Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
ATAT--66 Когнитивна Когнитивна
роботикароботика::
Оцењивање положаја мобилног Оцењивање положаја мобилног
робота и карактеристичних робота и карактеристичних
објеката у технолошком објеката у технолошком
окружењуокружењу
Проф. Проф. др др ЗоранЗоран МиљковићМиљковић
11// 3232
22// 3232
Симултано оцењивање положаја Симултано оцењивање положаја
мобилног робота и мобилног робота и
карактеристичних објекатакарактеристичних објеката
-- Simultaneous Localization and Mapping (Simultaneous Localization and Mapping (SLAMSLAM))
-- Concurrent Localization and Mapping (CLAM)Concurrent Localization and Mapping (CLAM)
Основна идеја: : „ „ Да ли је могуће поставити мобилни робот у потпуно Да ли је могуће поставити мобилни робот у потпуно непознато окружење, на непознату позицију са непознатом непознато окружење, на непознату позицију са непознатом оријентацијом, а да робот оријентацијом, а да робот самостално самостално започне постепензапочне постепено о оцењивање положаја карактеристичних објеката у оцењивање положаја карактеристичних објеката у окружењокружењу, у, на основу чега на основу чега ће истовремено и вршити одређивање ће истовремено и вршити одређивање сопственог положаја?сопственог положаја? ”
33// 3232
0: : 0( , | , , )k k o kp x m z u x
Напомена:Напомена: аквизиција сензорске информације врши се између робота и аквизиција сензорске информације врши се између робота и
карактеристичног објекта;карактеристичног објекта;
Непознате величине:Непознате величине:
Вектор положаја мобилног робота и вектор положаја карактеристичних Вектор положаја мобилног робота и вектор положаја карактеристичних
објеката.објеката.
44/77/77
55// 3232
Резултати симулације: Оцењена путања и стварна путања мобилног Резултати симулације: Оцењена путања и стварна путања мобилног
робота робота
66// 32 32
Алгоритам неуронског линеаризованог Алгоритам неуронског линеаризованог
Калмановог филтра Калмановог филтра -- НЛКФНЛКФ
-Линеаризовани Каманов филтар почива на претпоставкама белог шума у
моделу кретања и сензорском моделу мобилног робота;
-ЛКФ потцењује грешку оцењивања - постаје оптимистичан;
-Оптималност филтра директно утиче на тачност;
-Примери немоделираних утицаја су: обојениобојени шумшум у у управљачкомуправљачком
системусистему, проклизавањепроклизавање точковаточкова мобилногмобилног роботаробота у у токутоку кретањакретања и грешкегрешке
одометријеодометрије;
- Математички модели не могу обухватити све аспекте проблема:
изразита нелинеарност или промена неких ефективних параметара
мобилног робота (ефективни пречник точка или ефективни размак између
точкова) мењају основне претпоставке на којима почива нелинеарна
верзија Калмановог филтра.
77// 3232
( | 1) M
| 1 ( | 1) ( | 1)
( | 1) ( | 1)
ˆ ( , )
ˆ ˆ ˆ
ˆ ˆ
k k vnet
k k k k k k
k k k k
v
w w
m m
x f x
x x x
x x
Алгоритам неуронског линеаризованог Алгоритам неуронског линеаризованог
Калмановог филтра Калмановог филтра -- НЛКФНЛКФ
T T T T[( ) ( ) ( ) ] v w mx x x x
- Увођење вештачке неуронске мреже
за моделирање непознатих утицаја
Проширивање
вектора стања и
матрице коваријанси
xx xw xm
wx ww wm
mx mw mm
P P P
P P P P
P P P
( ) ( )ˆ ˆ( , , )k-1|k-1 k-1|k-1 kVNET v wx g x x u - Вештачка неуронска мрежа
Основне
претпоставке ЛКФ-а и
даље важе...
88// 3232
2 2
1| 1 1| 1
, ,
| 1 1 , , 1 1
,
1. ( , , , )
cos( )
ˆ2. ( , ) sin( ) , ,
( ) ( )
3. , ( , ) ; (v
k k k k k k
r k k r k k
k k k k r k k r k k k k k
r k k
u
x v t t
y v t t
t
diag diag
u u
u
Алгоритам НЛКФ x P u z
x f x u g w x u
f g
f 0 C R
0
2 2 2
ˆ ˆ, | 1 , | 1
2 2, ,
, , ,
, , )
4.
5.
6.
