Luận án tiến sĩ: Tối ưu quỹ đạo chuyển động cho robot tự hành trong nhà, kể cả tương tác với con người
"Luận án tiến sĩ giới thiệu thuật toán tối ưu hóa quỹ đạo robot tự hành trong nhà, đảm bảo an toàn và hiệu quả khi tương tác với con người."
Luan An
Luận án tiến sĩ
Năm xuất bản
Số trang
142
Thời gian đọc
22 phút
Lượt xem
1
Lượt tải
0
Phí lưu trữ
40 Point
Tổng quan nhanh
- Chủ đề:
- 1. Tổng quan lập kế hoạch chuyển động robot tự hành
- Số trang:
- 142 trang
- Trường:
- Học viện Kỹ thuật Quân sự
- Chuyên ngành:
- Tự động hóa
- Tác giả:
- Hoàng Văn Bảy
- Năm:
- 2023
Tóm tắt nội dung luận án
I. Tổng quan lập kế hoạch chuyển động robot tự hành
Hệ thống robot tự hành trong nhà đòi hỏi khả năng di chuyển linh hoạt. Quá trình lập kế hoạch chuyển động robot đóng vai trò hạt nhân. Thiết bị phải tự chủ thu thập dữ liệu từ cảm biến. Bản đồ môi trường được xây dựng liên tục theo thời gian thực. Hệ thống nhận diện chướng ngại vật tĩnh và vật cản di động. Mục tiêu cốt lõi là tìm ra đường đi tối ưu về khoảng cách và năng lượng. Quỹ đạo chuyển động cần bảo đảm tính trơn tru và khả thi động học. Nghiên cứu tập trung vào bài toán điều khiển trong không gian hẹp. Môi trường trong nhà có sự xuất hiện thường xuyên của con người. Điều này tạo ra nhiều thách thức cho việc tối ưu hóa quỹ đạo. Toàn bộ cấu trúc phần mềm được chuẩn hóa để xử lý dữ liệu nhanh chóng.
1.1. Kiến trúc hệ thống điều khiển robot tự hành trong nhà
Kiến trúc điều khiển bao gồm các khối chức năng độc lập. Khối thu thập dữ liệu tiếp nhận tín hiệu từ cảm biến LiDAR và camera. Khối định vị xác định tọa độ chính xác của robot trên bản đồ. Khối lập kế hoạch đường đi phân tích không gian khả dụng. Khối chấp hành gửi lệnh vận tốc đến động cơ bánh xe. Hệ thống vận hành theo vòng lặp thời gian thực với độ trễ thấp. Mọi module giao tiếp qua nền tảng hệ điều hành robot chuyên dụng. Cấu trúc này giúp phân tách rõ ràng nhiệm vụ tính toán. Robot phản ứng kịp thời trước các thay đổi bất ngờ của môi trường. Sự ổn định của kiến trúc là tiền đề cho điều hướng an toàn.
1.2. Kỹ thuật định vị và xây dựng bản đồ môi trường di chuyển
Định vị đồng thời và xây dựng bản đồ là nền tảng cốt lõi. Robot sử dụng thuật toán quét laser 2D kết hợp đám mây điểm. Dữ liệu cảm biến giúp cập nhật vị trí tức thời của thiết bị. Bộ lọc Kalman mở rộng hỗ trợ ước lượng trạng thái chuyển động. Bản đồ chiếm chỗ phân định rõ ranh giới khu vực an toàn và vật cản. Thông tin hình học của căn phòng được số hóa với độ phân giải cao. Quá trình định vị khử triệt để sai số tích lũy từ bánh xe vi sai. Khả năng ghi nhớ không gian hỗ trợ robot tái lập lộ trình chính xác. Đây là bước đệm then chốt phục vụ các thuật toán tối ưu cấp cao.
