Содержание к диссертации
Введение
ГЛАВА 1. Задача реализации автономных режимов навигации для мобильных роботов и анализ известных методов ее решения с учетом специфики малогабаритных платформ 12
1.1 Задача реализации автономных режимов навигации для малогабаритных мобильных роботов 12
1.2 Планирование траектории методами поиска на графе 20
1.3 Планирование траектории методом полей потенциалов 26
1.4 Синтез траектории движения бионическим методом адаптивного управления 30
1.5 Выводы 42
ГЛАВА 2. Адаптация существующей алгоритмической базы к специфике применения малогабаритных мобильных роботов 45
2.1 Способ обеспечения безопасности синтезируемой траектории движения для бионического метода адаптивного управления 45
2.2 Волновой итерационный алгоритм синтеза значений элементов тормозных регрессивных квазиполей препятствий 57
2.3 Выводы 68
ГЛАВА 3. Разработка проблемно-ориентированных элементов системы управления малогабаритного робота для решения задачи автономной навигации 72
3.1 Выбор вычислительной платформы для решения задачи автономной навигации 72
3.2 Реализация бортовой подсистемы автономной навигации для малогабаритных мобильных роботов в базисе технологий СнК и ПЛИС. 79
3.3 Выводы 89
ГЛАВА 4. Экспериментальные исследования элементов бортовой системы автономного планирования локальных траекторий для малогабаритных мобильных роботов 92
4.1 Разработка и исследование стенда виртуального моделирования элементов бортовой системы автономного планирования локальных траекторий 92
4.2 Разработка и исследование макета малогабаритной мобильной платформы, оснащенной бортовой системой планирования локальных траекторий движения в заданную целевую локацию 104
4.3 Разработка и исследование эффективности применения режима супервизорного телеуправления для малогабаритных мобильных роботов 115
4.4 Выводы 125
Заключение 128
Список используемой литературы 135
- Планирование траектории методом полей потенциалов
- Волновой итерационный алгоритм синтеза значений элементов тормозных регрессивных квазиполей препятствий
- Реализация бортовой подсистемы автономной навигации для малогабаритных мобильных роботов в базисе технологий СнК и ПЛИС.
- Разработка и исследование макета малогабаритной мобильной платформы, оснащенной бортовой системой планирования локальных траекторий движения в заданную целевую локацию
Планирование траектории методом полей потенциалов
Задача сведения к минимуму рисков причинения вреда здоровью или потери личного состава является одной из важнейших задач при проведении операций по устранению последствий техногенных катастроф или специальных операций антитеррористической направленности. В этой связи актуальной является задача разработки средств дистанционного проведения подобных операций. Данное обстоятельство является ключевым фактором наблюдаемого в настоящее время развития телеуправляемых малогабаритных мобильных роботизированных комплексов, обладающих возможностями оперативной доставки и быстрого развертывания силами одного-двух специалистов [6].
Несмотря на то, что общепринятая классификация мобильных роботизированных комплексов специального назначения в России в настоящее время отсутствует, анализ ряда работ [6, 11, 27] показывает, что к классу малогабаритных могут быть отнесены забрасываемые (до 3 кг), носимые (до 12 кг) и носимо-возимые (до 35 кг) роботизированные комплексы (см. рис. 1.1). Данные роботизированные комплексы предназначены для проведения визуального осмотра помещений и оборудования [15], повышения ситуационной осведомленности человека-оператора [14], поиска, транспортировки и нейтрализации потенциально опасных объектов [1] (самодельных взрывных устройств, радиоактивных и сильнодействующих ядовитых веществ). Кроме того, малогабаритные мобильные роботизированные комплексы могут использоваться для доставки небольших грузов и специальных средств массой до 5 кг [42], ретрансляции связи, прокладки маршрутов прохода через минные заграждения [15]. Среди зарубежных компаний, активно развивающих направление малогабаритных мобильных роботизированных комплексов специального назначения, можно выделить: iRobot (США), ODF (Израиль), Nexter Robotics (Франция), Oto Melara (Италия). Общепризнанными лидерами по разработке подобных систем в России являются: ЦНИИ РТК и МГТУ им. Н.Э. Баумана.
