ПРОГНОЗУВАННЯ РУХУ РОБОТИЗОВАННОЇ МОБІЛЬНОЇ ПЛАТФОРМИ У ДВОВИМІРНОМУ ПРОСТОРІ З УРАХУВАННЯМ ДИНАМІЧНИХ ПЕРЕШКОД
DOI:
https://doi.org/10.32782/IT/2025-1-29Ключові слова:
навігаційна система, векторне представлення руху, моделювання середовища, прогнозування траєкторій, пошук оптимального маршруту, мобільні роботи.Анотація
Дана робота присвячена розробці методу прогнозування маршруту мобільного роботу та моделювання середовища з використанням мови Python. Мета роботи. Розробка методу прогнозування траєкторій мобільних роботів у середовищі з динамічними перешкодами, забезпечуючи адаптивну маршрутизацію в реальному часі та уникнення зіткнень. Методологія. Дослідження базується на математичному моделюванні руху мобільної платформи в двовимірному просторі за допомогою модифікованого алгоритму D* Lite. Було використано підхід до моделювання, який представляє середовище як дискретну сітку, що включає як статичні, так і динамічні перешкоди. Статичні перешкоди імітують фіксовані об’єкти, такі як стіни чи інші нерухомі елементи, тоді як динамічні перешкоди визначаються їх мінливим положенням, швидкістю та напрямком руху. Для прогнозування шляхів об’єктів на основі їх поточного стану використовується векторне представлення руху. Зокрема, аналіз зосереджується на таких параметрах, як положення, швидкість і напрямок руху. Запропонований статистичний критерій передбачає вибір стабільного маршруту шляхом вивчення частоти вершин у діапазоні потенційних траєкторій. Наукова новизна. Удосконалено метод планування шляху мобільного робота в динамічному середовищі завдяки ретельному оцінюванню як статичних, так і динамічних перешкод. Математичну структуру, яка використовується для прогнозування руху об’єктів, було розширено за допомогою інкрементального методу D* Lite. Крім того, введено новий статистичний критерій для вибору оптимальної траєкторії, який враховує стабільність шляху. Висновки. Розроблена методика дозволяє здійснювати навігацію мобільної платформи у двовимірному просторі з наявністю рухомих перешкод. Він пропонує адаптивне планування траєкторії, реагування на зміни положення перешкод з метою уникнення зіткнень. Програмне моделювання підтвердило здатність алгоритму обчислювати маршрути в реальному часі. Були протестовані сітки різних розмірів: 20 × 20, 50 × 50, 75 × 75, 100 × 100. Продовження досліджень має здійснюватись у напрямку обґрунтування оптимального розміру сіток відображення середовища мобільної платформи, розміру комірки сітки з точки зору необхідного часу реакції та точності позиціювання навігаційною системою.
Посилання
Ганенко Л. Д., Жебка В. В. Аналітичний огляд питань навігації мобільних роботів в закритих приміщеннях. Телекомунікаційні та інформаційні технології. 2023. № 3. С. 85–98
Nitin Gupta, Kapil Manga, Anand Kumar Jha, Md. Umar. Applying Dijkstra`s Algorithm in Routing Process. Internationl Journal of New Technology and Reasearc (IJNTR). 2016. Vol. 2. № 5. 122–124 p.
Nagib G., Charieb W. Path planning for a mobile robot using Genetic Algorithms. Proceedings of the International Conference on Electrical, Electronic and Computer Engineering (ICEECE). Cairo, Egypt, 5–7 September 2004. 2005. 185–189 p.
Thangamuthu M., et al. Mobile robot path planning and obstacle avoidance using hybrid algorithm. International Journal of Information Technology. 2023. Vol. 15. 4481–4490 p. DOI: 10.1007/s41870-023-01475-5
Duchoň F., Babinec A., Kajan M., Beňo P., Florek M., Fico T., Jurišica L. Path planning with modified A star algorithm for a mobile robot. Procedia Engineering. 2014. Vol. 96. 59–69 p. DOI: 10.1016/j.proeng.2014.12.098
Sven Koenig, Maxim Likhachev. D* lite. The Eighteenth National Conference on Artificial Intelligence, Association for the Advancement of Artificial Intelligence (AAAI). Alberta, Canada, 28 July – 1 August 2002. 2002.
Kretzschmar H., Spies M., Sprunk C., Burgard W. Socially compliant mobile robot navigation via inverse reinforcement learning. International Journal of Robotics Research. 2016. Vol. 35. № 11. 1352–1370 p.
Roberts M., Smith D. Path Following Algorithms in Autonomous Mobile Robots. IEEE Transactions on Robotics. 2016. Vol. 30. № 5. 1123–1140 p.
Stephen T., Jerry B. Classical dynamics of particles and systems. Julie M. DeSilva. Вид. 5. 2004. 30 p.
Farzeen Zehra, Darakhshan, Maha Javed, Maria Pasha. Comparative Analysis of C++ and Python in Terms of Memory and Time. Preprints. 2020. DOI: 10.20944/preprints202012.0516.v1