1.3. Thách thức trong lập kế hoạch chuyển động tránh vật cản
Môi trường trong nhà luôn tồn tại nhiều yếu tố biến động khó lường. Vật cản tĩnh gồm tường, bàn ghế và các vách ngăn cố định. Vật cản động xuất hiện ngẫu nhiên với vận tốc thay đổi liên tục. Sự hiện diện của con người tạo nên tính bất định rất lớn. Các giải thuật truyền thống dễ rơi vào điểm cực tiểu cục bộ. Robot có nguy cơ bị đóng băng hoặc dừng đột ngột giữa lối đi. Hiện tượng rung lắc quỹ đạo gây mất an toàn cho người xung quanh. Do đó, thuật toán lập kế hoạch chuyển động robot cần cơ chế thích ứng cao. Việc cân bằng giữa tốc độ tính toán và độ an toàn là bài toán then chốt.
II. Tối ưu hóa quỹ đạo khi tương tác người robot tự hành
Tương tác người - robot đặt ra tiêu chuẩn khắt khe về mặt xã hội. Robot không chỉ đơn thuần tránh va chạm vật lý. Thiết bị cần thấu hiểu các quy tắc không gian riêng tư của con người. Vùng không gian xung quanh mỗi cá nhân mang tính nhạy cảm cao. Chuyển động của robot phải tạo ra cảm giác an tâm và tin cậy. Quá trình tối ưu hóa quỹ đạo kết hợp các ràng buộc hình học và tâm lý. Robot phân tích hướng nhìn, vận tốc và tư thế của người đối diện. Hệ thống chủ động điều chỉnh góc lái và gia tốc hợp lý. Việc tương tác diễn ra tự nhiên như hành vi giữa người với người.
2.1. Không gian tương tác xã hội động và tâm lý con người
Thuyết không gian xã hội chia cự ly quanh con người thành nhiều lớp. Không gian thân mật có bán kính nhỏ nhất và cấm xâm phạm. Không gian cá nhân và không gian xã hội cho phép tương tác có kiểm soát. Khi con người di chuyển, vùng không gian này biến đổi thành hình elip lệch. Trục dài của elip mở rộng về phía trước theo hướng vận tốc đi bộ. Vùng tương tác có tính xã hội động phản ánh chính xác trạng thái tâm lý. Robot tôn trọng vùng cấm sẽ tránh gây hoảng loạn cho người đi bộ. Các thông số hình học của vùng elip thay đổi linh hoạt theo vận tốc thực tế.
2.2. Phương pháp xác định tư thế tiếp cận người an toàn
Nhiệm vụ phục vụ đòi hỏi robot phải tiếp cận người ở khoảng cách gần. Góc tiếp cận đóng vai trò quyết định đến trải nghiệm giao tiếp. Robot tránh tuyệt đối việc tiếp cận từ phía sau lưng con người. Hướng tiếp cận tối ưu nằm trong góc nhìn trực diện của người đối diện. Điểm dừng đích được tính toán dựa trên hướng mặt và khoảng cách an toàn. Vận tốc tiếp cận giảm dần về không một cách êm ái. Robot giữ khoảng cách cố định trong suốt quá trình trao đổi thông tin. Quy trình này bảo đảm sự thoải mái tối đa cho người sử dụng.
2.3. Các chỉ số đánh giá mức độ an toàn và thân thiện HCSI
Hệ thống chỉ số HCSI định lượng mức độ thân thiện của robot. Bộ chỉ số này đánh giá thời gian xâm phạm không gian cá nhân. Mức độ thay đổi gia tốc đột ngột cũng được ghi nhận chi tiết. Chỉ số nhóm xã hội đo lường khả năng tôn trọng nhóm người đang trò chuyện. Robot tự hành hạn chế tối đa hành vi cắt ngang giữa hai người. Khoảng cách an toàn tối thiểu được giám sát liên tục theo thời gian thực. Điểm số tổng hợp phản ánh mức độ văn minh trong điều hướng xã hội. Đây là thước đo tiêu chuẩn để kiểm chứng chất lượng quỹ đạo chuyển động.
III. Thuật toán điều hướng thích ứng xã hội cho robot tự hành
Thuật toán điều hướng thích ứng xã hội giải quyết bài toán tối ưu đa mục tiêu. Phương pháp bóng đàn hồi có trọng số thời gian TEB là nền tảng cốt lõi. Thuật toán chuyển đổi bài toán hình học sang bài toán tối ưu hóa phi tuyến. Các ràng buộc động học của robot hai bánh vi sai được tích hợp đầy đủ. Hệ thống bổ sung chi phí phạt khi robot vi phạm vùng xã hội của con người. Quỹ đạo tối ưu thỏa mãn cả tiêu chí thời gian ngắn nhất và độ an toàn cao nhất. Tần số tính toán cao cho phép cập nhật đường đi liên tục. Robot thích ứng mượt mà với những biến đổi bất ngờ của môi trường xung quanh.
