọi giá trị giá trị ngƣợc).Ta lấy ví dụ mô nhƣ sau: Vị trí đến thăm vào lần cuối ta cho giá trị ngƣợc -E / 8, vị trí đến thăm trƣớc bƣớc ta xác định giá trị ngƣợc -E / 16 vị trí đến thăm trƣớc bƣớc giá trị đƣợc gán -E / 32 Tất vị trí duyệt qua ta xác định giá trị ngƣợc cập nhật cho Ii tƣơng ứng Điều đảm bảo robot không bị kẹt vị trí nhƣ nêu vi Mà bƣớc robot bắt buộc phải di chuyển tới vị trí hiệu + Xác định vị trí đích qG + Khởi tạo Ti + Gán qp=qI B2: Chừng qpqG KT=true làm công việc sau: + Tính xi vào phƣơng trình động học (3.4) hàm f(a) (3.2) + Xác định vị trí qn dựa vào (3.3) + qp = q n + Xác định giá trị ngƣợc Tn + In= Tn B3: Nếu qp=qG + Thông báo xác định thành công lộ trình Ngƣợc lại + Thông báo không xác định đƣợc lộ trình B4: Kết thúc Tóm tắt phương pháp 67 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 68 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 3.3 CÁC KẾT QUẢ THỬ NGHIỆM + Nút tạo mê cung: Sau click vào nút ta click vào ô 3.3.1 Chương trình đề mô lƣới để tạo mê cung Với lý thuyết nghiên cứu, tác giả cài đặt mô hình thử nghiệm ngôn ngữ Visual Basic + Nút XĐ vị trí đầu: Cho phép xác định vị trí xuất pháp robot + Nút XĐ vị trí cuối: Cho phép xác định vị trí đích Môi trƣờng làm việc robot đƣợc thể mê cung, mê cung đƣợc tạo thành dựa lƣới với ô định trƣớc Cụ thể giao diện chƣơng trình đƣợc trình bày hình 3.1 hình 3.2: + Nút Thực hiện: Khi click nút lƣới hiển thị di chuyển robot lộ trình tƣơng ứng Để cài đặt chƣơng trình thử nghiệm ta cần phải lựa chọn tham số cho phù hợp Trong chƣơng trình đề mô tham số đƣợc lựa chọn nhƣ sau: + Mô hình nguyên bản: A=10, B=D =1, =1, r0=2 E = 100 + Mô hình cải tiến: E = 100, A = 10, B = 5, D = 1, r0 = 1.41,  = 0.9  = 0.2 Chƣơng trình cài đặt ngôn ngữ Visual basic thể trực quan kết mô cung cấp nhiều công cụ để thể giao diện đồ Hình 3.1 Giao diện chương trình mô hình nguyên hoạ sinh động thân thiện với ngƣời sử dụng Robot thể chƣơng trình đềmô robot điểm thực tế với robot phức tạp ta cần phải tính đề tác động cấu trúc robot việc di chuyển lộ trình mà not xác định Khi cải đặt chƣơng trình thực tế tham số nhập từ môi trƣờng đƣợc robot thu nhận thông qua thiết bị cảm biến trình di chuyển Với phƣơng pháp robot không cần phải hiểu cụ thể cầu trúc môi trƣờng nhƣ chƣớng ngại vật trình di chuyển vào thuật toán mà xác định vị trí khả thi để di chuyển tới Hìmh 3.2 Giao diện chương trình mô hình cải tiến Chức hoạt động nút lệnh chƣơng trình: + Nút khởi tạo: Đƣa lƣới trở trạng thái sẵn sàng để tạo mê cung Với phƣơng pháp công việc khó khăn xây dựng cấu hình không gian cấu hình chƣớng ngại trình bày chƣơng không cần thiết, đẩy nhanh đƣợc tốc độ xác định lộ trình xác định lộ trình 69 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 70 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 3.3.2 So sánh kết