Beste directe baan voor mobiele robots

Tue Apr 23 2024

04 23

Beste directe baan voor mobiele robots

25/08/2021

Door Ad Spijkers

Mobiele robots moeten zich door ruimtes verplaatsen, maar welke route is het meest efficiënt?


     

Om van punt A naar punt B te bewegen zijn vaak verschillende paden mogelijk, elk met bochten en meerdere potentiële begin- en eindpunten. Maar hoe beslist een robot wat de meest efficiënte, kosteneffectieve aanpak is? Een team van onderzoekers van de Kent State University (Ohio) en de University of Louisville (Kentucky) heeft wellicht het antwoord.

Twee benaderingen

Zij ontwikkelden een methode om de optimale oplossing voor dit soort algemene besturingsproblemen te bepalen. Deze zou van toepassing kunnen zijn op de besluitvorming die nodig is om van punt A naar punt B te komen tot meer complexe geautomatiseerde, robotnavigatie.

Voor zover bekend is dit de eerste flexibele, rekenkundig efficiënte en nauwkeurige oplossing met het bewijs van optimaliteit voor algemene optimale controleproblemen. De onderzoekers combineerden twee bestaande benaderingen om de algoritmische aanpak mogelijk te maken. Hun methode, RBF-Galerkin genaamd, is genoemd naar de twee bijdragende methoden.

RBF is een radiale basisfunctie, die afstanden tussen specifieke punten kan schatten en de schattingen kan wegen in ongeordende gegevens. De Galerkin-benadering is genoemd naar de Russische wiskundige Boris Galerkin, die beperkingen toepast op regelproblemen zonder discrete parameters. De voorgestelde methode biedt een grote flexibiliteit in termen van basisfuncties voor het parametriseren van een optimaal controleprobleem.

Fijnafstemming

Om de methode te testen, vertelden de onderzoekers de robot om over een vlakke ruimte te bewegen die drie cirkels bevat, maar zonder de cirkels te kruisen. Ze gebruikten drie benaderingen om te zien hoe ze de baan van de robot konden veranderen. Hun RBF-Galerkin methode bleek in drie verschillende confrontaties het meest kosten- en tijdsefficiënt.

De onderzoekers willen nu een geautomatiseerde strategie te ontwikkelen voor de fijnafstemming van de manier waarop de initiële parameters van het probleem worden geschat. Ze zijn ook van plan om de algemene prestaties van hun aanpak te blijven verbeteren door te werken aan het minimaliseren van potentiële fouten in de initiële schattingen.

Foto: Coral One