Введение 3
Постановка задачи 5
Обзор литературы 6
Глава 1. Математическая модель 9
1.1. Использованная модель робота манипулятора 10
1.2. использованная модель мобильного робота 12
Глава 2. Среда моделирования 18
2.1. Архитектура 19
2.2. Система технического зрения 22
Глава 3. Среда моделирования 24
3.1. Централизованный способ распределения задач 27
3.2. Децентрализованный способ распределения задач 30
Выводы 35
Заключение 36
Список литературы 37
Приложение А 42
В настоящее время в мире происходит четвёртая промышленная революция. Одним из следствий этого процесса является повсеместное использование роботов в процессах производства. Для эффективной и гибкой работы им требуется постоянное взаимодействие с датчиками, другими роботами и элементами управления различной природы.
Везде, где существует некоторая группа объектов, которые должны совместно выполнять некоторую работу или решать некоторую задачу, возникает проблема группового управления или группового взаимодействия. Как правило, при решении таких задач роботы должны функционировать в неорганизованной или плохо организованной, недетерминированной среде. При групповом использовании роботов различного назначения возникает ряд весьма сложных задач, в первую очередь, связанных с организацией их взаимодействия между собой для наиболее эффективного достижения цели, поставленной перед группой.
В некоторых их этих задач оператор управляет робототехническим комплексом на значительном удалении или решения по выполнению поставленных задач принимаются без участия оператора на основе получаемой информации с доступных датчиков. Большое расстояния и сложная модель коммуникационной сети между оператором и роботом может привести к значительной задержке в передаче сигналов, а также к ограничениям на пропускную способность канала связи.
К одним из самых широко распространенных на производстве способов управления можно отнести создание управляющих программ для роботов в которой задается траектория которую, требуется повторить с заданными заранее задержками или при взаимодействие с синхронизирующим элементом системы.
В этой работе предлагается расширить данный подход с помощью введение иерархии задач которые решает робототехнический комплекс и применение этого метода к задаче передачи детали от группы мобильных роботов группе манипуляторов. Для этой задачи рассмотрено 2 метода группового взаимодействия: централизованный и децентрализованный. При первом варианте требуемое решение по распределению задача по роботам агентам принимается в едином центре с учетом всей имеющейся информации. В альтернативном подходе решение параметров выполнения принимается роботом самостоятельно, в зависимости от данных полученном от связанных с ним датчиков и соседних роботов.
Типичной проблемой в работе крупных информационно-технический систем является разделение группы с потерей связи между частями, это не обязательно должно приводить к остановке технического процесса даже в случае централизованного управления. При децентрализованном управлении также должна быть возможность синхронизации с центром для обновления программного обеспечения или особенностей задач для выполнения. Таким образом система управления должна уметь переходить из централизованного и децентрализованного состояния и обратно.
Постановка задачи
Провести сравнение централизованного и децентрализованного алгоритма группового взаимодействия роботов различных типов в недетерминированной среде. Решение данной задачи требует реализации следующих этапов:
1. Построить математическую модель группового управления роботов различных типов в недетерминированной среде;
2. Подготовить среду моделирования для проведения численных экспериментов;
3. Подготовить централизованный и децентрализованный алгоритм распределения задач для группы роботов;
4. Сравнить подходы на основе численных экспериментов.
В данной работе предложен подход к описанию технического процесса в виде составных задач.
На первом этапе была подготовлена среда для моделирования процессов с учетом получения визуальной обратной связи и ее обработки с помощью ArUco меток из пакета OpenCV, реалистичности моделирования процесса с помощью физического движка bullet.
Следующим этапом был подготовлена система для реализации со-ставных сценариев на основе алгоритмов динамического программирования и проведено его тестирование с использованием ранее созданной системы моделирования.
После этого был предложен переход от централизованного метода распределения задач к децентрализованному и решения задачи планирования в условиях неполной информации, после чего было проведено сравнение этих двух подходов.
В дальнейшем можно рассмотреть другие алгоритмы роевой роботехники, расширять подход составных сценариев для более многоэтапных процессов и большего разнообразия роботов.
[1] Каляев И.А. Самоорганизующиеся распределенные системы управления группами интеллектуальных роботов, построенные на сетевой модели / И.А. Каляев, С.Г. Капустян, А.Р. Гайдук // Управление большими системами: сборник трудов. — С. 605-639. — 2010.