Trong mục ta đƣa kết so sánh mô hình nguyên mô hình sửa đổi, nhiều trƣờng hợp mê cung đích có độ phức tạp khác Cho hai robot điểm di chuyển hai mê cung có cấu trúc giống hệt Hình 3.4a Mê cung Robot sử dụng phƣơng pháp lập lộ trình Yang Meng đề xuất Robot sử dụng mô hình cải tiến để xác định lộ trình Các dấu tròn đánh dấu đƣờng mà robot qua Ta quan sát trình di chuyển robot đƣa nhận xét cho hai mô hình Từ kết chƣơng trình mô ta thấy rõ tính khả thi nhƣ hiệu phƣơng pháp Đồng thời thấy đƣợc ƣu nhƣợc điểm chúng Từ lựa chọn xác phƣơng án Hình 3.4b Mô hình nguyên Hình 3.4c Mô hình sửa đổi trƣờng hợp cụ thể + Mê cung + Mê cung Hình 3.5a Mê cung Hình 3.3a Mê cung Hình 3.3b Mô hình nguyên Hình 3.3c Mô hình sửa đổi Hình 3.5b Mô hình nguyên Hình 3.5b Mô hình sửa đổi + Mê cung 71 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 72 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Tuy nhiên phƣơng pháp hiệu robot hoạt động môi trƣờng phức tạp Để khắc phục điều ngƣời ta cải tiến Nhận xét: + Trong mê cung đƣờng tới đích dễ dàng Khi hai mô hình dẫn dắt robot tới đích hai mô hình thực tốt nhƣ + Trong mê cung ta đặt vật cản chia đôi khu vực đích Với mô phƣơng pháp Yang meng cách thay đổi số tham số (3.1), ta có phƣơng trình (3.4) Phƣơng pháp cho phép robot xác định đƣợc lộ trình tránh đƣợc bẫy đƣờng di chuyển hình nguyên robot mắc bẫy không hoàn thành sứ mệnh Để mô hoạt động hai mô hình nêu trên, ngƣời ta thể Trong mô hình sửa đổi hƣớng dẫn robot tránh bẫy cách loại hoạt động robot mê cung với cấu trúc khác Khi rõ ràng trừ noron thời bắt buộc robot qua đƣờng băng qua phƣơng pháp cải tiến tỏ hiệu Trong khi, phƣơng pháp nguyên vật cản để đến đích tìm đƣờng mê cung phƣơng pháp cải tiến giúp robot + Trong mê cung trƣờng hợp đơn giản Tuy nhiên với mô hình xoay sở tìm đƣờng tới đích mê cung Với phƣơng pháp cải nguyên lại gặp trở ngại robot đƣợc đến đích Truy tiến bƣớc robot bắt buộc phải tiến tới vị trí khác có nhiều khả nhiên phƣơng trình (3.4) lại khắc phục đƣợc điều robot xoay sở tiến tới đích điều giúp robot không bị kẹt điểm tăng tìm cách xung quanh chƣớng ngại vật để đến đích khả di chuyển đến đích robot Tuy nhiên, phƣơng pháp + Từ kết ta nhận thấy việc lựa chọn tham số thể nhƣợc điểm robot gặp trở ngại đến công việc quan trọng, định trình xác định lộ trình đích chúng bắt buộc phải xác định lại toàn lộ trình điều hoàn toàn Song làm cách để lựa chọn đƣợc tham só tối ƣu vấn đề đƣợc khắc phục cách lựa chọn tham số tối ƣu để có lộ khó khăn coi hƣớng mở luận văn trình tốt Việc xác định tham số tối ƣu công việc không đơn + Mô hình nguyên không xác định đƣợc lộ trình thực tế lộ trình tồn Phƣơng pháp cải tiến xác định đƣợc lộ trình giản chƣa có sở khoa học để hƣớng dẫn việc Do vậy, coi hƣớng mở luận văn tồn đƣờng từ vị trí đầu đến vị trí đích 3.3.3 Kết luận Phƣơng pháp