Для большинства существующих образцов малогабаритных мобильных роботов специального назначения задача перемещения в заданную целевую локацию решается оператором в режиме телеуправления. Это связано с рядом причин, среди которых можно выделить следующие.
Типичными условиями функционирования малогабаритных мобильных роботов специального назначения являются участки среды, доступ к которым человека либо затруднен, либо связан с рисками для жизни. Зачастую данные условия связаны с присутствием в зоне функционирования робота объектов, столкновение с которыми может привести к возникновению потенциально опасных ситуаций: взрывов, утечек ядовитых или радиоактивных веществ. Кроме того, подобные среды могут содержать участки с различными свойствами подстилающих поверхностей, в том числе труднопреодолимые или непреодолимые для малогабаритных роботизированных шасси. В этой связи планирование траектории должно осуществляться с учетом многих критериев, к некоторым из которых, в частности к критерию безопасности, предъявляются жесткие требования, что существенно усложняет решение задачи навигации в автономном режиме.
При этом, как уже отмечалось ранее, обеспечение автономных режимов перемещения в заданную целевую локацию для роботов данного типа является важной задачей ввиду возможности потери беспроводного канала связи с оператором, вызванной наличием непрозрачных преград, зашумленностью эфира, работой средств подавления связи. Кроме того, сам канал связи с оператором является дополнительным демаскирующим фактором, что может быть неприемлемым свойством для малогабаритных роботизированных комплексов, выполняющих функции скрытного наблюдения. Важность решения задачи обеспечения автономных режимов перемещения в заданную целевую локацию диктуется также необходимостью сосредоточения внимания оператора на решении задач стратегического уровня: анализа фоно-целевой обстановки, оценки причин возникновения аварии на объекте, анализа возможных угроз и способов нейтрализации потенциально опасного объекта, с которым взаимодействует робот.
В общем виде задача реализации автономных режимов перемещения в заданную целевую локацию (задача автономной навигации), может быть поставлена следующим образом.
Имеется мобильная роботизированная платформа, включающая в себя следующие подсистемы: сенсорная подсистема, представленная датчиками различных модальностей: разноспектральными видеокамерами и реализованными в их базисе стереопарами, лазерными сканирующими дальномерами, радарами и т.д; эффекторная подсистема, представленная набором двигателей и движителей; подсистема автономного питания; подсистема управления, представленная бортовыми вычислительными ресурсами, реализующими алгоритмы взаимодействия робота с внешней средой и протоколы информационно-логического взаимодействия с другими подсистемами робота.
Тогда под задачей реализации автономных режимов навигации будем понимать задачу разработки элементов бортовой подсистемы управления мобильного робота, реализующих в автономном режиме и реальном масштабе времени следующие функции: анализ сенсорной информации и определение собственного положения относительно окружающих объектов; планирование траектории движения в заданную целевую локацию с учетом статичных и подвижных объектов-препятствий и различных типов подстилающей поверхности; реализация спланированной траектории посредством бортовой эффекторной системы.
Волновой итерационный алгоритм синтеза значений элементов тормозных регрессивных квазиполей препятствий
Метод полей потенциалов удовлетворяет критерию безопасности: регулировка силы «отталкивающих» полей объектов-препятствий на основе априорной информации о соотношении размеров корпуса робота и размеров дискретных участков модели внешней среды позволяет отодвигать планируемую траекторию на необходимое безопасное расстояние от препятствий. Кроме того, метод полей потенциалов удовлетворяет критерию минимума энергетических затрат для выбранной стратегии учета критерия безопасности за счет градиентного способа формирования траектории.
