• EN RU

ЛАРС



Разработка подхода к выбору оптимальных формаций модульных робототехнических систем исходя из геометрических характеристик внешнего окружения

Номер:
20-08-01109 А
Руководитель:
Савельев Антон Игоревич
Сроки:
январь 2020 - декабрь 2022
Источник финансирования:
РФФИ

Аннотация:

Одним из наиболее перспективных направлений в современной робототехнике является разработка многофункциональных модульных робототехнических систем (РС), способных самостоятельно осуществлять реконфигурацию в зависимости от текущей задачи. Актуальным представляется вопрос разработки алгоритмов адаптивной реконфигурации модульных систем в ответ на изменение внешнего окружения, в частности, на изменение рельефа. Изменчивость окружения мобильных РС ставит перед исследователями задачи классификации сложных поверхностей, по которым перемещается РС. Подробное исследование данного вопроса позволит расширить потенциал применения и функциональность модульных робототехнических систем.

В рамках проекта предполагается разработать методику выбора оптимальных формаций модульных робототехнических систем, исходя из специфики внешнего окружения. Данная методика будет включать в себя несколько основных фаз, к которым относится:

1. Выявление результирующего набора наиболее эффективных формаций модульной робототехнической системы по различным наборам критериев;

2. Накопление статистики о качественных показателях механического движения данных формаций в различных условиях внешнего окружения;

3. Формирование решающих правил, алгоритмов и методов, позволяющих определять оптимальные формации системы для движения в тех или иных условиях внешнего окружения.

На основе машинного обучения будут разработаны методы для решения задач кинематики модульных РС в различных формациях, а также симуляционная модель для анализа характеристик механического движения формаций модульных РС в различающихся условиях внешнего окружения.

Полученные за отчетный период результаты:

В ходе первого этапа проекта в 2020 году был проведен анализ современных методов и подходов к решению задач кинематики и динамики модульных РС, по результатам которого был сделан вывод о перспективности применения методов машинного обучения и, в частности, методов, основанных на парадигме обучения с подкреплением, для решения задач кинематики и динамики модульных РС. В рамках выполнения проекта также был проведен анализ существующих типов формаций модульных РС. Выявлены основные преимущества и недостатки существующих типов формаций модульных РС с точки зрения эффективности их механического движения по сложным поверхностям, а также определены предпочтительные сферы применения для каждого из рассмотренных типов формаций.

В рамках выполнения проекта была предложена классификация сложных поверхностей, представляющих отдельные участки рельефа помещений, на основе их геометрических характеристик. Разработанная классификация сложных поверхностей имеет высокий уровень обобщения, что позволяет унифицировать описание различных типов сложных поверхностей, таких как: лестницы, труднопроходимые участки местности, поверхности предполагаемого движения РС со значительным количеством препятствий и др. При этом предложенная классификация позволяет унифицировать признаковое описание сложных поверхностей с сохранением в каждом конкретном случае данных о специфических особенностях исследуемой поверхности.

В рамках выполнения работ над проектом также была сформирована методика выбора оптимальных формаций модульных РС исходя из специфики внешнего окружения. Посредством предложенной методики могут быть извлечены пространственные положения точек, принадлежащих исследуемой поверхности, что позволяет однозначно определить классы и иные параметры исследуемой поверхности. Передача полученной информации, а также значений признаков, связанных с требуемыми показателями качества движения РС, в качестве входных данных для предварительно обученной модели выбора оптимальных формаций позволяет реализовать процесс определения оптимальных формаций модульных РС исходя из специфики внешнего окружения.

В рамках выполнения проекта был дополнительно разработан и успешно апробирован подход к сегментации сложных поверхностей по изображениям с использованием средств машинного обучения. Разработанный подход к сегментации сложных поверхностей, основанный на дообучении нейросетевой модели HRNet, позволил существенно повысить качество решения задачи сегментации сложных поверхностей. Данный подход предполагается в дальнейшем использовать для реализации подхода к автоматической классификации и оценке параметров сложных поверхностей на основе данных различных сенсорных устройств.