nguyên Yang Meng trình bày đƣợc phát triển với mục đích điều khiển thiết bị máy móc chuyển động tránh vật cản Đây mô hình lỏng lẻo với tảng học cạnh tranh đƣợc ánh xạ vào mạng nơron Trong đó, nơron có kết nối cục phƣơng pháp không đòi hỏi tranh toàn cảnh môi trƣờng hoạt động robot xác định lộ trình 73 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 74 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn KẾT LUẬN TÀI LIỆU THAM KHẢO Đặng Quang Á, Một cách nhìn việc sử dụng mạng Hopfield giải Trong luận văn “Ứng dụng mạng nơron toán xác định lộ trình cho robot” em hoàn thành nhiệm vụ sau: toán thỏa mãn rang buộc tối ƣu có ràng buộc, Báo cáo Hội thảo quốc gia “Một số vấn đề chọn lọc công nghệ thông tin”, Hải phòng 6/2001 Đã hệ thống sở mạng nơron nhân tạo, đặc biệt mạng Hopfield, nêu khái quát ứng dụng mạng nơron công nghệ robot Đã trình bày khái quát phƣơng pháp thiết kế mobile robot, toán lập lộ trình thành phần Đã trình bày cấu hình không gian cấu hình chƣớng ngại vật, công việc phức tạp xác định lộ trình cho robot Đặng Quang Á, Ứng dụng mạng nơ ron tính toán, Sách “Hệ mờ, mạng nơ ron ứng dụng”, Chủ biên: Bùi công Cƣờng, Nguyễn Doãn Phƣớc, Nhà XBKH-KT, Hà nội, 2001, 199-211 Nguyễn Đình Thúc, Lập trình tiến hoá, Nhà XB Giáo dục, 2001 Bekey, G A & Goldberg, K.Y, Neural Networks in Robotics luwer Academic Publishers, ISBN 0-7923-9268-X, Boston(1993) phƣơng pháp truyền thống Đã nghiên cứu phƣơng pháp lập lộ trình dựa vào mạng nơron Yang Meng đề xuất phƣơng pháp cải tiến dựa mô hình nguyên Yang Meng Đã cài đặt thử nghiệm hai mô hình nghiên cứu máy tính, kết đạt đƣợc phản ánh xác kết nghiên cứu Các định hướng nghiên cứu Để xác định lộ trình tốt việc lựa chọn tham số phù hợp vô Brady M , Robot Motion: Planning and Control, The MIT Press, ISBN 0262-02182-X, Cambridge(1982) Janglová D , Neural Networks in Mobile Robot Motion, International Journal of Advanced Robotic Systems,V No (2004), 15-22 Subhrajit Bhattacharya, Siddharth Talapatra, Robot Motion Planning Using Neural Networks: A Modified Theory, International Journal of Lateral Computing, Vol.2, No.1, 2005, 9-13 cần thiết, nhiên việc khó khăn chƣa có sở khoa học lĩnh vực Vì hƣớng nghiên cứu luận văn tìm phƣơng pháp lựa chọn tham số cho lộ trình tìm đƣợc tối ƣu 75 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 76 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn PHỤ LỤC Mã lệnh chương trình thử nghiệm Option Explicit Dim nutlenh, di, dj, ci, cj As Integer Dim x(1 To 12, To 12) As Double Dim E(1 To 12, To 12) As Double Dim Tt(1 To 12, To 12) As Double Dim i, j, k, a, b, p, duong As Integer Dim m, tong, delta As Double Dim kt As Boolean Dim hd(1 To 12, To 12) As Integer Private Sub Cmbkhoitao_Click() Dim i, j As Integer 'ma tran kich thich phan ung sua For i = To 12 For j = To 12 x(i, j) = -0.5 