3.1. Cải tiến thuật toán STEB trong điều hướng thích ứng xã hội
Thuật toán STEB bổ sung hàm mục tiêu xã hội vào cấu trúc TEB gốc. Không gian cá nhân hình elip được mô hình hóa thành chướng ngại vật ảo. Robot giữ khoảng cách lớn hơn khi di chuyển cắt mặt người đi bộ. Khi đi cùng chiều, robot tự động chọn làn đường song song phù hợp. Vận tốc di chuyển của robot được giới hạn theo mật độ người xung quanh. Giải thuật giải bài toán tối ưu cục bộ bằng phương pháp bình phương tối thiểu phi tuyến. Quỹ đạo sinh ra có độ uốn lượn tự nhiên và không gây giật cục. Kết quả thử nghiệm cho thấy sự cải thiện rõ rệt về mức độ hài lòng của con người.
3.2. Thuật toán TDTEB xử lý tình huống di chuyển phức tạp
Tình huống giao cắt đối đầu trong hành lang hẹp đòi hỏi thuật toán chuyên biệt. Thuật toán TDTEB bổ sung hàm suy giảm trọng số theo thời gian dự báo. Phương pháp này phân tích tương tác tương hỗ giữa robot và người di chuyển ngược chiều. Hệ thống chủ động nhường đường bằng cách lùi nhẹ hoặc nép sát mép tường. Trọng số chướng ngại vật thay đổi linh hoạt theo khoảng cách va chạm tiềm tàng. Robot không bị bế tắc khi đối mặt với đám đông di chuyển phức tạp. Quỹ đạo mới được tạo ra nhanh chóng mà không làm gián đoạn hành trình tổng thể. Giải thuật nâng cao tính thông minh và khả năng sinh tồn của thiết bị.
3.3. Thuật toán GTEB tối ưu hóa quỹ đạo tiếp cận mục tiêu người
Thuật toán GTEB được thiết kế riêng cho nhiệm vụ tiếp cận đối tượng động. Mục tiêu đích không còn là một điểm tĩnh trên bản đồ tọa độ. Vị trí đích dịch chuyển liên tục theo bước chân của con người. GTEB dự đoán trước điểm đón đầu phù hợp nhất trong không gian. Robot lập kế hoạch tiếp cận với tư thế song song hoặc đối diện trực tiếp. Vận tốc tương đối giữa hai đối tượng tiệm cận dần về giá trị mong muốn. Quỹ đạo chuyển động mượt mà giúp người đi bộ không bị bất ngờ. Thuật toán đáp ứng xuất sắc các kịch bản giao nhận hàng hóa tự động trong nhà.
IV. Tránh va chạm động và dự đoán quỹ đạo người đi bộ
Khả năng tránh va chạm động quyết định sự thành công của robot tự hành. Người đi bộ di chuyển với quỹ đạo phi tuyến và mục đích đa dạng. Robot cần nắm bắt xu hướng di chuyển trước khi đưa ra quyết định lái. Việc kết hợp dữ liệu lịch sử và mô hình vật lý mang lại độ chính xác cao. Hệ thống phân tích tốc độ bước đi, hướng xoay thân và gia tốc tức thời. Các thuật toán dự báo hỗ trợ robot nhìn trước rủi ro trong vài giây tới. Khoảng thời gian vàng này đủ để lập lại kế hoạch chuyển động tối ưu. Nhờ đó, robot luôn giữ thế chủ động và ngăn chặn hoàn toàn nguy cơ va chạm.
