Hình 4 .2 Cấu trúc phần cứng điều khiển FWOMR
Hình 4.22 Thực nghiệm robot tránh gặp vật cản động
Kết quả việc tiến hành thực nghiệm được ghi lại thời gian xử lý các nhiệm vụ tránh vật cản và di chuyển đến đích mơ tả trong bảng 4.2.
Bảng 4.2. Thời gian tiến hành thực nghiệm tránh vật cản động
Thời gian Vật cản Vật cản 1 Vật cản 2 Vật cản 3 Vật cản 4
Thời gian xử lý (giây) 3,5 4,3 3,1 2,3
Thời gian di chuyển (giây) 30
Với kết quả mơ phỏng thuật tốn đã sử dụng trên phần cứng lựa chọn, robot được chạy thử nghiệm trên mơ hình mơ phỏng Gazebo và giám sát trên phần mềm Rviz cho thấy các kết quả thu được khi mô phỏng và thực nghiệm có sai lệch khơng đáng kể.
Kết quả thực nghiệm với kịch bản tránh vật cản tĩnh cho thấy robot hoạt động linh hoạt khi tránh vật cản tĩnh thể hiện ở quỹ đạo và thời gian xử lý tại các đoạn cong tại đường zíc zắc. Với kịch bản tránh vật cản động, cho thấy robot đã thực hiện tránh các vật cản ngẫu nhiên, tuy nhiên khả năng đáp ứng còn chưa nhanh, linh hoạt khi gặp các vật cản động di chuyển nhanh (Vật cản 2).
Tuy nhiên khi di chuyển, robot còn gặp phải hiện tượng sai lệch nhỏ do kết cấu cơ khí cũng như khả năng tránh vật cản động khi thực nghiệm tại hiện trường. Việc điều chỉnh bộ tham số là rất cần thiết nhằm tăng tính linh hoạt cũng như giảm thời gian quá độ khi robot gặp vật cản động (di chuyển nhanh hơn người đi bộ).
Với thuật toán điều khiển dự báo đã cho thấy robot di chuyển rút ngắn thời gian quá độ khi gặp vật cản động dẫn đến khả năng thích nghi và bám nhanh của robot trong bản đồ tồn cục. Thuật tốn đề xuất đã hạn chế độ quá điều chỉnh, đáp ứng yêu cầu bám nhanh vào quỹ đạo toàn cục của robot tiến tới mục tiêu trong thời gian yêu cầu. Kết quả được thể hiện trong công bố [CT1], [CT2], [CT3], [CT4], [CT5].
KẾT LUẬN
Lập kế hoạch bản đồ và điều hướng cùng với điều chỉnh và xác định các tham số bộ điều khiển là mối quan tâm lớn trong bài toán điều khiển FWOMR. Việc xây dựng bộ điều khiển và lựa các thông số phù hợp đảm bảo đổi hướng kịp thời và kiểm soát được tốc độ của FWOMR là bài tốn khơng dễ dàng. Luận án đã kết hợp việc giải bài toán điều hướng cục bộ và lựa chọn giải pháp điều khiển phù hợp, lựa chọn vi điều khiển có tốc độ tính tốn cao để giải quyết bài toán này. Các tham số của bộ điều khiển được chỉnh định trong quá trình thực nghiệm.
Trước tiên, luận án đã đề xuất nghiên cứu thiết kế và xây dựng hệ thống bản đồ hóa và điều hướng thơng minh cho FWOMR trong môi trường phẳng bất định. Trên cơ sở tiến hành cả trên mơ hình mơ phỏng và thực nghiệm cho thấy hệ thống nhận thức của robot có thể bản đồ hóa mơi trường và đồng thời tự định vị được trong môi trường thực tế. Hơn nữa, hệ thống nhận thức cịn cung cấp thơng tin về vật cản xuất hiện trong quá trình robot di chuyển, từ đó thơng tin này được sử dụng để tính tốn quỹ đạo cho robot trong hệ thống điều hướng gồm tính tốn quỹ đạo tồn cục và quỹ đạo cục bộ.