Основной недостаток метода полей потенциалов состоит в том, что лежащие в его основе эвристики не всегда позволяют строить траекторию, ведущую к целевому объекту. Вероятность построения траектории, ведущей к целевому объекту, напрямую зависит от конфигурации объектов-препятствий во внешней среде. Широко известны и описаны в литературе проблемы, связанные с появлением локальных минимумов поля и осцилляций траектории, вызванных конфигурацией препятствий типа «ущелье» (см. рисунок 1.7).
Ввиду возможности появления локальных минимумов, использование метода полей потенциалов для решения задачи планирования траектории движения мобильного робота, функционирующего в условиях внешней среды со сложной конфигурацией и геометрией объектов-препятствий (в условиях, приближенных к условиям реального мира) затруднено. Кроме того, проблема локальных минимумов ограничивает возможности использования данного метода для реализации автономных режимов навигации малогабаритных мобильных роботов специального назначения.
Известные проблемы метода полей потенциалов: а – проблема появления локальных минимумов в окрестности U-образных препятствий; б – проблема осцилляций траектории. На обоих рисунках положение целевого объекта обозначено буквой G
Существуют модификации метода полей потенциалов [46, 58, 71], позволяющие снизить вероятность возникновения указанных проблем построения траектории. Однако данные модификации увеличивают ресурсоемкость и снижают быстродействие метода. В этой связи сложность представляет реализация метода полей потенциалов для планирования траектории движения в режиме реального времени (с целью учета динамики изменений, происходящих во внешней среде) в условиях ограниченной производительности бортовых вычислительных ресурсов малогабаритных роботов.
Синтез траектории движения бионическим методом адаптивного управления В работах профессора Ю.В. Чернухина [33 - 38] предлагается бионический метод адаптивного управления, позволяющий решать задачу синтеза траектории движения автономного мобильного робота к целевому объекту в условиях априори неформализованной динамически изменяющейся внешней среды.
Суть данного метода состоит в том, что дискретный план внешней среды, формируемый сенсорной системой робота, периодически, перед каждым элементарным действием его исполнительной системы, воспроизводится в системе управления робота, после чего на нем отыскивается градиент функционала, определяемого множеством возможных траекторий движения к цели. После этого формируется и отрабатывается вектор элементарного перемещения в среде, направленный вдоль вектора антиградиента функционала, найденного на плане среды в системе управления робота [34].
В работе [35] показано, что данный метод может быть эффективно реализован в виде программы для микропроцессора общего назначения. Однако в контексте решения задачи реализации автономных режимов навигации для малогабаритных роботизированных платформ, больший интерес представляет возможность реализации данного метода в базисе проблемно-ориентированных однородных вычислительных структур, продемонстрированная в работе [9].
Рассмотрим реализацию бионического метода адаптивного управления в базисе матрицы элементарных процессорных элементов (будем называть их ключевыми элементами). Считается, что система технического зрения робота в реальном масштабе времени формирует дискретный план внешней среды Yi, каждому из участков которого поставлено в соответствие значение ранжирующей функции, определяющей относится ли данный участок дискретного плана к подмножеству заблокированных Y3i (содержит препятствие), разрешенных для движения YPi, или целевых Ущ. Каждому разрешенному для движения (свободному) участку дискретного плана ранжирующая функция дополнительно ставит в соответствие значение, определяющее трудность его преодоления.
Ключевые элементы (КЭ) соединяются между собой в соответствии с выбранным шаблоном соседства. Каждый из ключевых элементов поставлен во взаимно однозначное соответствие одному участку дискретного плана, формируемого системой технического зрения робота. Положение робота во внешней среде (Т) связано с положением процессорного элемента, называемого блоком принятия решений (БПР). Матрица ключевых элементов соединяется с блоком принятия решений таким образом, чтобы в матрице ключевых элементов отображалась часть среды, находящаяся в текущем поле зрения сенсорной системы робота, а положение блока принятия решений было связано с корпусом робота (см. рис. 1.8).
Реализация бортовой подсистемы автономной навигации для малогабаритных мобильных роботов в базисе технологий СнК и ПЛИС.