4.1. Kỹ thuật tránh va chạm động dựa trên bộ lọc Kalman
Bộ lọc Kalman mở rộng đóng vai trò ước lượng trạng thái chuyển động của người. Cảm biến laser cung cấp vị trí tâm người theo từng chu kỳ lấy mẫu. Bộ lọc khử nhiễu đo lường và tính toán vectơ vận tốc thực tế. Dựa trên mô hình chuyển động vận tốc không đổi, vị trí tương lai được dự đoán. Không gian bất định của người được biểu diễn bằng ma trận hiệp phương sai. Robot sử dụng vùng bao xác suất này để thiết lập biên an toàn động. Khi độ lệch chuẩn tăng cao, khoảng cách phòng ngừa tự động nới rộng. Phương pháp bảo đảm độ tin cậy vượt trội trong môi trường nhiều nhiễu.
4.2. Dự đoán quỹ đạo người đi bộ bằng mô hình lực xã hội
Mô hình lực xã hội giải thích hành vi con người thông qua các lực tương tác ảo. Lực hấp dẫn kéo con người tiến về phía mục tiêu mong muốn. Lực đẩy xuất hiện khi con người đến gần chướng ngại vật hoặc người khác. Tương tác giữa robot và người cũng sinh ra một lực đẩy tâm lý tương ứng. Bằng cách giải hệ phương trình vi phân lực, quỹ đạo di chuyển tự nhiên được mô phỏng. Robot dự đoán chính xác hướng rẽ của người đi bộ tại các nút giao cắt. Đường đi dự báo có độ tương đồng cao với hành vi thực tế của con người. Điều này giúp hệ thống đưa ra quyết định né tránh mềm mại và hợp lý.
4.3. Ứng dụng điều khiển dự báo mô hình MPC và học tăng cường
Điều khiển dự báo mô hình MPC giải bài toán tối ưu trên cửa sổ thời gian trượt. MPC kết hợp hoàn hảo các ràng buộc giới hạn góc quay và gia tốc bánh xe. Song song đó, học tăng cường sâu cho robot mở ra hướng tiếp cận tự học thông minh. Mạng nơ-ron sâu tiếp nhận dữ liệu không gian và xuất trực tiếp lệnh điều khiển. Tác tử tự tích lũy kinh nghiệm né tránh qua hàng triệu kịch bản tương tác ảo. Sự kết hợp giữa MPC và học tăng cường tối ưu hóa cả tính chính xác lẫn tốc độ đáp ứng. Robot làm chủ các tình huống giao thông đông đúc và phức tạp nhất.
V. Đánh giá thực nghiệm giải thuật tối ưu hóa quỹ đạo
Quá trình kiểm chứng thực nghiệm khẳng định tính đúng đắn của các giải thuật. Nghiên cứu tiến hành mô phỏng chi tiết trước khi triển khai trên phần cứng thật. Các kịch bản thử nghiệm bao gồm đối đầu trực diện, đi cắt mặt và tiếp cận người. Dữ liệu vận hành được ghi nhận để so sánh định lượng giữa các phương pháp. Các chỉ số về độ dài đường đi, thời gian di chuyển và mức độ an toàn được phân tích. Kết quả chứng minh tính vượt trội của các thuật toán đề xuất so với TEB cổ điển. Robot vận hành ổn định, không xảy ra hiện tượng xung đột hay đóng băng hệ thống.
5.1. Môi trường mô phỏng Gazebo trên nền tảng hệ điều hành ROS
Môi trường Gazebo tái hiện chính xác các quy luật vật lý và động lực học. Bản đồ mô phỏng phản ánh đúng không gian văn phòng thực tế với đồ đạc đa dạng. Mô hình con người di chuyển được lập trình theo các kịch bản hành vi xã hội. Hệ điều hành robot ROS quản lý luồng dữ liệu giữa các node thuật toán. Tốc độ mô phỏng đạt thời gian thực với tần số lấy mẫu cảm biến 20 Hz. Các thuật toán STEB, TDTEB và GTEB được kiểm thử toàn diện qua hàng trăm lượt chạy. Mọi tham số tối ưu hóa được tinh chỉnh chuẩn xác trước khi nạp vào phần cứng.
