Автоматизация стыковки автономных мобильных роботов на основе развития метода поисковых случайных деревьев со встречным ростом

Цели. В статье обоснована актуальность задачи автоматической стыковки автономных мобильных роботов. На конкретных примерах показано, что реализация функций автоматической стыковки автономных роботов открывает перспективы создания многоагентных систем с трансформируемой структурой. Целью работы является разработка средств автоматической стыковки автономных мобильных роботов, функционирующих в условиях сложных сцен и неопределенности окружающей обстановки.

Методы. Предлагаемый подход к автоматизации стыковки автономных мобильных роботов сводится к модификации метода поисковых случайных деревьев со встречным ростом на основе параллельного выполнения децентрализованного алгоритма планирования маршрутов с взаимной координацией процессов распределенных вычислений. Оценка эффективности разработанного комплекса алгоритмических и программных средств осуществлялась с помощью методов компьютерного и натурного моделирования. Заключительная серия натурных экспериментов проводилась на примере автоматической стыковки автономных робототехнических платформ «JetBot AI kit Nvidia», выполняемой с привлечением средств и методов интеллектуального управления, визуальной навигации, технического зрения и беспроводной сетевой связи.

Результаты. Проведен анализ особенностей автоматической стыковки, как одной из задач группового управления автономными роботами в составе многоагентных систем, способных реконфигурировать свою структуру для целенаправленного изменения имеющегося набора функциональных свойств и возможностей прикладного применения. Предложена децентрализованная модификация метода поисковых случайных деревьев со встречным ростом, позволяющая обеспечить планирование перемещений автономных мобиль ных роботов по ходу их взаимного сближения и последующей стыковки. Разработан комплекс программноалгоритмических средств автоматизации стыковки автономных роботов. Проведены серии модельных и натурных экспериментов, подтвердивших эффективность развиваемого подхода.

Выводы. Представленная модификация метода поисковых случайных деревьев со встречным ростом, традиционно применяемого для планирования перемещений манипуляторов и подвижных платформ, дополняет состав решаемых им задач, позволяя обеспечить автоматизацию стыковки автономных роботов. Полученные результаты открывают перспективы создания универсальных планировщиков с расширенным функционалом для систем управления автономными роботами.

1. Wang Y., Shan M., Yue Y., Wang D. Autonomous Target Docking of Nonholonomic Mobile Robots Using Relative Pose Measurements. IEEE Trans. Ind. Electron. 2021;68(8):7233–7243. https://doi.org/10.1109/TIE.2020.3001805

2. Davey J., Kwok N., Yim M. Emulating self-reconfigurable robots – design of the SMORES system. In: 2012 IEEE/RSJ International Conference on Intelligent Robots and Systems. 2012. P. 4464–4469. https://doi.org/10.1109/IROS.2012.6385845

3. Tosun T., Daudelin J., Jing G., Kress-Gazit H., Campbell M., Yim M. Perception-informed autonomous environment augmentation with modular robots. In: 2018 IEEE International Conference on Robotics and Automation. 2018. P. 6818–6824. https://doi.org/10.1109/ICRA.2018.8463155

4. Liu C., Lin Q., Kim H., Yim M. SMORES-EP, a Modular Robot with Parallel Self-assembly. arXiv preprint or arXiv:2014.00800v2. https://doi.org/10.48550/arXiv.2104.00800

5. Knizhnik G., Yim M. Docking and Undocking a Modular Underactuated Oscillating Swimming Robot. In: 2021 IEEE International Conferenceon Roboticsand Automation. 2021. P. 6754–6760. https://doi.org/10.1109/ICRA48506.2021.9562033

6. Sohal S.S., Sebastian B., Ben-Tzvi P. Autonomous Docking of Hybrid-Wheeled Modular Robots with an Integrated Active Genderless Docking Mechanism. J. Mechanisms Robotics. 2021;14(1):011010. https://doi.org/10.1115/1.4051519

7. LaValle S.M., Kuffner J. Rapidly-Exploring Random Trees: Progress and Prospects. In: Donald B., Lynch K., Rus D. (Eds.). Algorithmic and Computational Robotics. NY: CRC Press; 2001. P. 293–308. https://doi.org/10.1201/9781439864135

8. Голубов В.В., Манько С.В. Особенности и перспективы применения метода поисковых случайных деревьев для планирования перемещений автономных роботов. Russ. Technol. J. 2023;11(6):16–27. https://doi.org/10.32362/2500-316X-2023-11-6-16-27

9. Kuffner J., LaValle S.M. RRT-Connect: An Efficient Approach to Single-Query Path Planning. In: 2000 IEEE International Conference on Robotics and Automation. 2000. P. 995–1001. https://doi.org/10.1109/ROBOT.2000.844730

10. Kang J.G., Lim D.W., Choi Y.S., Jang W.J., Jung J.W. Improved RRT-Connect Algorithm Based on Triangular Inequality for Robot Path Planning. Sensors. 2021;21(2):333. https://doi.org/10.3390/s21020333

11. Gravot F., Haneda A., Okada K., Inaba N. Cooking for humanoid robot, a task that needs symbolic and geometric reasonings. In: 2006 IEEE International Conference on Robotics and Automation. 2006. P. 462–467. https://doi.org/10.1109/ROBOT.2006.1641754

12. Zahroof T., Bylard A., Shageer H., Pavone M. Perception-Constrained Robot Manipulator Planning for Satellite Servicing. In: 2019 IEEE Aerospace Conference. 2019. P. 1–10. https://doi.org/10.1109/AERO.2019.8741569

13. Klemm S., Essinger M., Oberländer J., Zofka M.R., Kuhnt F., Weber M., Kohlhaas R., Kohs A., Roennau A., Schamm T., Zöllner J.M. Autonomous multi-story navigation for valet parking. In: 2016 IEEE 19th International Conference on Intelligent Transportation Systems. 2016. P. 1126–1133. https://doi.org/10.1109/ITSC.2016.7795698

14. Han P., Li G., Zhang H. Leveraging Past Experience for Path planning of Marine Vessel: A Docking Example. Modeling, Identification and Control. 2022;43(3):101–109. http://doi.org/10.4173/mic.2022.3.2

15. Garrido-Jurado S., Muñoz-Salinas R., Madrid-Cuevas F.J., Marin-Jiménez M.J. Automatic generation and detection of highly reliable fiducial markers under occlusion. Pattern Recognition. 2014;47(6):2280–2292. https://doi.org/10.1016/j.patcog.2014.01.005