Суть разработанного алгоритма синтеза значений элементов тормозных регрессивных квазиполей препятствий состоит в том, что значения коэффициентов задержки волны возбуждения f;, не рассчитываются перед каждым шагом алгоритма планирования траектории, а загружаются в матрицу КЭ в виде априори вычисленных значений выбранной решетчатой функции f (i), где Рі Є [0; Ртах] - целые неотрицательные числа, определяющие нормированные значения расстояний до кромки ближайшего препятствия [41]. Порядок загрузки априори вычисленных значений функции (i) в матрицу КЭ определяется посредством волновой итерационной процедуры, воспроизводимой в матрице ключевых элементов. Таким образом, разработанный алгоритм синтеза значений элементов тормозных регрессивных квазиполей препятствий может быть описан следующим образом: 1. априори вычисленные на интервале [0; ртах] значения функции (i) сохраняются в массив коэффициентов задержи волны возбуждения E таким образом, чтобы значение (i) было доступно по индексу i; 2. если на дискретном плане среды есть хотя бы одно препятствие, переход к пункту 3, иначе процесс синтеза тормозных квазиполей препятствий завершается; 3. выполняется процедура подготовки дискретного плана среды к синтезу тормозных квазиполей препятствий: 3.1. из дискретного плана внешней среды исключаются целевые объекты; 3.2. участки дискретного плана среды, соответствующие объектам-препятствиям помечаются как целевые; 3.3. коэффициенты задержки волны возбуждения , определяющие трудность преодоления свободных участков плана, задаются равными 1 для всех КЭ; 4. преобразованный дискретный план среды загружается в матрицу КЭ; 5. в матрице КЭ воспроизводится очередная i-я итерация процесса распространения волны возбуждения; 6. перебор по всем КЭ: если КЭ находятся в возбужденном состоянии (yj = 1, см. уравнение 2.1) и для него еще не было задано значение , коэффициент задержки волны возбуждения % для данного КЭ задается равным значению элемента массива коэффициентов задержки волны возбуждения E с индексом i; 7. если все КЭ матрицы находятся в возбужденном состоянии, процесс синтеза тормозных квазиполей препятствий завершается, иначе переход к пункту 5.
На рисунке 2.8 представлена блок-схема описанного выше алгоритма (пункт 2 текстового описания опускается в целях упрощения восприятия, считается, что на плане есть хотя бы одно препятствие). Из блок-схемы разработанного алгоритма синтеза значений элементов тормозных регрессивных квазиполей препятствий видно, что данный алгоритм является сходящимся. Цикл, обозначенный цифрой 1 на блок-схеме алгоритма, выполняется за конечное количество итераций, равное количеству ключевых элементов в матрице. Цикл, обозначенный цифрой 2, также выполняется за конечное количество итераций, что обеспечивается следующими факторами:
1. отсутствие заблокированных участков дискретного плана, загружаемого в матрицу КЭ на этапе синтеза тормозных квазиполей препятствий (см. процедуру подготовки дискретного плана среды к синтезу тормозных квазиполей препятствий);
2. конечное значение задержки волны возбуждения, воспроизводимой ключевыми элементами матрицы;
3. выполнение пунктов 1 и 2 определяет тот факт, что волна возбуждения достигает входов любого ключевого элемента матрицы за конечное количество итераций, а, следовательно, все КЭ, соответствующие свободным участкам плана, переходят в возбужденное состояние за конечное число итераций. Рисунок 2.8 – Блок-схема разработанного алгоритма синтеза значений элементов тормозных регрессивных квазиполей препятствий в матрице КЭ В рассмотренном алгоритме синтеза значений элементов тормозных регрессивных квазиполей препятствий волновая процедура, по сути, используется для косвенного определения расстояния от каждого КЭ, соответствующего свободному участку дискретного плана до ближайшего к нему КЭ, соответствующего заблокированном участку.