[2] Коллективы интеллектуальных роботов. сферы применения / В.С. Боровик, В.И. Гуцул, С.А. Клестов [и др] - Санкт-Петербург : Scientific &technical translations, 2018. - 138 с. - ISBN 978-5-93629-617-8.
[3] Каляев И.А. Методы и модели коллективного управления в группах роботов. / И.А. Каляев, А.Р. Гайдук, С.Г. Капустян; М.: ФИЗМАТЛИТ, 2009. — 280 с — ISBN: 978-5-9221-1141-6
[4] Каляев И.А. Интеллектуальные роботы / И.А. Каляев, В.М. Лохин, И.М. Макаров и др. // Под общей ред. Е.И. Юревича. - М.: Машиностроение, — 2007. — 360 с.
[5] Pavin A. Reconfigurable distributed software platform for a group of UUVs / A. Pavin, A. Inzartsev. G. Eliseenko // OCEANS 2016 MTS/IEEE Monterey, — Sep. 2016. — doi: 10.1109/OCEANS.2016.7761102
[6] А.В. Инзарцев Обнаружение и обследование локальных донных объектов с помощью группы специализированных автономных подводных роботов / Инзарцев А.В., Павин А.М., Елисеенко Г.Д., Панин М.А. // Известия Южного федерального университета. Технические науки — pp. 40-51. — 2018
[7] Городецкий В. И. Поведенческие модели кибер-физических систем и групповое управление: основные понятия / В.И. Городецкий // Известия Южного федерального университета. Технические науки. — С. 144-162. — 2019.
[8] Savkin A.V. Decentralised coordination of groups of autonomous mobile robots / A.V. Savkin // International Journal of Systems Control and Communications — c. 72-81 — 2008 — doi:10.1504/IJSCC.2008.019584
[9] Zhiqiang C. Cooperative Hunting by Distributed Mobile Robots Based on Local Interaction / C. Zhiqiang, T. Min, L. Lei and other // IEEE Transactions on Robotics — vol. 22. — no. 3. — pp. 402-406. — May 2006.
— doi: 10.1109/TRO.2006.862495
[10] Иванов Д. Я. Использование принципов роевого интеллекта для управления целенаправленным поведением массовоприменяемых микророботов в экстремальных условиях / Д. Я. Иванов // Известия высших учебных заведений. Машиностроение. — №9. — С. 70—78. — 2011.
[11] Haghighi R. Multi-group coordination control for robot swarms / R. Haghighi, C.C. Cheah // Automatica — vol. 48. — no. 10. — pp. 2526-2534.
— 2012. — ISSN 0005-1098. — doi: 10.1016/j.automatica.2012.03.028.
[12] Urcola P. Cooperative navigation using environment compliant robot formations / P.Urcola, L. Riazuelo, M.T. L'azaroand, L. Montano // IEEE/RSJ International Conference on Intelligent Robots and Systems — pp. 2789-2794. — Oct. 2008. — doi: 10.1109/IROS.2008.4651107
[13] Zenkevich S. L. Dynamic Switching of Multiagent Formation in Unknown Obstacle Environment / S. L. Zenkevich, A. V. Nazarova and H. Jianwen. // Smart electromechanical systems — Vol. 261 — Pp.73-87 — Jan. 2020 — doi: 10.1007/978-3-030-32710-1_6
[14] Yanhao H. A cooperative optimization strategy for distributed multi¬robot manipulation with obstacle avoidance and internal performance maximization / H. Yanhao, W. Min and L. Steven // Mechatronics — vol. 76. — 2021. — doi: 10.1016/J.MECHATRONICS.2021.102560
[15] Chia-Feng J. Evolutionary-Group-Based Particle-Swarm-Optimized Fuzzy Controller With Application to Mobile-Robot Navigation in Unknown Environments / J. Chia-Feng, C. Yu-Cheng // IEEE Transactions on Fuzzy Systems — vol. 5. — c. 379-392. — 2011. — doi: 10.1109/TFUZZ.2011.2104364
[16] Jalali S. M. J. Autonomous Robot Navigation System Using the Evolutionary Multi-Verse optimizer Algorithm / S. M. J. Jalali1, A. Khosravi, P. M. Kebria and others // 2019 IEEE International Conference on Systems, Man and Cybernetics (SMC) — c. 1221-1226 — 2019 — doi: 10.1109/SMC.2019.8914399
[17] Ateunkeng J. G. Robust adaptive controller design for a robot manipulator / J. G. Ateunkeng and A. Boum // International Journal of Control and Automation. — vol. 13. — no. 4. — pp. 11-26. — Apr. 2020. — doi: 10.33832/ijca.2020.13.4.02.
