CHƯƠNG 4. GIẢI THUẬT ĐIỀU KHIỂN
4.1. Hệ thống dẫn đường cho robot AMR
Ngày nay, nhi âi ứng dụng của hệ thống robot có thể được tìm thấy trong tự động hóa nhà máy, hệ thống giám sát, hệ thống kiểm soát chất lượng, AGV (phương tiện tự động dẫn đường), chống thảm họa, hỗ trợ y tế, v.v. Ngày càng có nhi`âi ứng dụng rô bốt nhằm mục đích cải thiện cuộc sống hàng ngày của chúng ta và rô bốt hiện bị bắt gặp thưởng xuyên hơn bao giở hết trước khi thực hiện các nhiệm vụ khác nhau.
Robot di động tự động là những robot có thể thực hiện nhiệm vụ trong môi trưởng có cấu trúc hoặc không có cấu trúc mà không có sự hướng dẫn liên tục của con người. Robot di động hoàn toàn tự động có khả năng:
- _ Thu thập thông tin v`êmôi trưởng.
- Lam việc trong thời gian dài mà không có sự can thiệp của con người.
- Di chuyén toàn bộ hoặc một phẦn trong môi trưởng hoạt động của nó mà không c3 sự hỗ trợ của con người.
- - Tránh các tình huống có hại cho cơn người, tài sản hoặc bản thân, trử khi đó là một ph của thông số kỹ thuật thiết kế.
Robot di động tự động cũng có thể học hoặc đạt được các khả năng mới như đi ân chỉnh các chiến lược để hoàn thành (các) nhiệm vụ của nó hoặc thích ứng với sự thay đổi của môi trưởng xung quanh
Cho bất kỳ cỗ máy di chuyển tự hành nào, khả năng định hướng trong môi trưởng hoạt động của chúng là rất quan trọng. Khả năng tránh các tình huống nguy hiểm như va chạm và ở các đi `âi kiện không an toàn được đặt lên hàng đ`1(nhiệt độ, bức xa, tiếp xúc với thời tiết... Dẫn đường cho robot có nghĩa là robot có khả năng xác định được vị trí của chính nó trong hệ quy chiếu của nó và sau đó lập kế hoạch đường đi tới một số vị trí mục tiêu. Để dẫn đường trong môi trường của nó, robot hoặc bất kỳ thiết bị di động nào khác yêu c âi một bản đ ôcủa môi trường và khả năng phân tích bản đ ồ đó.
Dẫn đường có thể được định nghĩa là sự kết hợp của 3 chức năng cơ bản:
- Tw dinh vi.
- __ Xây dựng và phân tích bản đ - _ Lập kế hoạch đường đi.
17
Dinh vi Bản đồ toàn cục Nhận thức Xây dựng ban đồ Lập kế hoạch đường đi
A
Mo hinh|méi trudng Duong di
Bản đằ|eụe bộ Ỷ
Trích thông tin Thực thi kế hoạch
Dữ liệu|thê
Cảm nhận
Cảm biến Hành động
Điều khiên chuyên động
Hình 4.1. Sơ đ ồkhối hệ thống dẫn đường cho robot di động.
4.2. Lập kế hopch đường đi.
Lập kế hoạch đường di hay còn gợi là định tuyến cho robot là từ vị trí hiện tại robot xác định được đương đi tới vị trí đích. Có thể phân thành hai loại lập kế hoạch đường đi trong môi trưởng tĩnh và môi trưởng động. Trong môi trưởng tĩnh với các vật cản cố định thì sau khi xác định được đường đi tới đích robot sẽ di chuyển theo đúng đường đi đó. Nhưng trong môi trưởng động hay môi trường chưa xác định trước, quá trình lập kế hoạch đường đi gọi là đường đi toàn cục, khi có bất kỳ sự thay đổi nào ví dụ như có vật cản bất kỳ thì robot sẽ thực hiện tránh vật cản trước sau đó mới tiếp tục thực hiện đường đi toàn cục. Quá trình tránh vật cản được xem như là đường đi cục bộ.
Hình 4.2. Thuật toán dựa trên lưới.
18
Phủ một lưới lên không gian cấu hình và giả sử mỗi cấu hình được xác định bằng một điểm lưới. Tại mỗi điểm lưới, robot được phép di chuyển đến các điểm lưới liên kềmiễn là đường giữa chúng nằm hoàn toàn trong Cfree. Đi êi này làm tùy ý tập hợp các hành động và các thuật toán tìm kiếm được sử dụng để tìm đưởng dẫn từ đầi đến mục tiêu. Phương pháp này yêu e3 thiết lập độ phân giải lưới. Tìm kiếm nhanh hơn với các lưới thô hơn, nhưng thuật toán sẽ không tìm thấy đường dẫn qua các ph hẹp của Cfree. Tuy nhiên số lượng các điểm trên lưới tăng lên theo cấp số nhân trong kích thước không gian cấu hình, khiến chúng không phù hợp với các bài toán chi`âi cao.
Bên cạnh đó các phương pháp tiếp cận dựa trên lưới thưởng cẦn phải tìm kiếm nhi ầi Lần, ví dụ, khi kiến thức của robot v`ê không gian cấu hình thay đổi hoặc chính không gian cấu hình thay đổi trong quá trình theo dõi đường dẫn. Các thuật toán tìm kiếm theo kinh nghiệm gia tăng lập kế hoạch lại nhanh chóng bằng cách sử dụng kinh nghiệm với các vấn đ êlập kế hoạch đường dẫn tương tự trước đó để tăng tốc độ tìm kiếm của họ cho vấn đ`êhiện tại.
