Roboto trajektorijos valdymas dirbtinio intelekto sistema suliejant jutiklių signalus
Santrauka
Disertacijoje nagrinėjama lokalios robotų navigacijos problema, kai realiuoju laiku apdorojami jutiklių duomenys darbinei aplinkai įvertinti ir adaptyviai judėjimo trajektorijai generuoti. Tyrimų objektas – mobiliųjų robotų lokalios navigacijos sistema su jutiklių signalų suliejimu, skirta naudoti tuneliuose ir kanaluose. Navigacija suskirstoma į keturias dalis: aplinkos įvertinimą, lokalizaciją, kelio planavimą ir judesio vykdymą. Lokalizacijos technologijų analizė leidžia parinkti efektyvų jutiklių rinkinį kliūtims aptikti, o heuristiniai ir dirbtinio intelekto metodai suteikia galimybę generuoti optimalią trajektoriją, išvengiant susidūrimų ir išlaikant judėjimo tikslą. Darbe sprendžiama navigacijos ir kliūčių aptikimo problema žmogui neprieinamuose plotuose, naudojant ekonomišką aktyviųjų ir pasyviųjų jutiklių rinkinį, o eksperimentiškai įvertinamas sukurtos sistemos veiksmingumas.
Disertaciją sudaro įvadas, trys skyriai, išvados, literatūros ir autoriaus publikacijų disertacijos tema sąrašai. Įvade aprašoma problema, jos aktualumas, tyrimo tikslas, uždaviniai, metodika, mokslinis naujumas, praktinė reikšmė ir ginamieji teiginiai. Taip pat pateikiamos autoriaus publikacijos ir darbo struktūra.
Pirmajame skyriuje pateikiama literatūros analizė: globalių ir lokalių kelio planavimo metodų apžvalga, lokalizacijos technologijos ir jų kombinacijos, jutiklių signalų suliejimo metodai bei veiksniai, lemiantys patikimą navigaciją. Skyriaus pabaigoje suformuluojami disertacijos uždaviniai.
Antrajame skyriuje aprašoma sukurta tunelių autonominės navigacijos tyrimų metodika: raudonos, žalios ir mėlynos (RGB) kanalų kameros ir lazerių pagrindu veikiančios optinės kliūčių atpažinimo sistemos principai, jutiklių signalų suliejimas, modifikuotos vektorinių laukų histogramos metodo ir mašininio mokymosi taikymas.
Trečiajame skyriuje pateikiami tyrimų rezultatai: optinės sistemos eksperimentai, kelio planavimo simuliacijos, mašininio mokymosi metodo ir modifikuoto vektorinių laukų histogramos (VFH) palyginimas bei roboto prototipo išbandymas laboratorijoje.
Disertacijos tema paskelbti 5 straipsniai: trys – žurnaluose, įtrauktuose į Web of Science duomenų bazę, du – mokslinių konferencijų leidiniuose. Disertacijos tema perskaityti 5 pranešimai konferencijose Lietuvoje ir užsienyje. The dissertation examines the problem of local robot navigation, where sensor data must be processed in real time to assess the environment and generate an adaptive motion trajectory. The research object is a local navigation system with sensor fusion for mobile robots operating in tunnels and confined channels. Navigation is divided into four parts: environment assessment, localisation, path planning, and motion execution. The analysis of localisation technologies enables the selection of an effective sensor set for obstacle detection. Heuristic and artificial intelligence methods allow generating an optimal trajectory that avoids collisions and maintains the goal. The work addresses navigation and obstacle detection in human-inaccessible environments using a cost-efficient combination of active and passive sensors, with experimental validation of the system’s performance.
The dissertation consists of an introduction, three main chapters, conclusions, references, and a list of the author’s scientific publications on the topic of the dissertation. The introduction presents the problem, relevance, research objective and tasks, methodology, scientific novelty, practical significance, and defended statements, as well as the author’s publications and the structure of the dissertation.
The First Chapter presents a literature review, including an overview and comparison of global and local path-planning methods, localisation technologies and their combinations, and sensor-fusion approaches used in mobile robots. Key factors affecting reliable navigation are identified, forming the basis for the dissertation tasks.
The Second Chapter describes the developed research methodology for autonomous tunnel navigation: the operating principles of the red, green and blue (RGB) channel-camera- and laser-based optical obstacle detection system, sensor-fusion techniques, and the application of modified Vector Field Histogram (VFH) and machine-learning-based path-planning methods.
The Third Chapter presents the research results: optical system experiments, path-planning simulations, a comparison between machine-learning and modified VFH methods, and the testing of the constructed robot prototype in a laboratory environment.
Five research papers have been published on the topic of the dissertation: three in journals indexed in the Web of Science database, and two in conference proceedings. Additionally, five conference presentations related to the dissertation topic have been delivered in Lithuania and abroad.