( ) ( )ˆ7. ;
tan 2( , )
ˆ8.
r s
T Txx k k xx k k u
Ti i ik k k
jx r k jy r kik
jy r k jx r k r k
ik
for all observed features r do
if landmark hasbeenseen before
m x m y
a m y m x
x x u u
x
P f P f f C f
z
z
H
1| 1 | 1
| | 1
| | 1
,
, | 1
, | 1 , , | 1
,
( ) ( ) ( )
9. ( )
ˆ ˆ ˆ10. ( )
11. ( )
12.
ˆ
ˆ ˆ13. ( , ) ,
ˆ
r w m
ik
i T i iTk k k k k k k k
i i ik k k k k k k
i ik k k k k k
j x
xx k k
n n r k k k j y xx k k aug
j s
else
x x xz h h h
K P H H P H R
x x K z z
P I K H P
mP 0
m m x z m P J0 R
m
| |
14.
15.
ˆ16. ,
Taug
k k k k
end if
end for
return
J
x P
Алгоритам неуронског Алгоритам неуронског
линеаризованог линеаризованог
Калмановог филтра:Калмановог филтра:
2
2
1exp
2i
i
ξ x x μ
1 exp 2
1 exp 2
xξ x
x
НЛКФ је развијен за
сигмоидну активацину сигмоидну активацину
функцијуфункцију
...тј. НЛКФНЛКФ--ВПВП и
НЛКФНЛКФ--РАФ...РАФ...
као и радијалну радијалну
активациону функцију активациону функцију
Гаусовог типаГаусовог типа
99/77/77
1.1. НЛКФНЛКФ--ВП (једнослојне ВНМ)ВП (једнослојне ВНМ) 2. НЛКФ2. НЛКФ--ВП (двослојне ВНМ)ВП (двослојне ВНМ)
3. НЛКФ3. НЛКФ--РАФРАФ
4. ЛКФ4. ЛКФ
1010// 3232
Дискусија Дискусија
- Неизбежно је да ЛКФ потцени грешку, услед чега постајеоптимистичан;
- Проблем представљају и конструктивне карактеристике мобилногробота које значајно могу да утичу на управљачку команду;
- Да би компензовали овај утицај конструкције на процес оцењивањаположаја током кретања, развијенразвијен јеје новинови видвид линеаризованоглинеаризованогКалмановогКалмановог филтрафилтра интегрисанинтегрисан саса вештачкомвештачком неуронскомнеуронском мрежоммрежом;
- Монте Карло симулација показала је да је нормализовананормализована грешкагрешкаоцењивањаоцењивања мањамања кодкод НЛКФ НЛКФ оценаоцена (без обзира на тип филтра –НЛКФ-ВП или НЛКФ-РАФ);
- Приликом поновне детекције карактеристичних објеката(затварање петље), НЛКФ НЛКФ генеришегенерише бољебоље оценеоцене грешкегрешке, па самимтим и остаје у оквиру граница одређених бројем независних МонтеКарло понављања.
1111// 3232
ССимултано оцењивање положаја мобилног робота и имултано оцењивање положаја мобилног робота и
карактеристичних објеката уз примену система карактеристичних објеката уз примену система
препознавања на бази калибрисане камерепрепознавања на бази калибрисане камере
- Симулација => Реални
свет
- Применити НЛКФ-а на
мобилном роботу;
- Искористити предности
НЛКФ-а у
експерименталном
процесу;
- Моделирање непознатих
недетерминистичких
утицаја у реалном времену
модификацијом
параметара вештачке
неуронске мреже
1212// 3232
Модел инфинитезимално малог отвора бленде (pinhole camera)Модел инфинитезимално малог отвора бленде (pinhole camera)
1313// 3232
- Карактеристични објекат представља објекат у равни слике који се на
неки оптималан начин разликује од осталих;
1414/77/77
Дефинисање Дефинисање
карактеристичних карактеристичних
објеката у „меморији” објеката у „меморији”
филтра:филтра:
- позиција у равни слике -
(u,v) координате
(дефинисана применом
алгоритма препознавања);
- део слике димензија (20
[pxl] х 20 [pxl]), где је
идентификовани објекат у
центру.