5.2. Thử nghiệm trên mô hình robot hai bánh vi sai thực tế
Mô hình robot hai bánh vi sai thực tế được trang bị cảm biến LiDAR 360 độ và máy tính nhúng. Bộ điều khiển cấp thấp nhận lệnh vận tốc góc và vận tốc dài từ ROS Navigation. Trong kịch bản thực nghiệm, người tình nguyện di chuyển với nhiều vận tốc và hướng đi khác nhau. Robot nhận diện đối tượng tức thời và kích hoạt thuật toán tối ưu hóa quỹ đạo tương ứng. Quá trình bám quỹ đạo diễn ra êm mượt, sai số vị trí luôn nằm trong ngưỡng cho phép. Không xảy ra va chạm vật lý hay vi phạm không gian an toàn trong suốt quá trình thử nghiệm.
5.3. Hiệu quả thuật toán và định hướng phát triển trong tương lai
Các thuật toán đề xuất nâng cao đáng kể độ an toàn và sự thân thiện khi tương tác. Thời gian tính toán trung bình của mỗi chu kỳ tối ưu giảm xuống dưới 50 mili giây. Robot thích ứng tốt với mật độ người đi bộ từ thấp đến trung bình trong nhà. Hướng nghiên cứu tương lai tập trung vào việc mở rộng không gian 3D phức tạp. Việc tích hợp học tăng cường sâu sẽ tăng cường khả năng tự thích nghi với đám đông lớn. Hệ thống hứa hẹn ứng dụng rộng rãi trên các dòng robot dịch vụ, y tế và hướng dẫn viên.
Mục lục chi tiết luận án
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (142 trang)Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộBỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG HỌC VIỆN KỸ THUẬT QUÂN SỰ HOÀNG VĂN BẢY NGHIÊN CỨU PHÁT TRIỂN THUẬT TOÁN TỐI ƯU HÓA TÍNH TOÁN QUỸ ĐẠO CHUYỂN ĐỘNG CHO ROBOT TỰ HÀNH TRONG NHÀ CÓ KỂ ĐẾN TƯƠNG TÁC VỚI CON NGƯỜI LUẬN ÁN TIẾN SĨ KỸ THUẬT HÀ NỘI - 2023 BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG HỌC VIỆN KỸ THUẬT QUÂN SỰ HOÀNG VĂN BẢY NGHIÊN CỨU PHÁT TRIỂN THUẬT TOÁN TỐI ƯU HÓA TÍNH TOÁN QUỸ ĐẠO CHUYỂN ĐỘNG CHO ROBOT TỰ HÀNH TRONG NHÀ CÓ KỂ ĐẾN TƯƠNG TÁC VỚI CON NGƯỜI LUẬN ÁN TIẾN SĨ KỸ THUẬT Chuyên ngành: TỰ ĐỘNG HÓA Mã số: 9 52 02 16 NGƯỜI HƯỚNG DẪN KHOA HỌC: 1. TS ĐỖ ĐÌNH NGHĨA 2. TS TRƯƠNG XUÂN TÙNG HÀ NỘI - 2023 LỜI CAM ĐOAN Tôi xin cam đoan luận án là công trình nghiên cứu của tôi. Các số liệu, kết quả trình bày trong luận án là hoàn toàn trung thực và chưa được công bố trong bất kỳ công trình nào trước đây.
Các kết quả sử dụng tham khảo đều đã được trích dẫn đầy đủ và theo đúng quy định. Hà Nội, ngày 8 tháng 12 năm 2023 Tác giả LỜI CẢM ƠN Trong quá trình nghiên cứu và hoàn thành luận án, nghiên cứu sinh đã nhận được sự giúp đỡ của nhiều người. Đầu tiên tôi xin gửi lời cảm ơn sâu sắc đến Thầy giáo hướng dẫn PGS. TS Trương Xuân Tùng và TS Đỗ Đình Nghĩa.
Thầy không chỉ là người hướng dẫn, giúp đỡ nghiên cứu sinh hoàn thành luận án này mà còn là người định hướng, truyền thụ động lực và ý chí quyết tâm trong quá trình nghiên cứu đầy gian khổ. Tôi cũng chân thành cảm ơn các Thầy giáo, Cô giáo trong Bộ môn Tự động và kỹ thuật tính, Khoa Kỹ thuật điều khiển, Học viện Kỹ thuật quân sự, nơi nghiên cứu sinh làm việc, đã tận tình hướng dẫn chỉ bảo trong thời gian nghiên cứu sinh nghiên cứu tại đây. Tiếp theo, tôi xin chân thành cảm ơn các đồng nghiệp nghiên cứu sinh, nhóm nghiên cứu của thầy Trương Xuân Tùng, Phòng Sau đại học - Học viện Kỹ thuật quân sự, Trường Học viện Phòng không không quân đã giúp đỡ nghiên cứu sinh hoàn thành luận án này. Cuối cùng, xin gửi lời cảm ơn sâu sắc tới gia đình, bạn bè và đồng nghiệp đã luôn động viên, chia sẻ những khó khăn của cuộc sống, gia đình và xã hội, giúp nghiên cứu sinh đạt được những kết quả như hôm nay.