[18] Towards minimum-information adaptive controllers for robot manipulators / T. Marcucci, C. D. Santina, M. Gabiccini, A. Bicchi // 2017 Amer. Control Conf. IEEE — pp. 4209-4214 — Jul. 2017 — doi: 10.23919/ACC.2017.7963602
[19] Aldana C. I. Task Space Consensus of Heterogeneous Robots With Time-Delays and Without Velocity Measurements / C. I. Aldana, L. Tabarez, E. Nuno and E. Cruz-Zavala // IEEE Control Systems Letters. — vol. 5. — no. 5. — pp. 1525-1530. — Nov. 2021. — doi: 10.1109/LCSYS.2020.3041313
[20] Samuel R. B. Selectively Damped Least Squaresfor Inverse Kinematics / Samuel R. B. and Jin-Su K. // Journal of Graphics GPU and Game Tools — vol. 10. — no. 3. — pp. 37-49. — Jan. 2005. — doi: 10.1080/2151237X.2005.10129202.
[21] Adaptive On Algorithms for Planning S-Curve Motion Profiles / K. Nguyen, T. C. Ng, I. Chen // International Journal of Advanced Robotic Systems. — March 2008. — doi: 10.5772/5652.
[22] Modern Robotics: Mechanics, Planning, and Control / K. M. Lynch and F. C. Park // Cambridge University Press, 2017 — ISBN 9781107156302
[23] Нефедов Г. А. Стабилизация движения двухколесного робота с дифференциальным приводом по заданному пути / Г. А. Нефедов // Машиностроение и компьютерные технологии — Vol. 412. — P. 131-140. — 2013. — doi: 10.7463/0413.0547786
[24] Chitta S. ros_control: A generic and simple control framework for ROS. / S. Chitta, E. Marder-Eppstein, W. Meeussen and others // The Journal of Open Source Software. — 2017. — doi: 2.456.10.21105/joss.00456
[25] Degroot O. Scenario-Based Trajectory Optimization in Uncertain Dynamic Environments. / O. Degroot, B. Brito, L. Ferranti and others // IEEE Robotics and Automation Letters. — PP. 1-1. — 2021. — doi: 10.1109/LRA.2021.3074866
[26] Trumic, M. Adaptive Control of Soft Robots Based on an Enhanced 3D Augmented Rigid Robot Matching / M. Trumic, C. D. Santina, K. Jovanovic and A. Fagiolini // IEEE Control Systems Letters. — vol. 5. — no. 6. — pp. 1934-1939. — Dec. 2021. — doi: 10.1109/LCSYS.2020.3047737.
[27] Coumans E.,Bai Y, PyBullet, a Python module for physics simulation for games, robotics and machine learning - 2016-2021 - URL: http://pybullet.org(дата обращения: 10.06.2021)
[28] Система симуляции роботов — 2022 — URL:
https://github.com/danila19991/robot-simulation(дата обращения: 02.06.2022)
[29] Kam, H. An Improvement on ArUco Marker for Pose Tracking Using Kalman Filter. / H. Kam, Y. Yu, K. Wong // Proceedings of the 2018 19th IEEE/ACIS International Conference on Software Engineering, Artificial Intelligence, Networking and Parallel/Distributed Computing (SNPD) — pp. 65-69 — June 2018. — doi: 10.1109/SNPD.2018.8441049
[30] Кононов, А. В. Актуальные задачи теории расписаний: вычислительная сложность и приближенные алгоритмы : автореф. дис. ... д-ра физ¬мат наук: 01.01.09 / Кононов Александр Вениаминович; Новосибирск, 2018. - 196 с.
[31] Sevastyanov S. V. Tight complexity analysis of the relocation problem with arbitrary release dates / S. V. Sevastyanov, Lin B. M. T., H. L. Huang // Theoretical Computer Science — Vol. 412. — P. 4536-4544. — 2011. — doi: 10.1016/j.tcs.2011.04.034
[32] Xuan L. Kinematic calibration of a 5-axis parallel machining robot based on dimensionless error mapping matrix / L. Xuan, X. Fugui, L. Xin-Jun, X. Zenghui // Robotics and Computer-Integrated Manufacturing. — Vo 70. — 2021. — DOI 10.1016/j.rcim.2021.102115, ISSN 0736-5845