Developing mobile robot obstacle avoidance methods with model-based and learning-based methods
Mobil robotlarda model tabanlı ve öğrenme tabanlı engelden kaçınma yöntemleri geliştirilmesi
- Tez No: 895238
- Danışmanlar: PROF. DR. OVSANNA SETA ESTRADA
- Tez Türü: Doktora
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mekatronik Ana Bilim Dalı
- Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 93
Özet
Yol planlama ve engel kaçınma, robotikte birbiriyle yakından ilişkili iki önemli konudur. Yol planlama, bir robotun mevcut konumundan istenen hedefe güvenli ve etkili bir yol belirleme sürecini ifade eder. Bu süreç, robotun hareket yetenekleri, çalıştığı ortam ve mevcut engeller gibi faktörleri dikkate alır. Engel kaçınma, robotun bulunduğu alanda ilerlerken engelleri tespit edip kaçınabilme yeteneğini ifade eder. Robotun, çevresindeki değişikliklere tepki verebilmesi ve çarpışmaları önlemek için yolunu değiştirebilmesi, robot navigasyonunun temel bir bileşenidir ve güvenliği sağlamak için önemlidir. Yol planlaması ve engel kaçınma, insan müdahalesi olmadan karmaşık ortamlarda gezinebilen otonom robotların geliştirilmesi için kritiktir. Bu konular, robotik alanındaki devam eden araştırmaların odak noktasıdır ve sensörler, haritalama algoritmaları ve makine öğrenimi gibi teknolojilerdeki ilerlemeler, robotların daha verimli ve güvenli şekilde karmaşık ortamlarda gezinebilmelerine olanak tanımaktadır. Tezimizde ilk olarak model-tabanlı engelden kaçınma yöntemleri üzerinde çalışmalar gerçekleştirilmiştir. Bu yöntemler engellerin ve robotun geometrik ve kinematik özelliklerinden yola çıkarak oluşturulmuş ve girişleri algılayıcı çıkışları, robot pozisyonu ve hedef koordinatlarıdır. Bu yöntemde engeller arasında bulunan boşluklar (gap) üzerinden hedefe ulaştırılan kaba yollar üretilmiştir. Bu yollar yol düzgünleştirme ve yol planlayıcı yöntemler yardımıyla robotun takip etmesine uygun yörüngelere dönüştürülmüştür. Bu yörüngeler bir yol takip algoritmasıyla takip ettirilmiştir. Önerilen bu model tabanlı engelden kaçınma yöntemi literatürde bulunan model tabanlı engelden kaçınma yöntemleriyle karşılaştırıldığında navigasyon hızı, konforu ve güvenliği açısından diğer yöntemlere göre avantajlı olduğu görülmüştür. ROS Gazebo simülasyonları ve diferansiyel sürüş sistemine sahip robotik platform üzerinde yaptığımız testlerle sonuçlar doğrulanmıştır. İlk çalışmadan elde ettiğimiz sonuçlardan, örnekleme tabanlı yol planlayıcıların lokal alanlarda efektif bir şekilde yol planlaması için örnek alma prosedürünün önemli olduğu anlaşılmıştır. Literatürde örnekleme prosedürünü geliştirmek için çeşitli metodlar önerilmiştir. Bunlardan en önemlisi, yol planlayıcılarda ilk çözüm bulunduktan sonra örnekleme sınırlarını çözümü kapsayan bir elipsle sınırlamaktır (Informed RRT* yönteminde olduğu gibi). Bu tarz yöntemler ilk çözümün bulunmasıyla arama alanını daraltabildiğinden, ilk çözümün bulunması sırasında harcanan efor planlayıcının performansını düşürmektedir. Bu tarz sorunların üstesinden gelmek ve yol planlayıcılara yardımcı olmak için öğrenme tabanlı örnekleme yöntemleri önerilmiştir. Uzman yol planlayıcılarının ürettiği çözümler ile planlama problemleri arasındaki ilişkinin öğrenebilen sistemler yardımıyla bulunmasıyla farklı tipte sistemler geliştirilmiştir. Bu sistemler içerisinde engellerin ve hedefin görüntü üzerine yansıtılması ile robot ve hedef arasında güvenli yolu üretebilen konvolüsyon tabanlı yapay sinir ağları çalışması tezimizin ikinci aşamasını oluşturmuştur. Bu tarz bir sistemin eğitimi için lidar ve hedef koordinatlarını temsil eden giriş imajları oluşturulmuş ve planlayıcı çıktılarını temsil eden çıkış imajları üretilmiştir. Üretilen bu görüntülerden oluşturduğumuz veri setimiz görüntü çoğaltma teknikleriyle 135 binden fazla görüntü çifti elde edilmiştir. Nihai veri seti 110 bini eğitim ve 25 bini test verisi olarak ayrılmış ve eğitim performansı ölçülmüştür. Eğittiğimiz CNN yapısının ürettiği yollardan alınan örnekler, rastgele alınan örnekler ile planlama performansı üzerindeki etkisini test etmek için karşılaştırılmıştır. Yapılan testlerde iki farklı planlayıcının performansını yol uzunluğu, planlama süresi ve planlama başarısı açısından değerlendirilmiştir. CNN tarafından önerilen örnek setinin, rastgele örnek setinden beş kat daha az örneğe sahip olmasına rağmen daha iyi çözümler bulduğu gözlemlenmiştir. Elde edilen bu sonuçların lokal yol planlama yöntemlerinde avantajlı olacağı düşünülerek gerçek zamanlı bir navigasyon siteminde kullanılması hedeflenmiştir. Tezimizin üçüncü aşamasında, ikinci aşamasında elde edilen modelin lokal planlama sistemine entegre edilmesi ve global planlayıcı ile uyumlu çalışacak şekilde tasarlanması gerçekleştirilmiştir. Ayrıca bu yöntem Ackermann tipi bir aracın global rotayı takip ederken aynı zamanda engellerden kaçınması amaçlanarak tasarlanmıştır. Bilindiği üzere Ackermann tipinde araçların, diferansiyel sürüşe sahip dairesel araçlara göre birçok farklılıkları bulunmaktadır. En önemli özelliklerinden biri kendi istedikleri eksen doğrultusunda hareket etmelerini engelleyen kısıtlarının bulunmasıdır. Ayrıca bu çalışmada araç şeklinin de planlama sistemine dahil edilmesi, geri manevraların da hesaba katılması ile yol planlama probleminin hesaplama yükünün ve karmaşıklığın artması sebebiyle daha