Mục lục MỤC LỤC. i DANH MỤC CÁC TỪ VIẾT TẮT. iv DANH MỤC HÌNH VẼ. vi DANH MỤC BẢNG.
x DANH MỤC KÝ HIỆU TOÁN HỌC. xi MỞ ĐẦU. TỔNG QUAN VỀ TÍNH TOÁN QUỸ ĐẠO CHO ROBOT TỰ HÀNH. Giới thiệu chung về robot tự hành.
Hệ thống điều khiển robot tự hành. Thu thập và xử lý thông tin. Định vị và xây dựng bản đồ. Lập kế hoạch đường đi tránh vật cản.
Điều khiển chuyển động. Cơ sở lý thuyết thiết yếu phục vụ tính toán quỹ đạo cho robot tự hành tương tác với người. Hệ quy chiếu cho robot. Thu thập và nhận biết thông tin về hành vi của con người trong xã hội.
Vùng tương tác có tính xã hội động. Xác định tư thế khi robot tiếp cận người. Tính toán quỹ đạo chuyển động cho robot tự hành sử dụng thuật toán TEB. Các chỉ số đánh giá mức độ an toàn và thân thiện khi robot tự hành gần người.
Tình hình nghiên cứu trong và ngoài nước. Tình hình nghiên cứu ngoài nước. Tình hình nghiên cứu trong nước. Kết luận chương 1.
THIẾT KẾ QUỸ ĐẠO CHUYỂN ĐỘNG CHO ROBOT TỰ HÀNH TRÁNH NGƯỜI VÀ TIẾP CẬN NGƯỜI TRONG MÔI TRƯỜNG ĐỘNG. Mô tả bài toán. Đề xuất thuật toán STEB. Xây dựng thuật toán STEB.
Tích hợp thuật toán STEB vào hệ thống điều khiển robot. Đề xuất thuật toán TDTEB. Xây dựng thuật toán TDTEB. Tích hợp thuật toán TDTEB vào hệ thống điều khiển robot.
Đề xuất thuật toán GTEB. Xây dựng thuật toán GTEB. Tích hợp thuật toán GTEB vào hệ thống điều khiển robot. Kết luận chương 2.
MÔ PHỎNG VÀ THỰC NGHIỆM KIỂM CHỨNG CÁC THUẬT TOÁN. Chuẩn bị mô phỏng và thực nghiệm. Công cụ phần mềm. Xây dựng robot hai bánh vi sai.
Kịch bản mô phỏng và thực nghiệm. Các kết quả mô phỏng. Mô phỏng robot tránh người sử dụng thuật toán STEB. Mô phỏng một số tình huống đặc biệt robot tránh người sử dụng thuật toán TDTEB.
Mô phỏng robot tiếp cận người sử dụng thuật toán GTEB. Các kết quả thực nghiệm. Thực nghiệm robot tránh người sử dụng thuật toán STEB. Thực nghiệm robot tiếp cận người sử dụng thuật toán GTEB 88 3.