Điều hướng tránh vật cản tĩnh và động trong môi trường bất định là vấn đề quan trọng trong bài toán điều khiển robot, việc sử dụng thuật tốn TEB có ưu điểm trong điều hướng cục bộ với tính chất tối ưu hóa đa mục tiêu áp dụng cho nhiều nền tảng robot có cấu trúc vật lý khác nhau được lựa chọn kết hợp TEB với một bộ điều khiển dự báo MPC ngắn hạn nhằm giảm thời gian quá độ khi điều hướng cục bộ cho robot đáp ứng thời gian thực. Kết quả mơ phỏng và thực nghiệm đã chứng minh thuật tốn MPC với u cầu tính tốn trong miền dự báo ngắn hạn đáp ứng chỉ tiêu bám nhanh theo quỹ đạo tồn cục so với các thuật tốn SMC và DSC.
Hơn nữa, luận án tập trung vào việc nghiên cứu FWOMR có khả năng tự trị thơng minh có nghĩa là có khả năng tự xây dựng quỹ đạo phù hợp với địa hình có vật cản và có khả năng chuyển động tránh các vật cản đồng thời bám đạo chuyển động đến đích. Luận án đã lựa chọn được thuật toán, các hệ vi xử lý phù hợp để giả quyết bài tốn nghiên cứu đã đặt ra đó là lập bản đồ thơng minh để xây dựng quỹ đạo tồn cục, điều hướng cục bộ trên nền tảng TEB, cài đặt NMPC trong hệ vi xử lý Jetson
TX2 của Nvidia kết hợp với việc lập trình hệ thống trên hệ điều hành ROS, hệ điều hành chuyên dụng và mới nhất cho robot.
Những đóng góp mới của luận án
Luận án có hai đóng góp mới sau đây:
- Phát triển thuật toán EKF-SLAM tạo dữ liệu cho hệ thống điều hướng và điều khiển robot tự hành bốn bánh đa hướng.
- Đề xuất thuật toán điều khiển MPC cho robot tự hành bốn bánh đa hướng tránh vật cản tĩnh.
Xây dựng mơ hình FWOMR vật lý để kiểm chứng các đề xuất mới trong luận án. Các kết quả thu được từ mô phỏng và thực nghiệm cho thấy tính đúng đắn của các giải pháp đã được đề xuất trong luận án và khả năng ứng dụng thực tế của các giải pháp này.
Hướng nghiên cứu tiếp theo
Việc xây dựng bài tốn điều hướng robot trong mơi trường bất định gặp nhiều khó khăn khi khả năng định vị bị hạn chế bởi nhiều nguyên nhân khách quan. Trong tương lai, luận án cùng các cộng sự sẽ nghiên cứu mở rộng nhằm xây dựng các thuật toán SLAM cho mơi trường 3D trên các địa hình đặc thù (như địa hình khơng bằng phẳng, dưới nước .v.v.).
Hơn nữa việc kết hợp thuật toán NMPC với các thuật tốn điều khiển thơng minh để giải quyết bài toán điều khiển cho mơ hình phi tuyến, bất định cũng là hướng nghiên cứu tiếp theo để nâng cao chất lượng điều khiển cho nhiều loại robot trong thực tế.
DANH MỤC CÁC CƠNG TRÌNH KHOA HỌC ĐÃ CƠNG BỐ
CT1. Đỗ Quang Hiệp, Ngơ Mạnh Tiến, Nguyễn Mạnh Cường, Lê Trần Thắng, Phan Xuân Minh (2020), Xây dựng hệ thống nhận thức môi trường cho robot tự hành Omni 4 bánh dựa trên thuật toán EKF-SLAM và hệ điều hành ROS, “Tạp chí nghiên
cứu KH&CN Quân sự”, Số đặc san Hội thảo Quốc gia FEE, pp. 30-37.
CT2. Hiep Do Quang, Tien Ngo Manh, Cuong Nguyen Manh, Dung Pham Tien, Manh Tran Van, Duyen Ha Thi Kim, Van Nguyen Thi Thanh, Duan Dam Hong (2019), Mapping and Navigation with Four-wheeled Omnidirectional Mobile Robot based on Robot Operating System, “International Conference on MechatrOnics,
Robotics & Systerm Engineering”, Morse, indexed in IEEE Explore, ISBN: 978-1-
7281-3984-5 (Electronic).
CT3. Hiep Do Quang, Tien Ngo Manh, Cuong Nguyen Manh, Dung Pham Tien, Manh Tran Van, Kiem Nguyen Tien, Duy Nguyen Duc (2020), An Approach to Design Navigation System for Omnidirectional Mobile Robot Based on ROS, “International Journal of Mechanical Engineering and Robotics Research
(IJMERR)”, ISSN 2278-0149, Vol. 9, No. 11, Scopus Q3, pp. 1502-1508.
