Розроблення автономної системи керування мобільною робототехнічною системою з використанням моделей на підставі штучних нейромереж

Ключові слова: машинне навчання, автопілот, штучний інтелект, штучна нейронна мережа

Анотація

Проаналізовано основні літературні джерела щодо розроблення автономних систем керування на базі штучного інтелекту (ШІ). Після літературного огляду сформовано вимоги до розроблюваної мобільної робототехнічної системи з автономним керуванням та спроєктовано її структуру. Розроблено середовище для навчання штучних нейромереж на підставі платформи Unity, з використанням об'єктно-орієнтовної мови розроблення – C#. Розроблено програмний інтерфейс для роботи зі штучною нейромережею. Обрано для розроблення мобільної робототехнічної системи з автономним керуванням такі принципи: ієрархічності та побудови інтелектуальної системи керування; модульності; змінного складу обладнання; зменшення габаритів, електроспоживання та вартості; автономного пересування в невідомому середовищі. Після аналізу методів та апаратно-програмних засобів функціонування спроектовано та розроблено роботизовану систему на підставі контролера Raspberry PI 2B. Розроблено програмну та апаратну систему збирання даних з використанням інфрачервоних давачів відстані. Розроблено програмні засоби для автономного керування мобільною системою. Для ефективності тренування моделі створено симульоване середовище з різними типами перешкод. Результатом цих досліджень є автономна мобільна робототехнічна система, що використовує розроблену штучну нейронну мережу прийняття рішень для руху в невідомій місцевості. Розроблена модель ШІ та система успішно пройшли тестування на симуляторі та в реальному середовищі. Розроблені системи придатні до покращень та можуть бути використані в інтересах промисловості чи малого бізнесу, а також здатні до адаптації відповідно до вимог користувачів (замовників).

Завантаження

Дані завантаження ще не доступні.

Афіліація авторів

Д. В. Стасенко, Національний університет "Львівська політехніка", м. Львів

магістрант, кафедра автоматизованих систем управління

Д. В. Островка, Національний університет "Львівська політехніка", м. Львів

аспірант, кафедра автоматизованих систем управління

В. М. Теслюк, Національний університет "Львівська політехніка", м. Львів

д-р техн. наук, професор, завідувач кафедри автоматизованих систем управління

Посилання

Adarsh, S., Kaleemuddin, S. M., Bose, D., & Ramachandran, K. I. (2016). Performance comparison of Infrared and Ultrasonic sensors for obstacles of different materials in vehicle/robot navigation applications. In IOP Conference Series: Materials Science and Engineering. Vol. 149, no. 1, 12141. IOP publishing.

Buckley, Lisa, Sherrie-Anne Kaye, & Anuj K. Pradhan. (2018). A qualitative examination of drivers responses to partially automated vehicles. Transportation research part F: traffic psychology and behaviour 56, 167–175.

Chen, X., Huang, F., Zhang, Y., Chen, Z., Liu, S., Nie, Y., Tang, J., & Zhu, S. (2020). A Novel Virtual-Structure Formation Control Design for Mobile Robots with Obstacle Avoidance. Applied Sciences, 10(17), 5807. https://doi.org/10.3390/app10175807

Denysyuk, P., Teslyuk, V., & Chorna, I. (2018). Development of mobile robot using LIDAR technology based on Arduino controller, 2018 XIV-th International Conference on Perspective Technologies and Methods in MEMS Design (MEMSTECH), 240–244, https://doi.org/10.1109/MEMSTECH.2018.8365742

Dikmen, M., & Burns, C. M. (2016). Autonomous Driving in the Real World. Proceedings of the 8th International Conference on Automotive User Interfaces and Interactive Vehicular Applications. https://doi.org/10.1145/3003715.3005465

Foroughi, Farzin, Zonghai, Chen, & Jikai, Wang. (2021). A CNN-Based System for Mobile Robot Navigation in Indoor Environments via Visual Localization with a Small Dataset. World Electric Vehicle Journal, 12(3), 134. https://doi.org/10.3390/wevj12030134