E(i, j) = Tt(i, j) = hd(i, j) = Next Next 'khoi tao nut lenh nutlenh = 'Khoi tao luoi For i = To 12 For j = To 12 If i 11 Then T(Val(Str(i) & Str(j))).BackColor = &H80000005 T(Val(Str(i) & Str(j))).Text = "" T(Val(Str(i) & Str(j))).Font.Size = T(Val(Str(i) & Str(j))).ForeColor = &H0& T(Val(Str(i) & Str(j))).Font.Bold = False Else If j > Then T(Val(Str(i) & Str(j))).BackColor = &H80000005 T(Val(Str(i) & Str(j))).Text = "" T(Val(Str(i) & Str(j))).Font.Size = 77 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên T(Val(Str(i) & Str(j))).ForeColor = &H0& T(Val(Str(i) & Str(j))).Font.Bold = False Else T(Val(Str(i) & Str(0) & Str(j))).BackColor = &H80000005 T(Val(Str(i) & Str(0) & Str(j))).Text = "" T(Val(Str(i) & Str(0) & Str(j))).Font.Size = T(Val(Str(i) & Str(0) & Str(j))).ForeColor = &H0& T(Val(Str(i) & Str(0) & Str(j))).Font.Bold = False End If End If Next j Next i Timer1.Enabled = False End Sub Private Sub Cmbmecung_Click() nutlenh = End Sub Private Sub Cmbthoat_Click() Unload Me End Sub Private Sub Cmbthuchien_Click() i = di j = dj kt = False duong = Timer1.Enabled = True End Sub Private Sub Cmbvtdau_Click() nutlenh = End Sub Private Sub Cmbvtdich_Click() nutlenh = End Sub Private Sub Form_Load() nutlenh = Timer1.Enabled = False End Sub Sub T_Click(Index As Integer) 'tao me cung Dim i, j As Integer 78 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Dim p, q, xhd As Integer If nutlenh = Then T(Index).BackColor = &H80000006 For i = To 12 For j = To 12 If (i 11) Or (j > 9) Then If Val(Str(i) & Str(j)) = Index Then x(i, j) = -1 E(i, j) = -100 'Text1.Text = E(i, j) Tt(i, j) = End If Else If Val(Str(i) & "0" & Str(j)) = Index Then x(i, j) = -1 E(i, j) = -100 Tt(i, j) = 'Text1.Text = E(i , j) End If End If Next j Next i End If 'xac dinh vi tri dau If nutlenh = Then T(Index).ForeColor = &HFF& T(Index).Font.Bold = True T(Index).Font.Size = 12 T(Index).Text = " o" For i = To 12 For j = To 12 If (i 11) Or (j > 9) Then If (Val(Str(i) & Str(j)) = Index) Then di = i dj = j Tt(i, j) = End If Else If (Val(Str(i) & "0" & Str(j)) = Index) Then di = i dj = j Tt(i, j) = End If End If Next j Next i End If 'xac dinh vi tri dich If nutlenh = Then T(Index).ForeColor = &HC00000 T(Index).Font.Bold = True T(Index).Font.Size = 12 T(Index).Text = " o" For i = To 12 For j = To 12 If (i 11) Or (j > 9) Then If (Val(Str(i) & Str(j)) = Index) Then E(i, j) = 100 ci = i cj = j End If Else If (Val(Str(i) & "0" & Str(j)) = Index) Then E(i, j) = 100 ci = i cj = j End If End If Next j Next i End If End Sub Public Function max(a As Double, b As Double) As Double Dim m As Double If a > b Then m=a Else m=b End If max = m 79 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 80 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn End Function Public Function tinh_x(a As