Kết luận chương 3. 91 KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU TƯƠNG LAI. 93 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ. 108 iii DANH MỤC CÁC TỪ VIẾT TẮT Từ viết tắt Nghĩa Tiếng Anh Nghĩa Tiếng Việt AUV Autonomous Underwater Phương tiện tự lái dưới Vehicle nước DFS Depth First Search Tìm kiếm theo độ sâu DSZ Dynamic Social Zone Vùng tương tác có tính xã hội động DWA Dynamic Window Ap- Tiếp cận cửa sổ động proach EB Elastic Band Thuật toán tối ưu quỹ đạo theo bóng đàn hồi EKF External Kalman Filter Bộ lọc Kalman mở rộng GPS Global Position System Hệ thống định vị toàn cầu GTEB Goal Timed Elastic Band Thuật toán tối ưu quỹ đạo theo thời gian có chọn điểm tiếp cận HCSI Human Comfortable Các chỉ số đánh giá mức Safety Indices độ an toàn thân thiện khi robot gần người KF Kalman Filter Bộ lọc Kalman iv LMR Legged Mobile Robot Robot di động có chân PCL Point Cloud Library Thư viện đám mây điểm ROS Robot operating system Hệ điều hành robot SGI Social group index Chỉ số đánh giá mức độ an toàn thân thiện khi robot gần nhóm người SII Social individual index Chỉ số đánh giá mức độ an toàn thân thiện khi robot gần một người STEB Social Timed Elastic Band Thuật toán tối ưu quỹ đạo theo thời gian có đưa vào các ràng buộc mang tính xã hội TDTEB Time-Dependent Timed Thuật toán tối ưu quỹ đạo Elastic Band theo thời gian có dự đoán va chạm với người TEB Timed Elastic Band Thuật toán tối ưu quỹ đạo theo thời gian UAV Unmanned Aerial Vehicle Phương tiện bay không người lái VO Velocity Obstacle Vận tốc vật cản WMR Wheeled Mobile Robot Robot di động có bánh xe SCM Social Cost Maps Bản đồ chi phí xã hội v DANH MỤC HÌNH VẼ 1.1 Sơ đồ khối hệ thống điều khiển robot tự hành.2 Minh họa thu thập thông tin bằng cảm biến Kinect và laser Rplidar.3 Mô tả thuật toán A*.4 Hệ quy chiếu toàn cục Xg Og Yg và hệ quy chiếu cục bộ trên robot Xr Or Yr .5 Sơ đồ quá trình lấy các hành vi trong xã hội của người.6 Không gian cá nhân của người [30].7 Mối quan hệ trạng thái của người và tư thế robot [28].8 Minh họa vùng DSZ theo phân bố Gaussian 2D: (a) Ảnh chụp ba người đang đứng, (b) Biểu đồ hình chiếu đứng phân bố Gaussian 2D với người p1 và nhóm hai người p2 , p3 , (c) Biểu đồ hình chiếu ngang phân bố Gaussian 2D với người p1 và nhóm hai người p2 , p3 .9 Minh họa vùng tiếp cận và tư thế tiếp cận người: (a) Vùng tiếp cận và tư thế tiếp cận một người, (b) Vùng tiếp cận và tư thế tiếp cận nhóm ba người.10 Mô tả ba tư thế liên tiếp của robot trong bản đồ toàn cục.11 Giải thích về mặt hình học ràng buộc động học non-holonomic.12 Đồ thị đường đi khi xem xét cặp điểm hai bên vật cản.13 Mô tả ba đường đồ thị cùng lớp tương đồng: đường số 1 (ss - v2 - sg ), đường số 2 (ss - v2 - v3 - sg ), đường số 3 (ss - v3 - sg ).14 Quỹ đạo tạo ra từ thuật toán TEB [18] bị mắc kẹt vào quỹ đạo tối ưu cục bộ khi có người đi cắt ngang.15 Thuật toán TEB được tối ưu song song.16 Quỹ đạo chuyển động cho robot theo thuật toán TEB được tối ưu song song tránh bốn vật cản: (a) Các đường đồ thị được tạo ra khi xem xét cặp điểm hai bên vật cản, (b) Tập quỹ đạo tối ưu cho robot.17 Biểu đồ thể hiện chỉ số đánh giá cho cá nhân với độ lệch chuẩn bằng 0.45 và chỉ số đánh giá cho nhóm người với độ lệch chuẩn bằng 0.1 Minh họa bài toán 1: (a) Robot vượt một người đi cùng chiều phía bên trái, (b) Robot tránh hai người đi ngược