CT4. Ha Thi Kim Duyen, Ngo Manh Tien, Pham Ngoc Minh, Thai Quang Vinh, Phan Xuan Minh, Phạm Tien Dung, Nguyen Duc Dinh, Do Quang Hiep (2020), Fuzzy Adaptive Dynamic Surface Control for Omnidirectional Robot, “The
International Conference on Artificial Intelligence and Computational Intelligence, AICI 2020”, The Springer-Verlag book series “Computational Intelligence” indexed
in Scopus and Compendex (Ei), ISSN: 1860-9503 (electronic), ISBN: 978-3-030- 49536-7 (eBook).
CT5. Hiep Do Quang, Tien Ngo Manh, Cuong Nguyen Manh, Thang Le Tran, Toan Nguyen Nhu, Nam Bui Duy (2022), Design a nonliear MPC for autonomous mobile robot navigation system based on ROS, “International Journal of Mechanical
Engineering and Robotics Research” (IJMERR), ISSN 2278-0149, Vol. 11, No. 6,
TÀI LIỆU THAM KHẢO Tiếng Việt
1. Hà Thị Kim Duyên (2020), Điều khiển mặt động thích nghi bám quỹ đạo cho
Robot tự hành bốn bánh đa hướng, Luận án tiến sĩ, Viện Hàn lâm KH&CN Việt Nam.
2. Trần Thuận Hoàng và cộng sự (2012), "Robot di động đa cảm biến và định vị robot bằng phương pháp tổng hợp cảm biến với bộ lọc Kalman mở rộng", Hội thảo
toàn quốc về Điện tử - Truyền thơng – An tồn thơng tin, ATC/REV.
3. Ngô Mạnh Tiến và cộng sự (2012), "Một số kết quả nghiên cứu mới trong phát triển hệ robot tự hành có gắn camera tự động tìm kiếm và bám mục tiêu di động",
Hội Nghị Cơ điện tử toàn quốc lần thứ 6 VCM6.
4. Trần Quang Tuấn, Phan Xn Minh (2010), "MPC tựa mơ hình trên cơ sở hệ mờ ứng dụng đk lũ phản ứng dây chuyền liên tục (CSTR)", Tạp chí Phát triển Khoa
học và Cơng nghệ, 13(K1).
5. Đỗ Nam Thắng (2021), Nghiên cứu tổng hợp điều khiển thông minh cho robot tự hành trong môi trường bất định, Luận án tiến sĩ, Viện KH& CN Quân Sự.
Tiếng Anh
6. http://wiki.ros.org/costmap_2d/hydro/inflation.
7. Albers, F., Rösmann C., and Hoffmann F. (2019), Online Trajectory Optimization and Navigation in Dynamic Environments in ROS. Robot Operating
System (ROS). (Vol). 778. Springer, Cham.
8. Alborzi, Y., Jalal B.S., and Najafi E. (2020), "ROS-based SLAM and Navigation for a Gazebo-Simulated Autonomous Quadrotor", 2020 21st International Conference on Research and Education in Mechatronics (REM).
9. Almasri, E., and Uyguro˘glu M.K. (2021), "Modeling and Trajectory Planning Optimization for the Symmetrical Multiwheeled Omnidirectional Mobile Robot", Symmetry 13(6):1033.
10. Angeles, J. (2003), Fundamentals of Robotic Mechanical Systems. Theory, Methods, and Algorithms. Mechanical Engineering Series. springer.
11. Anh, N.T.L. (2021), Developing effcient localization and motion planning
systems for a wheelled mobile robot in a dynamic environment, Doctoral Dissertation,
Military Technical Academy.
12. Araújo, A., et al. (2013), "Integrating Arduino-based educational mobile robots in ROS", 2013 13th International Conference on Autonomous Robot Systems. 13. Bayes, T.T., and Richard P. (1963), "An Essay Towards Solving a Problem in Doctrine of Chances", Philosophical Transactions, 53(1) pp. 370 - 418.
14. Bhattacharya, P., and Gavrilova M.L. (2007), "Voronoi diagram in optimal path planning", Proceedings of the 4th International Symposium on Voronoi Diagrams in Science and Engineering (ISVD ’07).
15. Bonalli, R., et al. (2019), "Gusto: Guaranteed sequential trajectory optimization via sequential convex programming", IEEE International Conference on Robotics and Automation, pp. 6741–6747.