Integer, b As Integer) As Integer Dim tong, delta As Double tong = If (a - > 0) Then tong = tong + max(x(a - 1, b), 0) End If If (b - > 0) Then tong = tong + max(x(a, b - 1), 0) End If If a + Then T(Val(Str(i) & Str(j))).ForeColor = &HFF& T(Val(Str(i) & Str(j))).Font.Size = 12 T(Val(Str(i) & Str(j))).Font.Bold = True T(Val(Str(i) & Str(j))).Text = " o" 81 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên Else T(Val(Str(i) & Str(0) & Str(j))).ForeColor = &HFF& T(Val(Str(i) & Str(0) & Str(j))).Font.Size = 12 T(Val(Str(i) & Str(0) & Str(j))).Font.Bold = True T(Val(Str(i) & Str(0) & Str(j))).Text = " o" End If End If If ((i ci) Or (j cj)) And (kt = False) Then If (i - > 0) Then If E(i - 1, j) -100 Then 'k = tinh_x(i - 1, j) a=i-1 b=j tong = If (a - > 0) Then tong = tong + max(x(a - 1, b), 0) End If If (b - > 0) Then tong = tong + max(x(a, b - 1), 0) End If If a + 0) Then tong = tong + max(x(a - 1, b), 0) 82 http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn End If If (b - > 0) Then tong = tong + max(x(a, b - 1), 0) End If If a + 0) Then tong = tong + max(x(a - 1, b), 0) End If If (b - > 0) Then tong = tong + max(x(a, b - 1), 0) End If If a + 0) Then tong = tong + max(x(a - 1, b), 0) End If If (b - > 0) Then tong = tong + max(x(a, b - 1), 0) End If If a + Then If (m < x(i - 1, j)) And E(i - 1, j) -100 And Tt(i - 1, j) = Then m = x(i - 1, j) End If End If If (j - > 0) Then If (m < x(i, j - 1)) And E(i, j - 1) -100 And Tt(i, j - 1) = Then m = x(i, j - 1) End If End If If (i + [...]... ngƣời máy học bởi mạng nơron, tại mỗi bƣớc robot dự đoán các bƣớc kế tiếp và từ đó phát sinh những tín hiệu điều khiển robot di chuyển Có thể nói việc ứng dụng mạng nơron để lập lộ trình di chuyển cho robot sẽ giúp cho robot di chuyển linh hoạt hơn và đây cũng là một công việc quan trọng trong kỹ thuật robot Từ những ứng dụng của mạng nơron trong kỹ thuật robot, ta nhận thấy việc ứng dụng công nghệ này... http://www.lrc-tnu.edu.vn vị trí khác nhau trong không gian làm việc Công việc xác định lộ trình là tìm 3.2 ỨNG DỤNG MẠNG HOPFIELD GIẢI QUYẾT BÀI TOÁN LẬP LỘ TRÌNH ra một đƣờng đi liên tục từ vị trí ban đầu đến vị trí đích sao cho tránh đƣợc CHO ROBOT những va trạm với những vật cản trên đƣờng đi Thông thƣờng quá trình xác 3.2.1 Khái quát một số phương pháp lập lộ trình và khả năng ứng dụng định lộ trình có thể chia làm... các bài toán thoả mãn ràng buộc, tìm nghiệm bài toán ngƣời du lịch, điều khiển và robot Mạng Hopfield đƣợc bắt đầu nghiên cứu từ năm 1982 Đây là mạng một lớp với thông tin và quá trình xử lý có nối ngƣợc Công trình của Hopfield có rất nhiều ứng dụng, đặc biệt trong bộ nhớ liên kết và trong các bài toán tối ƣu điển hình nhƣ bài toán lập lộ trình di chuyển cho robot Giả sử mạng đƣợc xây dựng dƣới dạng mạng. .. đƣợc biểu diễn với bất kỳ số lộ trình