Autonominė roboto navigacija taikant daugiakriterinius sprendimų priėmimo metodus

Abstract

Paieškos ir gelbėjimo (SAR) misijos nelaimės zonose yra sudėtingos operacijos, kurių metu pagrindinė gelbėtojų užduotimi tampa per tam tikrą laiko tarpą aptikti ir padėti kaip įmanoma daugiau nukentėjusiųjų. Viena aktualių mokslinių tyrimų sritis šiame kontekste yra žmogaus ir roboto bendradarbiavimas, nes autonominių robotų naudojimas SAR operacijose gali padėti gelbėjimo komandoms surinkti nežinomos aplinkos informaciją, nerizikuojant žmonių gyvybėmis ar sveikata. Šiuo atveju, itin svarbus reikalavimas, taikomas autonominiam robotui, yra gebėjimas efektyviai ištyrinėti nežinomas ir, galimai, pavojingas aplinkas. Šiuo metu nežinomos aplinkos tyrinėjimo uždaviniui spręsti dažnai yra taikoma roboto nukreipimo į regionus tarp žinomos ir nežinomos erdvės (angl. Frontiers) strategija. Tačiau sprendimas, kur robotas turėtų judėti toliau, kai tyrinėjamoje erdvėje yra keletas galimų kandidatų, yra sudėtingas, nes dažnu atveju robotas privalo priimti tik pusiau optimalius sprendimus dėl nepakankamų ar nepatikimų sprendimui priimti reikalingų įvesties duomenų. Be to, netikslus roboto judėjimas ir netobuli sensoriai sukuria situacijas, kai įvesties parametrai nėra tikslūs, tad į šią problemą turėtų būti atsižvelgta kuriant autonomines nežinomos aplinkos tyrinėjimo strategijas. Disertaciją sudaro įvadas, trys pagrindiniai skyriai, bendrosios išvados ir literatūros sąrašas. Pirmame skyriuje atliekama literatūros apie autonomines navigacijos strategijas, grindžiamas nežinomos aplinkos tyrinėjimu, apžvalga ir suformuluojamos darbo užduotys. Antrame skyriuje aptariama siūloma adaptyvi neraiškiosios logikos valdiklį naudojanti sprendimų priėmimo strategija. Taip pat, pasiūlyti du klasikinio WASPAS daugiakriterinių sprendimų priėmimo metodo plėtiniai, kurie taikomi siekiant nustatyti vertingiausią kandidatą, įvertinant esamą roboto būseną ir atrastą tyrinėjamos vietovės informaciją. Siūlomi WASPAS plėtiniai sumodeliuoti taikant intervalines neutrosofines aibes ir m apibendrintas q neutrosofines aibes, o nauji metodai atitinkamai pavadinti WASPAS-IVNS ir WASPAS-mGqNS. Trečiame skyriuje įvertinama siūloma autonominės navigacijos strategija. Tyrimų rezultatai parodo, kaip siūloma strategija gali būti pritaikyta siekiant sumažinti tikimybę pažeisti robotą ir kartu padidinti atrastą aplinkos informacijos kiekį. Lyginant su standartiniais metodais, siūloma adaptyvi navigacijos strategija suteikia galimybę įvertinti netikslius įvesties parametrus ir yra efektyvi, lyginant ją su klasikinėmis kandidatų vertinimu pagrįstomis strategijomis.

Search and rescue (SAR) missions in disaster sites are complex operations with the top priority of the first responders to find as many survivors as possible within a limited time window. In these missions, autonomous robots can assist the responder teams by providing essential information about the SAR environments without putting human resources in danger. Thus, a robot’s ability to efficiently explore and navigate an unknown environment is the main requirement for an autonomous search and rescue robot. Currently, a common approach to this problem is to incrementally increase the robot’s knowledge about the exploration space by directing it to the regions which border currently unexplored areas, called frontiers. However, deciding on where to move next when multiple candidates are present introduces an additional layer of complexity as the robot must make real-time decisions with limited and possibly inaccurate information. Also, imprecise robot movements and imperfect input data characteristics provided by robot sensors can impact the candidate assessment process and, therefore, should be addressed while designing autonomous search and rescue robots. The dissertation consists of an introduction, three main chapters, general conclusions, and a list of references. The first chapter performs a literature review on autonomous navigation and environment exploration strategies and formulates the dissertation’s objectives. In the second chapter, a novel adaptive approach that implements the fuzzy logic controller is proposed for the autonomous navigation and environment exploration process. Also, two novel extensions are developed for the state-of-the-art WASPAS multi-criteria decision-making method and applied to determine the most suitable frontier considering the current robot state and the discovered environment information. These extensions are modelled under the interval-valued neutrosophic and m-generalised q-neutrosophic environments and referred to as WASPAS-IVNS and WASPAS-mGqNS. The third chapter evaluates the proposed autonomous navigation strategies and presents the results. The case study results highlight how the proposed approach could be applied to minimise the probability to damage the robot while maximising the size of the area searched by the robot. By addressing the estimated inaccuracies in the input data characteristics, the proposed decision-making framework provides additional reliability when comparing and ranking candidate frontiers. The obtained results also indicate the increased efficiency when comparing the proposed adaptive candidate assessment strategies to the standard candidate assessment-based strategies.