Поскольку геометрия дискретного плана внешней среды воспроизводится в состояниях матрицы КЭ, расстояния между КЭ, соответствующими свободным участкам плана и КЭ, соответствующими заблокированным участкам (в данном случае именно они являются источниками волн возбуждения) пропорциональны времени, проходящему от начала итерационного волнового процесса до достижения входов данных свободных КЭ фронтом волны возбуждения. В зависимости от метрики пространства, воспроизводимого в состояниях матрицы КЭ, данное время может быть пропорционально Евклидову расстоянию, расстоянию Чебышева, Минковского и т.д. В свою очередь метрика пространства, воспроизводимого в матрице КЭ, зависит от шаблона соседства КЭ и задержек распространения волны возбуждения через различные группы связей между ними.
Пусть для соединения ключевых элементов выбран восьмиточечный шаблон соседства (см. рис. 2.9).
Связи У± —УА, проходящие «через стороны» ключевых элементов будем называть боковыми, а связи УБ—УЗ, проходящие «через углы» КЭ 62 диагональными связями. При этом боковые связи yl и у2 будем называть горизонтальными связями, а связи уЗ и у4 - вертикальными.
Пусть также определено, что аргументы i функции f(i) представляют целые неотрицательные числа, определяющие нормированные значения Евклидовых расстояний до кромки ближайшего препятствия.
Расстояние между двумя точками Q и P двухмерного Евклидова пространства задается следующим соотношением: Q(x1,y1),P(x2,y2) - dE(Q,P) = л/(х1-х2У + (у1-у2У (2.6) В соответствии с данным соотношением для того, чтобы топология двухмерного Евклидова пространства могла быть корректно воспроизведена в матрице КЭ, распространение волны возбуждения через боковые связи ключевых элементов должно происходить с задержкой, равной 7т, а распространение через диагональные связи с задержкой, равной л/27т, где такт дискретного времени.
Так как задержка распространения волны возбуждения в матрице КЭ может быть равна только целому числу тактов дискретного времени, наиболее рациональной аппроксимацией данного соотношения является следующее соотношение задержек: при распространении волны возбуждения через боковые связи, 3 Рт при распространении через диагональные связи.
Пусть подсистемой технического зрения робота был синтезирован двухмерный план внешней среды, графическое представление которого показано на рисунке 2.10а, а в качестве функции, задающей значения элементов тормозных квазиполей препятствий, была выбрана решетчатая функция "(i), заданная системой уравнений (2.5), график которой показан на рисунке 2.10б. Рассмотрим результаты моделирования разработанного алгоритма синтеза значений элементов тормозных квазиполей препятствий для показанных на рисунке 2.10 дискретного плана и функции {(i), с учетом рассчитанных для двухмерного Евклидова пространства задержек распространения волны возбуждения через боковые и диагональные связи КЭ (см. рис. 2.11).
Разработка и исследование макета малогабаритной мобильной платформы, оснащенной бортовой системой планирования локальных траекторий движения в заданную целевую локацию
Результаты функционального моделирования разработанных синтезируемых описаний проблемно-ориентированных элементов бортовой подсистемы автономной навигации позволяют также сделать выводы о быстродействии аппаратной реализации алгоритмов планирования траектории, реализованных в базисе бионического метода адаптивного управления.
Среднее время планирования траектории в матрице КЭ размерами 80х60 перед каждым единичным перемещением робота при 50% заполнении дискретного плана среды препятствиями, максимальном значении суммарной задержки волны возбуждения, воспроизводимой КЭ, равной 32 такта, и частоте работы схемы 100 MHz составило порядка 5 мкс. Данная оценка временных затрат является грубой и не включает в себя время на загрузку дискретного плана в матрицу КЭ. Однако очевидно, что с точки зрения временных затрат аппаратная параллельная реализация алгоритмов планирования локальных траекторий движения, базирующихся на применении бионического метода адаптивного управления, существенно превосходит их программную реализацию для процессорных ядер общего назначения (временные затраты на процесс планирования траектории на каждом шаге по выполненным оценкам составляли порядка 55 мс).
