Активне опк з використанням моделі інтелектуального управління та дослідження засновані на ат тракторі

Анотація – у активному ОПК виникає проблема для автономного робота планувати ефективні шляхи одночасно з процесами ОПК. Невизначеність робота, карта і датчик вимірювань, динамічний і рух обмеження необхідно розглядати в процесі планування. У цій роботі проблеми активного ОПК формулюються як проблема оптимальне планування траєкторії. Для вирішення цієї проблеми вводиться новий метод , який прибирає аттрактор в поєднанні з іншими стратегіями планування, таких як модель інтелектуального управління (відступаючий горизон). Аттрактор забезпечує високий рівень намірів завдань і включає в себе глобальну інформацію про стан середовища для місцевий планувальників, тим самим усуваючи необхідність у дорогих глобальних плануваннях з більш довгими горизонтами. Показано, що траєкторія планування з аттрактором призводить до підвищення продуктивності в порівнянні з системами, які мають місцеве планування поодинці.

Ключові слова - шлях планування, одночасне планування,локалізація і картографії (SPLAM), оптимізація, нелінійна модель інтелектуального управління (МІУ), розширений фільтр Кальмана (РФК), дослідження.

I. Вступ

Планування дій для ОПК (одночасна локалізація і картографування) вимагає швидких алгоритмів, які можуть адаптуватися до зміни в навколишньому середовищі. Зміни з` являються, коли нові властивості або перешкоди виявляються і оновлюються при оцінці стану у РФК (розширений фільтр Кальмана). Платформи такі, як БПЛА (безпілотний літальний апарат) мають жорстке обмеження реальному часі. Місцеві стратегії планування, такі як модель інтелектуального управління (МІУ) добре підходять для цих систем і систем з дуже динамічними середовищами. МІУ проста та швидка, що дозволяє безперервне перепланування, щоб включити зворотний зв'язок і дані про стан і середовище.

МІУ була застосована в багатьох додатках з контролю через її здатность включати обмеження. В [7], нелінійна МІУ використовується для стабілізації кількох вертольотів і проводити планування для обходу перешкод. У нашій попередній роботі МІУ застосовується для геолокації [4] і ОПК [3] для планування траєкторій і збору інформації. Він зарекомендував себе добре для цих задач. Тим не менш, в ході цієї роботи, кілька недоліків цього алгоритму і інші подібні місцеві планувальники були виявлені. МІУ страждає від недалекоглядного прогнозу, воно не в змозі сприймаюти за межами горизонт планування. Це обмеження призводить до оптимізованого плану, який ігнорує віддалені переваги навіть якщо вони відомі системі. Інтуїтивно, чим більше знань використовуються в процесі планування, тим вища нагорода, але розширення горизонту планування для досягнення цієї мети експоненціально збільшує обчислювальні витрати. МІУ також нездатні до активного огляду, як не можливо передбачити нові властивості. Таким чином метод об`єднання глобальних знань в процес планування є бажаним.

Ця робота розширює нашу попередню роботу, вводячи новий метод використання аттрактора для полегшення місцевих стратегій МІУ в оптимальному плануванні траєкторії. Аттрактор робить придатною глобальну інформацію і цілі високого рівня об`єднує в процес планування. Це те, що застосовуються в активному ОПК, часто згадується як ОППК (одночасне планування,позиціювання і картографування). Основні міркування охоплені, ефективність і точність карт. Продуктивність нашої методики аналізується на основі цих критеріїв.

У розділі II надаються декілька взаємопов'язаних робіт. Розділ III вводить систему моделей і РФК для збору інформації. Розділ IV переглядає рішення проблеми оптимізації траєкторії з використанням МІУ. Розділ V представляє техніку аттрактора на основі машини. Результати моделювання, представлені в розділі VI , обговорення слідують у розділі VII. Розділ VIII підсумовує папери.