chiều phía bên phải.2 Minh họa bài toán 2: (a) Robot tránh người khi đi qua cửa hẹp, (b) Robot tránh người khi qua điểm giao cắt, (c) Robot tránh khi có người đi cắt ngang hướng di chuyển.3 Minh họa bài toán 3: (a) Ảnh chụp tình huống, (b) Mô tả tư thế người, tư thế robot và tư thế tiếp cận.4 Sơ đồ khối thực hiện thuật toán STEB.5 Mô tả cách tính ∆V(B∗p ): (a) Robot vượt bên trái một người đang đi cùng chiều, (b) Robot tránh bên phải một nhóm hai người đang đi ngược chiều.6 Sơ đồ khối hệ thống điều khiển robot khi tích hợp thuật toán STEB.7 Minh họa tính đích phụ khi robot qua khu vực giao cắt hoặc có người đi cắt ngang hướng di chuyển robot.8 Sơ đồ khối hệ thống điều khiển robot khi tích hợp thuật toán TDTEB.9 Sơ đồ khối thực hiện thuật toán GTEB.10 Sơ đồ khối hệ thống điều khiển robot khi tích hợp thuật toán GTEB.1 Ảnh chụp cơ cấu chuyển động của robot thực nghiệm.2 Sơ đồ khối phần cứng robot.3 Robot hai bánh vi sai: (a) Ảnh chụp robot đã được chế tạo, (b) Mô hình robot trên phần mềm Rviz.4 Thu thập thông tin bằng cảm biến: (a) Thông tin vị trí thu được từ laser, (b) Phát hiện người sử dụng ảnh RGB-D từ cảm biến Kinect [70].5 Minh họa tình huống 1: (a) Quỹ đạo STEB khi robot vượt một người đi cùng chiều, (b) Quỹ đạo STEB khi robot tránh một người đi ngược chiều.6 Minh họa tình huống 2: robot cần tránh người khi qua cửa hẹp.7 Minh họa tình huống 3: quỹ đạo GTEB khi robot cần tiếp cận một nhóm người đang đứng.8 Minh họa tình huống 4: quỹ đạo GTEB khi robot cần tiếp cận một người đang đi.9 Mô phỏng robot vượt và tránh một người sử dụng thuật toán STEB.10 Mô phỏng robot vượt và tránh một nhóm hai người sử dụng thuật toán STEB.11 Mô phỏng robot tránh người khi sử dụng thuật toán TDTEB: (a) (d) Robot và người cùng qua cửa hẹp, (g) (j) Robot và người cùng qua khu vực giao cắt, (m) (p) Khi có người đi cắt ngang hướng đi của robot.
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Trích dẫn luận án này
Hoàng Văn Bảy (2023). Phát triển thuật toán tối ưu quỹ đạo cho robot tự hành tương tác với người [Luận án tiến sĩ, Học viện Kỹ thuật Quân sự]. LuanAn.net. https://luanan.net/cong-nghe-thong-tin/tri-tue-nhan-tao/phat-trien-thuat-toan-toi-uu-quy-dao-cho-robot-tu-hanh-tuong-tac-voi-nguoi
Câu hỏi thường gặp
Luận án "Phát triển thuật toán tối ưu quỹ đạo cho robot tự hành tương tác với người" nghiên cứu về vấn đề gì?
"Luận án tiến sĩ giới thiệu thuật toán tối ưu hóa quỹ đạo robot tự hành trong nhà, đảm bảo an toàn và hiệu quả khi tương tác với con người."
Luận án "Phát triển thuật toán tối ưu quỹ đạo cho robot tự hành tương tác với người" được bảo vệ tại trường nào?
Luận án này được bảo vệ tại Học viện Kỹ thuật Quân sự. Năm bảo vệ: 2023.
Luận án "Phát triển thuật toán tối ưu quỹ đạo cho robot tự hành tương tác với người" thuộc chuyên ngành gì?
Luận án "Phát triển thuật toán tối ưu quỹ đạo cho robot tự hành tương tác với người" thuộc chuyên ngành Tự động hóa. Danh mục: Trí Tuệ Nhân Tạo.
Luận án "Phát triển thuật toán tối ưu quỹ đạo cho robot tự hành tương tác với người" có bao nhiêu trang?
Luận án "Phát triển thuật toán tối ưu quỹ đạo cho robot tự hành tương tác với người" có 142 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Phát triển thuật toán tối ưu quỹ đạo cho robot tự hành tương tác với người" về máy như thế nào?
Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.