Raw scan data
Detect robot
Particle generation
Rotate and shift
Data association
Assign importance moving
Line extraction ih
Samphng
weight
Resampling
Line merging
Map update
Hình 4.3. Lưu d Gthuat todn SLAM cua robot.
SLAM (Simultaneous Localization and Mapping) sử dụng các loại thuật toán khác nhau dwa trén n%& tang ROS nhu Gmapping, Cartographer, hector, karto, tuy nhién st dụng phổ biến nhất vẫn là Gmapping. Với dữ liệu cảm biến laser quét 360, TurtleBot vừa có thể tạo bản đ`ê vửa có khả năng tự định vị mình trong bản đ ồ đó. Hình 3.3 biểu
19
diễn lưu đ `ôthuật toán của Particle Filter cho quy trình vừa định vị vừa cập nhật bản đ ồ vào cơ sở dữ liệu. Cách tiếp cận này sử dụng bộ lọc hạt trong đó mỗi hạt mang một bản đ `ôriêng lẻ của môi trưởng. Các hạt sau khi được tọa tử dữ liệu cảm biến, sẽ được gan cho một trọng số nhất định, sau quá trình lấy mẫu lại, các hạt có trọng số cao hơn sẽ được giữ lại, các hạt có trọng số thấp hơn sẽ bị loại trừ, tử đó hạt có trọng số lớn nhất sẽ được chỉ định là vị trí hiện tại của robot. Quá trình này diễn ra liên tục mỗi khi có dữ liệu tử cảm biến trả v`Š robot vừa định vị bản thân, vừa cập nhật bản đ vào cơ sở dữ liệu tại cuối quá trình.
Công nghệ SLAM có ứng dụng rộng rãi trong nhi âi lĩnh vực như xe tự lái, robot gia đình, robot dò tìm cứu hộ, thậm chí cả trong thực tế ảo. Đi`âi này giúp cho các thiết bị tự động có khả năng tự đi`âi hướng, tránh vật cản và thực hiện các nhiệm vụ một cách hiệu quả hơn trong môi trưởng không biết trước.
4.3. Xây dựng bản đ ồbằng lidar.
Bản đ ồphòng được xây dựng bằng cách sử dụng cảm biến Lidar để quét và lưu trữ bản đ ô được tích hợp trên robot Turtlebot di chuyển toàn bộ khu vực trong phòng.
TurtleBot là mét robot n% tang tiêu chuẩn ROS. Có 3 phiên bản của dòng TurtleBot.
TurtleBot1 được phát triển bởi Tully (Quản lý nền tẳng tại Open Robotics) và Melonee (Giám đốc đi ầi hành của Fetch Robotics) từ Willow Garage nghiên cứu dựa trên iRobot’s Roomba, Create, dé trién khai ROS.
Hình 4.4. Robot đang trong quá trình tạo bản d 6str dung bé lọc hạt
20
Biểu diễn quá trình lấy mẫu hạt khi robot đang trong quy trinh thiét lap ban d4 như trong hình, các hạt là các mũi tên đỏ sau quá trình lấy mẫu lại thì có xu hướng hội tu v €vi trí của robot trong thực tế, trong trường hợp này, nếu robot xoay quanh tại chỗ càng lâu, thì các hạt sẽ càng hội tụ, từ đó cho ra một tọa độ chính xác nhất.
4.4. Sơ đ `ệgiải thuật đi khiộn robot AMR bang Bluetool.
Sử dụng Bluetool RC Controller(Hình 4.4) là một lựa chọn thông minh vì nó cung cấp khả năng đi âi khiển từ xa thông qua kết nối Bluetooth. Sự kết hợp này có thể mang lại lợi ích lớn cho việc đi `âi khiển robot, cho phép ngươi dùng tương tác linh hoạt và tiện lợi.
Hình 4.5. Giao diện Bluetool RC Controller
Sơ đ ồgiải thuật trong đi`âi khiển Robot AMR không chỉ là hình ảnh mô tả quy trình một cách đơn thu ần, mà còn là cột mốc quan trọng giúp chúng ta hiểu rõ cách thức hoạt động của robot. Từ việc thu thập dữ liệu qua cảm biến, xử lý thông tin, đưa ra quyết định cho đến thực hiện hành động, sơ đ`Ônày mô tả một cách chỉ tiết và logic cấu trúc và quy trình đi `âi khiển robot. Nó không chỉ là hướng dẫn mà còn là n`ầ tảng cho việc đi li chỉnh, cải thiện và tối ưu hóa hiệu suất của Robot AMR. Sơ đ ôgiải thuật không chỉ giúp ta hiểu quy trình một cách cụ thể mà còn mở ra cơ hội hiểu sâu hơn v'ê nguyên lý hoạt động của robot, đ ông thời tạo đi âi kiện cho việc thử nghiệm, nghiên cứu và sáng tạo các phương pháp moi. Di a này là chìa khóa quan trọng để mở ra tin năng phát triển không ngừng của Robot AMR trong tương lai.đ`Ôgiải thuật đóng vai trò quan trọng trong việc tóm tắt cách đi âi khiển Robot của chúng ta. Nó cung cấp một
21
hướng dẫn rõ ràng cấu trúc và cách hoạt động, cho phép chúng ta đi `âi chỉnh Robot AMR theo các bước cụ thể.
|
+
ee
os 2
Hinh 4.6. Sơ đ`ôGiải thuật đi `âi khiển buletool cla AMR
22