nào, kết quả của mỗi lộ trình sẽ đƣợc lƣu trong một nút của cây lộ trình Nhƣ vậy mô hình chung của lộ trình có thứ bậc là một cây trong đó mỗi đỉnh của cây là một lộ trình Đỉnh gốc là lộ trình chính Con của một đỉnh (c) (d) Hình 2.6 Một số lộ trình và sự cải tiến lộ trình Ví dụ: - Lộ trình đầu tiên (a)- di chuyển một robot di động trong nhà, chấp nhận một sự va... tính toán thiết lập đƣợc một đƣờng dẫn liên tục đầy đủ từ qI đến qG: CHƢƠNG 3 ỨNG DỤNG MẠNG NƠRON NHÂN TẠO TRONG  : [ 0, 1 ]  Cfree, nhƣ vậy  (0) = qI và  (1) = qG, hoặc phải chỉ ra rằng một đƣờng dẫn nhƣ vậy không tồn tại BÀI TOÁN LẬP LỘ TRÌNH CHO ROBOT 3.1 MẠNG NƠRON NHÂN TẠO VÀ BÀI TOÁN LẬP LỘ TRÌNH Những năm trƣớc đây, một số nghiên cứu về khoa học máy học đƣợc trình bày và đã đƣợc áp dụng. .. rạc (hữu hạn, hoặc vô giải thuật lập lộ trình hạn đếm đƣợc) hoặc liên tục (vô hạn không đếm đƣợc) Việc xây dựng không 2.2.3 Bài toán lập lộ trình chuyển động cho robot gian trạng thái hoàn toàn phụ thuộc vào thuật toán lập lộ trình tƣơng ứng Bài toán lập lộ trình có thể đƣợc phát biểu nhƣ sau: Trong đa số các ứng dụng, kích thƣớc của không gian trạng thái (số những Cho đối tƣợng với vị trí ban đầu và... ƣa chuộng bởi những lộ trình cần phải thiết kế một lộ trình đã lập trƣớc để tính đến thông tin mới trong thời gian thực thi Cách 2: Đƣợc miêu tả trong Hình 2.5 b Trong trƣờng hợp này, lộ trình sản sinh bởi ngƣời lập lộ trình mã hóa trọn vẹn trong máy Đây là một lộ trình đặc biệt chủ định cho máy và đƣợc thiết kế để giải quyết những nhiệm vụ đặc biệt cho trƣớc hƣớng tới ngƣời lập lộ trình Giải thuật này... lý song song 1.2.2 Các lĩnh vực ứng dụng của mạng nơron Kể từ khi ra đời và phát triển mạng nơron đã đƣợc ứng dụng trong rất nhiều lĩnh vực Do vậy, liệt kê đƣợc tất cả các ứng dụng của mạng nơron là không thực tế Tuy nhiên, ta có thể đƣa ra một số ứng dụng điển hình của mạng nơron nhƣ sau: - Thiết kế hệ thống thích nghi - Không đòi hỏi các đặc trƣng mở rộng của bài toán (chủ yếu dựa trên tập học) -... để robot định vị những vật khác 2.3 CÁC THÀNH PHẦN CƠ BẢN CỦA VIỆC LẬP LỘ TRÌNH Mặc dù công việc lập lộ trình là một công việc khá phức tạp và phải trải Qua những ví dụ nêu trên ta nhận thấy các giải thuật lập lộ trình không qua rất nhiều công đoạn, song ta có thể hệ thống hoá các thành phần của bài chỉ có ứng dụng trong công nghệ robot mà nó có thể đƣợc ứng dụng trong rất toán này Cụ thể việc lập lộ. .. ngƣời “ tính toán ” một lộ toàn có thể ƣớc đoán để ứng dụng vào vấn đề lập lộ trình trình tƣơng ứng Trong trƣờng hợp này con ngƣời vẫn làm tròn vai trò của 2.3.4 Trạng thái ban đầu và kết thúc: giải thuật Một lộ trình bắt đầu từ một vài trạng thái ban đầu nào đó và cố gắng đi 2.3.8 Lộ trình đến một trạng thái đích xác định hoặc bất kỳ trạng thái nào trong tập hợp của Hiểu một cách đơn giản: Lộ trình là