16. Buyval, A., Afanasyev I.M., and Magid E. (2016), "Comparative analysis of ROS-based monocular SLAM methods for indoor navigation", Ninth International
Conference on Machine Vision.
17. Canny, J. (1987), "A new algebraic method for robot motion planning and real geometry", in 28th Annual Symposium on Foundations of Computer Science.
18. Courtney, J.D., and Jain A.K. (1994), "Mobile robot localization via classification of multisensor maps", Proceedings of the 1994 IEEE International Conference on Robotics and Automation.
19. Cousins, and Steve (2011), Exponential growth of ros [ros topics] IEEE Robotics & Automation Magazine 1.18, 19-20.
20. Chen, J., et al. (2014 ), "Adaptive Sliding Mode Control Based on a Filter for Four-Wheel Omni-Directional Mobile Robots", CYBERNETICS AND INFORMATION TECHNOLOGIES 14(2 ).
21. Chikurtev, D. (2016), "Indoor navigation for service mobile robots using Robot Operating System ROS)".
22. Dechter, R., and Pearl J. (1985), "Generalized best-first search strategies and the optimality of A∗", Journal of the ACM (JACM), 32 no. 3, pp. 505–536.
23. Delsart, V., and Fraichard T. (2008), "Reactive Trajectory Deformation to Navigate Dynamic Environments", European Robotics Symposium.
24. Dinh, T.H., et al. (2012), "Localization of a Unicycle-like Mobile Robot Using LRF and Omnidirectional Camera", Proceedings 2012 IEEE International Conference on Control System, Computing and Engineering.
25. Durrant-Whyte, H., and Bailey T. (2006), "Simultaneous localization and mapping: part I", IEEE Robotics & Automation Magazine, 13(2), pp. 99-110.
26. Duyen, H.T.K., et al. (2019), "Trajectory tracking control for four-wheeled omnidirectional mobile robot using Backstepping technique aggregated with sliding mode control", 2019 First International Symposium on Instrumentation, Control, Artificial Intelligence, and Robotics (ICA-SYMP).
27. Faulwasser, T., and Findeisen R. (2016), "Nonlinear model predictive control for constrained output path following", IEEE Transactions on Automatic Control, 61 (4), pp. 1026–1039.
28. Ferreau, H.J., et al. (2014), "qpOASES: a parametric active-set algorithm for quadratic programming", Mathematical Programming Computation, 6(4), pp.
327-363.
29. Fox, D., Burgard W., and Thrun S. (1997), "The dynamic window approach to collision avoidance", IEEE Robotics & Automation Magazine, 4(1), pp. 23-33.
30. Gelperin, D. (1977), "On the optimality of A∗", Artificial Intelligence, 8(1), pp. 69–76.
31. Guimarães, R.L., and Oliveir A.S. (2016), ROS Navigation: Concepts and
Tutorial. Robot Operating System (ROS). Springer, Cham.
32. Gulati, S. (2011), A framework for characterization and planning of safe, comfortable, and customizable motion of assistive mobile robots, Ph.d.
33. Giubilato, R., et al. (2019), "An evaluation of ROS-compatible stereo visual SLAM methods on a nVidia Jetson TX2", Measurement, 140, pp. 161-170.
34. Hakyoung, C., Ojeda L., and Borenstein J. (2001), "Sensor fusion for mobile robot dead-reckoning with a precision-calibrated fiber optic gyroscope",
Proceedings 2001 ICRA. IEEE International Conference on Robotics and Automation (Cat. No.01CH37164).
35. Hans, P.M. (1988), Sensor Fusion in Certainty Grids for Mobile Robots, in
AI Magazine, pp. 61-74.
36. Hoa, D.K., et al. (2018), "An Improved Navigation Method for Robot in Indoor Dynamic Environment Based on Ground Extraction", Journal of Science &
Technology of Technical Universities, 131, pp. 062-068.
37. Hoa, D.K., et al. (2018), "An efective depth map navigation for mobile robot in ondoor enviroments", JP Journal of Heat and Mass Transfer, Special Volume, Issue II, Advances in Mechanical System and ICT-convergence, , pp. 221 –
237
38. Hoang, T.T., et al. (2012), "A Path Following Algorithm for Wheeled Mobile Robot Using Extended Kalman Filter", IEICE Proc. of the 3th Int. Conf. on
Integrated.
39. Hoang, T.T., et al. (2012), "Multi-sensor perceptual system for mobile robot and sensor fusion-based localization", 2012 International Conference on Control, Automation and Information Sciences (ICCAIS).
