Reaktivní navigace mobilního robotu v dynamickém prostředí s využitím neuronových sítí

Neural Network Based Reactive Navigation for Mobile Robot in Dynamic Environment

článek v časopise - ostatní, Jost

en

When mobile robots are used among people, the best accepted motion related behavior is a human-like motion of the robot. Such behavior is difficult to obtain with commonly used finite state machine based planners, but can easily be evoked when human controls the robot. The paper presents the way of transforming such knowledge from human controller to reactive planner in the robot navigation module. Reactive planner is based on machine learning, neural networks in particular. The planner consists of two separate neural networks, one serving as predictor of dynamic obstacles behavior, second one serving as the reactive planner itself, producing desirable actions of the robot both in terms of velocity and direction. Planner was verified on real robot producing human-like behavior when used in real environment.

Při použití mobiních robotů mezi lidmi je nejlépe přijímaným způsobem pohybu takový pohyb, který odpovídá pohybu člověka. Dosažení takového chování je obtížné pomocí plánovačů založených na konečném stavovém automatu, ale lze ho docílit při přímém řízení robotu operátorem. Článek je věnován způsobu převodu této znalosti z lidského operátora do reaktivního plánovače v navigačním modulu robotu. Reaktivní plánovač je založen na strojovém učení, konkrétně umělých neuronových sítích. Plánovač sestává ze dvou oddělených neuronových sítí, jedna slouží jako prediktor chování dynamických překážek, druhá jako vlastní reaktivní plánovač, produkující akce robotu, a to jak rychlosti, tak směr. Plánovač byl verifikován na reálném robotu a vykazoval v reálném prostředí chování odpovídající člověku.

When mobile robots are used among people, the best accepted motion related behavior is a human-like motion of the robot. Such behavior is difficult to obtain with commonly used finite state machine based planners, but can easily be evoked when human controls the robot. The paper presents the way of transforming such knowledge from human controller to reactive planner in the robot navigation module. Reactive planner is based on machine learning, neural networks in particular. The planner consists of two separate neural networks, one serving as predictor of dynamic obstacles behavior, second one serving as the reactive planner itself, producing desirable actions of the robot both in terms of velocity and direction. Planner was verified on real robot producing human-like behavior when used in real environment.

mobilní robot, reaktivní navigace, uměné neuronové sítě

mobile robot, reactive navigation, artificial neural networks

2013

01.01.2013

1012-0394

2013

198

108–113

6