Guanetti, J., Kim, Y., & Borrelli, F. (2018). Control of connected and automated vehicles: State of the art and future challenges. Annual Reviews in Control, 45, 18–40. https://doi.org/10.1016/j.arcontrol.2018.04.011

Kakani, V., Kim, H., Kumbham, M., Park, D., Jin, C. B., & Nguyen, V. H. (2019). Feasible Self-Calibration of Larger Field-of-View (FOV) Camera Sensors for the Advanced Driver-Assistance System (ADAS). Sensors, 19(15), 3369. https://doi.org/10.3390/s19153369

Kiran, B. R., Sobh, I., Talpaert, V., Mannion, P., Al Sallab, A. A., Yogamani, S., & Pérez, P. (2021). Deep reinforcement learning for autonomous driving: A survey. IEEE Transactions on Intelligent Transportation Systems.

Matviichuk, K. V., Teslyuk, V. M., & Zelinskyy, A. Ya. (2016). Programming Model of Control Subsystem for Mobile Robotic Technical System. Scientific Bulletin of UNFU, 26(5), 325–333. https://doi.org/10.15421/40260551

Meng, W., Hu, Y., Lin, J., Lin, F., & Teo, R. (2015). ROS+ unity: An efficient high-fidelity 3D multi-UAV navigation and control simulator in GPS-denied environments. In IECON 2015-41st Annual Conference of the IEEE Industrial Electronics Society, 2562–2567.

Ostrovka, D. V., & Teslyuk, V. M. (2021). The current state and prospects of advanced reality technology in smart mobile devices. Selected aspects of digital society development: monograph 45. Katowice: Publishing House of University of Technology, 179–190.

Qi, Xianyu, Wei, Wang, Ziwei, Liao, Xiaoyu, Zhang, Dongsheng, Yang, & Ran, Wei. (2020). Object Semantic Grid Mapping with 2D LiDAR and RGB-D Camera for Domestic Robot Navigation. Applied Sciences, 10(17), 5782. https://doi.org/10.3390/app10175782

Tsmots, I. G., Teslyuk, V. M., & Vavruk, I. P. (2013). Hardware and software for controlling the movement of a mobile robotic system, in mater. 12th International Conference. The Experience of Designing and Application of CAD Systems in Microelectronics, CADSM2013, Lviv-Polyana, Ukraine, 368. [In Ukrainian]..

Tsmots, I. G., Teslyuk, V. M., Opotiak, Yu. V., Parcei, R. V., & Zinko, R. V. (2021). The basic architecture of mobile robotic platform with intelligent motion control system and data transmission protection. Ukrainian Journal of Information Technology, 3(2), 74–80. https://doi.org/10.23939/ujit2021.02.074

Xuexi, Z., Guokun, L., Genping, F., Dongliang, X., & Shiliu. L. (2019). SLAM Algorithm Analysis of Mobile Robot Based on Lidar, 2019 Chinese Control Conference (CCC), 4739–4745. https://doi.org/10.23919/ChiCC.2019.8866200

Yusof, Y., Mansor, H. M., & Ahmad, A. (2016). Formulation of a lightweight hybrid AI algorithm towards self-learning autonomous systems, 2016 IEEE Conference on Systems, Process and Control (ICSPC), 142–147,. https://doi.org/10.1109/SPC.2016.7920719

Zhang, Jian. (2021). AI based Algorithms of Path Planning, Navigation and Control for Mobile Ground Robots and UAVs. arXiv preprint arXiv:2110.00910


Переглядів анотації: 210
Завантажень PDF: 0
Опубліковано
2021-12-29
Як цитувати
Стасенко, Д. В., Островка, Д. В., & Теслюк, В. М. (2021). Розроблення автономної системи керування мобільною робототехнічною системою з використанням моделей на підставі штучних нейромереж. Науковий вісник НЛТУ України, 31(6), 112-117. https://doi.org/10.36930/40310617
Розділ
Інформаційні технології

Статті цього автора (авторів), які найбільше читають

1 2 > >>