Результаты проведенных исследований представлены на 2 международных конференциях. Опубликовано 3 научных статьи в изданиях, индексируемых в базах Scopus/WoS и РИНЦ.


В рамках второго года выполнения работ по проекту был проведен анализ современных методов, подходов и алгоритмов управления механическим движением модульных робототехнических систем (РС). В ходе анализа были выделены достоинства и недостатки различных алгоритмов управления движением модульных РС. Так, в основе централизованных таблиц походки лежит принцип разомкнутого управления, не позволяющий компенсировать ошибки регулирования и внешние возмущения. По результатам проведенного анализа наиболее перспективными представляются алгоритмы управления на основе центральных генераторов моделей походки и передвижения. Данные алгоритмы управления позволяют реализовать адаптивное поведение модульной РС в зависимости от типа поверхности передвижения посредством выбора подходящей модели перемещения или реконфигурации РС. Отдельным достоинством данных алгоритмов является возможность представления наборов движений модульных робототехнических систем с помощью простых математических выражений, что положительно сказывается на качестве управления.

В рамках выполнения работ над проектом также был разработан и апробирован подход к классификации и оценке параметров сложных поверхностей по RGB-D изображениям. Предложенный подход, основан на применении предобученной сегментационной нейросетевой модели HRNet, осуществляющей выделение на изображении целевого участка сложной поверхности, и ряде аналитических алгоритмов, реализующих оценку пространственного положения исследуемого участка поверхности. Согласно результатам проведенных экспериментов, предложенное решение позволяет успешно классифицировать различные поверхности по типу угла наклона и по типу перепадов высот, а также осуществлять оценку таких геометрических параметров сложных поверхностей по RGB-D изображениям, как величина угла наклона поверхности к
 горизонтальной плоскости, ориентация аппроксимирующей плоскости поверхности, а также положение краевых точек данной поверхности.

В ходе выполнения проекта были разработаны алгоритмы, позволяющие формировать модели искусственных нейронных сетей, направленных на решение обратной задачи кинематики (ОЗК) различных формаций модульных РС. Анализ результатов проведенных экспериментов показал, что предложенное решение позволяет достичь высокой точности решения ОЗК у различных формаций РС с отличающимися кинематическими структурами. Преимуществом предложенного решения является возможность автоматической генерации обучающих выборок на основе кинематической структуры формации РС и ее дочерних подструктур, что позволяет получить модели искусственных нейронных сетей, направленные на решение обратной задачи кинематики для целой группы формаций модульных робототехнических систем.

В рамках выполнения работ над проектом также были разработаны алгоритмы автоматической генерации элементов внешнего окружения (сложных поверхностей) с заданными параметрами. Данные алгоритмы обеспечивают генерацию таких типов поверхностей, как горизонтальные плоские поверхности, плоские поверхности с произвольным наклоном, дугообразные поверхности, а также прямые лестницы в соответствии с заданными пользователем параметрами. Предложенные алгоритмы в дальнейшем будут использованы при анализе качественных характеристик механического движения модульных РС по различным типам сложных поверхностей в средах виртуального моделирования.
Кроме того, в ходе выполнения проекта был разработан метод оценки оптимальности характеристик механического движения формаций модульных РС по различным участкам рельефа помещений, представленных сложными поверхностями. Предложенный метод на основе таких параметров, как степень отклонения РС от расчетной траектории движения, степень отклонения скорости движения РС от целевого значения в процессе движения, степень равномерности движения РС, а также общее время движения РС по траектории позволяет осуществлять оценку оптимальности механического движения модульной РС в заданной формации.

Результаты проведенных исследований представлены на 1 международной конференции. Опубликовано 2 научных статьи в изданиях, индексируемых в базах Scopus/WoS и РИНЦ.