В параграфе 3.1 выполнен анализ существующих вычислительных платформ для интеграции разработанной алгоритмической базы в бортовые системы управления малогабаритных мобильных роботов. По результатам анализа сделан вывод, что в качестве вычислительной платформы для реализации бионического метода адаптивного управления и синтезированных в его базисе алгоритмов планирования траектории целесообразно использовать интегральные микросхемы, сочетающие в себе технологии «система на кристалле» и «программируемая логика». Применение данной технологии позволяет достичь высокой эффективности решения задачи автономной навигации за счет возможности реализации в базисе программируемой логики проблемно-ориентированных элементов, представляющих собой параллельную аппаратную реализацию разработанных алгоритмов планирования траектории. Наличие же в данных интегральных микросхемах системы на кристалле, вычислительным ядром которой является высокопроизводительный процессор общего назначения, существенно упрощает реализацию алгоритмов обработки сенсорных данных, синтеза дискретного плана внешней среды, высокоуровневой логики автономных режимов навигации, а также реализацию протоколов информационно-логического взаимодействия отдельных подсистем бортовой системы управления робота. Еще одним аргументом в пользу использования интегральных микросхем, сочетающих в себе технологии СнК и ПЛИС, является возможность переноса решений, реализованных в базисе данной технологии, в базис заказных интегральных микросхем специального назначения (ASIC).
2. Разработаны технические принципы реализации в базисе технологий «программируемая логика» и «система на кристалле» элементов системы управления малогабаритного мобильного робота, обеспечивающих автономные режимы решения задачи движения в заданную целевую локацию (см. параграф 3.2). Для проблемно-ориентированных элементов, реализуемых в базисе программируемой логики, разработаны соответствующие структурные схемы (см. рис. 3.5, 3.7, 3.8) и синтезируемые описания на языке Verilog. Данные синтезируемые описания верифицированы посредством функционального и временного моделирования и имплементированы в базисе одной из доступных на коммерческом рынке микросхем, сочетающих в себе технологии СнК и ПЛИС (XC7Z045). Для Verilog описаний разработанных проблемно-ориентированных элементов планировщика траектории получено свидетельство о государственной регистрации №2014618988.
3. Экспериментальным путем получены графики потребления ресурсов программируемой логики для микросхем Xilinx Zynq 7-го поколения при реализации планировщика траектории с матрицей КЭ заданных размеров (см. рисунок 3.9). Из данных графиков выведено эмпирическое соотношение, позволяющее получить приближенную оценку количества ресурсов программируемой логики, необходимого для реализации планировщика траектории, способного работать с дискретным планом внешней среды заданных размеров (см. формулу 3.1). Данное соотношение может использоваться при выборе микросхемы семейства Xilinx Zynq, в базисе которой планируется реализация подсистемы автономного планирования траектории движения робота.
4. Оценка расхода ресурсов программируемой логики показала, что в базисе микросхемы XC7Z045 может быть реализован планировщик, работающий с дискретным планом размерами 80х60 дискретных участков. Максимально реализуемый на данный момент размер матрицы КЭ в базисе доступных на рынке интегральных микросхем, сочетающих в себе СнК и ПЛИС технологии, составляет порядка 8600 КЭ. Такого размера матрицы КЭ можно достичь при использовании микросхемы XC7Z100.
5. Результаты функционального моделирования разработанных синтезируемых описаний проблемно-ориентированных элементов бортовой подсистемы автономной навигации позволяют сделать выводы о быстродействии аппаратной реализации алгоритмов планирования траектории, реализованных в базисе бионического метода адаптивного управления. В соответствии с полученными результатами, время решения задачи планирования траектории на каждом шаге не превышает 5 мкс при частоте работы устройства 100 МГц, что существенно превосходит по быстродействию результаты программной реализации выбранных алгоритмов планирования локальных траекторий для процессора общего назначения, работающего на частоте порядка 1.7