önce önerilmiş olan yol planlayıcının gerçek zamanlı çalışması mümkün olmamaktadır. Bu yüzden akıllı örnekleme ve holonomik olmayan sistemler için önerdiğimiz birçok iyileştirme ile bu araçların gerçek zamanlı çalıştırılması sağlanmıştır. Önerilen holonomik olmayan sistemler için lokal planlama yöntemi literatürde bulunan benzer yöntemler ile simülasyonlar ve otonom rc araç geliştirme platformu üzerinde karşılaştırılarak avantajları gözlemlenmiştir. Sonuç olarak, tezimizde otonom sürüş ve robotik navigasyon görevlerinde kullanılmak üzere eliştirdiğimiz yöntemlerimiz tanıtılmıştır. Bu yöntemlerin hem simülasyon ortamında hem de gerçek ortamda yapılan testleri göz önüne alındığında alternatiflerinden avantajlı olduğu görülmüştür. Yaptığımız çalışmaların otonom sürüş çalışmalarına katkı sunduğunu düşünüyor ve ileride geliştirilecek navigasyon sistemlerine katkı sunacağına inanıyoruz.
Özet (Çeviri)
Mobile robot navigation is a crucial area of research and development in robotics that focuses on enabling robots to move autonomously in their environments. Mobile robots are increasingly being used in a wide range of applications, including manufacturing, healthcare, transportation, and search and rescue missions. These robots have the potential to improve efficiency, reduce costs, and enhance safety in a variety of industries. However, for mobile robots to be effective, they must be able to navigate their surroundings with accuracy and reliability. Navigation involves the robot's ability to perceive its environment, plan a path, and execute that path while avoiding obstacles and other hazards. The development of mobile robot navigation systems has been a major area of focus in robotics research for several decades, and it continues to evolve rapidly. Advances in technologies such as sensors, computing, and machine learning have enabled mobile robots to navigate more complex environments and perform increasingly sophisticated tasks. As such, mobile robot navigation is a critical area of study for researchers and engineers who seek to develop intelligent and autonomous systems that can operate in real-world environments. Path planning and obstacle avoidance are two important topics in robotics that are closely related. Path planning refers to the process of determining a safe and efficient path for a robot to travel from its current location to a desired destination. This process takes into account the robot's movement capabilities, the environment it is operating in, and any obstacles that may be present. Obstacle avoidance, on the other hand, involves the robot's ability to detect and avoid obstacles as it navigates its environment. This is an essential component of path planning, as the robot must be able to react to changes in its environment and modify its path accordingly in order to avoid collisions and ensure safety. Both path planning and obstacle avoidance are critical for the development of autonomous robots that can navigate complex environments and perform tasks without human intervention. These topics are the focus of ongoing research in the field of robotics, and advances in technologies such as sensors, mapping algorithms, and machine learning are enabling robots to navigate increasingly complex environments with greater efficiency and safety. This study proposes three novel contributions in the field of robotics. The first is a novel model-based obstacle avoidance method that plans local trajectories by passing through gaps between obstacles. The second is a learning-based sampling method that improves the efficiency of trajectory planning for path planning algorithms. Finally, we proposed a non-holonomic local planner that uses a CNN-based sampling technique. These contributions aim to improve the navigation and path planning capabilities of robots, allowing them to operate more efficiently and safely in complex environments. Overall, this thesis demonstrates the potential of using advanced techniques and technologies, such as machine learning and local planning, to enhance the performance and capabilities of mobile robots.
Benzer Tezler
- Development of vision-based mobile robot control and path planning algorithms in obstacled environments
Engelli ortamlarda görüntü tabanlı mobil robot kontrolü ve yol planlama algoritmalarının geliştirilmesi
MAHMUT DİRİK
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ADNAN FATİH KOCAMAZ
- PC denetimli bir mobil robot platformu tasarımı
A PC controlled mobile robot platform design
MEHMET HALICI
Yüksek Lisans
Türkçe
2001
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Yüksek Teknoloji EnstitüsüBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMİN MURAT ESİN
- Redundant mobile robot control
Artıksıl mobil robot kontrolü
ONUR ÇELİK
Yüksek Lisans
İngilizce
2016
Makine Mühendisliğiİzmir Yüksek Teknoloji EnstitüsüMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET İSMET CAN DEDE
- A social navigation approach for mobile assistant robots
Asistan mobil robotlar için sosyal bir navigasyon yaklaşımı
HASAN KIVRAK
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE KÖSE
- Paletli mobil manipülatör tasarımı ve modellenmesi
Tracked mobile manipulator design and dynamical modelling
MUSTAFA TOLGA YAVUZ
Yüksek Lisans
Türkçe
2014
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