40. Hoang, T.T., et al. (2012), "Stabilization Control of the Differential Mobile Robot Using Lyapunov function And Extended Kalaman Filter", Vietnam Journal of
Sciences and Technology 50(4), pp. 441-452.
41. Huang, H. (2011), "Intelligent motion controller design for four-wheeled omnidirectional mobile robots using hybrid GA-PSO algorithm", 2011 IEEE International Conference on Systems, Man, and Cybernetics.
42. J.Julier, S., Uhlmann J.K., and Durrant-Whyte H.F. (1995), "A new approach for filtering nonlinear systems", Proceedings of the American Control Conference.
43. Jabin, S. (2010), Robot Learning. Sciyo
44. Jensfelt, P. (2001), Approaches to Mobile Robot Localization in Indoor Environments, Doctoral Thesis, Department of Signals, Sensors and Systems, Royal
45. John, J.C. (1986), Introduction to Robotics Mechanics & Control. Addison – Wesley Publishing Company.
46. Kalakrishnan, M., et al. (2011), "Stomp: Stochastic trajectory optimization for motion planning", IEEE International Conference on Robotics and Automation.
47. Kalman, R.E. (1960), "A new approach to linear fitltering and prediction problems", Transaction of the ASME, Journal of Basic Engineering, pp. 35-45.
48. Kanjanawanishkul, K. (2015), "MPC-Based Path Following Control of an Omnidirectional Mobile Robot with Consideration of Robot Constraints", Advances
in Electrical and Electronic Engineering, 13.
49. Koubaa, A., and Kacprzyk J. (2016), Robot Operating System (ROS). (Vol). 625. Springer
50. Koubaa, A., and Kacprzyk J. (2017), Robot Operating System (ROS).
Springer ed. (Vol). 707.
51. Kurniawati, H., and Fraichard T. (2007), "From path to trajectory deformation", 2007 IEEE/RSJ International Conference on Intelligent Robots and Systems.
52. Lau, B., Sprunk C., and Burgard W. (2009), "Kinodynamic motion planning for mobile robots using splines", EEE/RSJ International Conference on Intelligent Robots and Systems.
53. Leonard, J.J., and Durrant-Whyte H.F. (1991), "Mobile robot localization by tracking geometric beacons", IEEE Transactions on Robotics and Automation,
7(3), pp. 376-382.
54. Leow, Y.P., Low K., and Loh W. (2002), "Kinematic Modelling and Analysis of Mobile Robot s with Omni-Directional Wheels", Seventh lnternational
Conference on Control, Automation, Robot ics And Vision (lCARCV’O2), Singapore.
55. Lewis, F.L., Dawson D.M., and Abdallah C.T. (2004), Robot Manipulator
Control Theory and Practice. MARCEL DEKKER, INC, .
56. Marin-Plaza, P., et al. (2018), "Global and Local Path Planning Study in a ROS-Based Research Platform for Autonomous Vehicles", Journal of Advanced Transportation.
57. Martinez, A., and Fernández E. (2013), Learning ROS for Robotics Programming. Birmingham - Mumbai,.
58. Megalingam, R.K.e.a. (2018), "ROS based autonomous indoor navigation simulation using SLAM algorithm", Int. J. Pure Appl. Math, pp. 199-205.
59. Moreno-Caireta, I., Celaya E., and Ros L. (2021), "Model Predictive Control for a Mecanum-wheeled Robot Navigating among Obstacles", IFAC- PapersOnLine, 54(6), pp. 119-125.
60. Morgan, Q., and Brian G. (2009), "ROS: an open-source Robot Operating System", ICRA workshop on open source software.
61. Morgan, Q., Gerkey B., and Smart W.D. (2015), Programming Robots with
ROS: a practical introduction to the Robot Operating System. O'Reilly Media, Inc.
62. Nguyen, T.T.V., et al. (2012), "Mobile robot localization using fuzzy neural network based extended Kalman filter", 2012 IEEE International Conference on Control System, Computing and Engineering.
63. Ocando, M.G., et al. (2017), "Autonomous 2D SLAM and 3D mapping of an environment using a single 2D LIDAR and ROS", 2017 Latin American Robotics
Symposium (LARS) and 2017 Brazilian Symposium on Robotics (SBR).
64. Ogren, P., and Leonard N.E. (2005), "A convergent dynamic window approach to obstacle avoidance", IEEE Transactions on Robotics and Automation,