тј. вектор мерења
је:
Ti i iu v siz
1515// 3232
Експериментални резултатиЕкспериментални резултати
-- Мобилни робот Khepera IIМобилни робот Khepera II
-- USB камера (320х240)USB камера (320х240)
-- Десктоп рачунар (2,20 GHz; 1 GB RAM) Десктоп рачунар (2,20 GHz; 1 GB RAM)
-- RS232 (мобилни робот и рачунар)RS232 (мобилни робот и рачунар)
-- USB (камера и рачунар)USB (камера и рачунар)
1616/77/77
Неуронски линеаризовани Неуронски линеаризовани
Калманов филтарКалманов филтар--
експериментални резултатиекспериментални резултати
- Са леве стране су дате
НЛКФ оцене позиција свих
карактеристичних објеката
- Са десне стране је НЛКФ
оцена положаја мобилног
робота
1717// 3232
Упоредни приказ Упоредни приказ
НЛКФНЛКФ, , ЛКФЛКФ и и
одометријскиходометријских оцена оцена
положаја мобилног положаја мобилног
робота (путање)робота (путање)
Te ( ) ( )filt stv filt stvr r r r
1818/77/77
1919// 3232
Дискусија Дискусија - Неуронски линеаризовани Калманов филтар омогућује on line
модификацију параметара вештачке неуронске мреже (машинско учење)
током експлоатације мобилног робота;
- Претпоставља се да вештачка неуронска мрежа може да научи (оцени)
нелинеарну везу која постоји између стања мобилног робота и управљачких
величина;
- Информације о овој функционалној зависности се „налазе” у параметрима
вештачке неуронске мреже;
- Експериментални резултати потврђују да НЛКФ у идентичним
контролисаним условима генерише оцену положајагенерише оцену положаја мобилног робота више више
тачноститачности о ЛКФ-а и одометрије.
2020// 3232
Еволуција роботикеЕволуција роботике
2121// 3232
Нова хибридна управљачка архитектураНова хибридна управљачка архитектура
2222// 3232
LEGO LEGO MindstormsMindstorms NXTNXT
-- Ecole Polytechnique Ecole Polytechnique
Fédérale de Lausanne Fédérale de Lausanne ––
(EPFL)(EPFL)
-- University Carnegie University Carnegie
Mellon Mellon –– The Robotics The Robotics
InstituteInstitute
-- University of University of AchenAchen
-- University of Zurich University of Zurich
((профпроф. . дрдр РолфРолф ФајферФајфер) )
-- ……
2323/77/77
Експериментални Експериментални
резултатирезултати
2424// 3232
Нови хибридни алгоритам за управљање мобилним Нови хибридни алгоритам за управљање мобилним
роботима на основу повратне информације од роботима на основу повратне информације од
камерекамере
УОИК – управљање на основу повратне
информације од камере
УОП – управљање на основу положаја
НЛКФ – неуронски линеаризовани
Калманов филтар
,T
u v
- Вектор стања
- Управљања
, ,T
p x y
2525// 3232
- Транспортни задатак раздвојен је на два дела:
- глобално управљање (од тренутног положаја до положаја
непосредно испред машине алатке или међускладишта) и
- локално управљање (од положаја непосредно испред
машине алатке или међускладишта до саме машине алатке
или међускладипта).
- Елиминисана потреба за транспортном инфраструктуром у виду жица
или карактеристичних маркера;
Елиминисана потреба за информацијом о положају и облику свих
објеката у оквиру посматраног технолошког окружења;
- Предност: промена распореда машина алатки или међускладишта,
2626/77/77
2727/77/77
Експериментални Експериментални
резултати:резултати:
- а)-б) кретање од
почетног положаја до
првог циљног положаја
(УОП петља);
- б)-д) кретање од
првог циљног положаја
до прве машине алатке
и преузимање радног
предмета (УОИК
петља);
- д)-з) кретање од прве
машине алатке до
другог циљног
положаја (УОП петља);
- з)-к) кретање од
другог циљног
положаја до друге
машине алатке и
постављање радног
предмета на жељену
позицију (УОИК
петља).
2828// 3232
Почетна слика Почетна слика Циљна слика Циљна слика Завршна сликаЗавршна слика
након првог сегмента УОИК петље.
Експериментални резултати:Експериментални резултати:
2929// 3232
Почетна слика Почетна слика Циљна сликаЦиљна слика Завршна сликаЗавршна слика
након другог сегмента УОИК петље.
Експериментални резултати:Експериментални резултати:
3030/77/77
Експериментални Експериментални
резултати:резултати:
-НЛКФ оцене
положаја мобилног
робота;
3131// 3232
ДискусијаДискусија
- Камера је примењена за навођење према жељеном положају који је
дефинисан циљном сликом ради преузимања радног предмета
- Камера обезбеђује информацију неопходну оцењивање положаја АВР
на основу неуронског линеаризованог Калмановог филтра;
- Експериментални резултати потврђују да развијени новинови хибриднихибридни
управљачкиуправљачки алгоритамалгоритам омогућаваомогућава обављањеобављање транспортногтранспортног задатказадатка, који
се састоји од навигације између међускладишта/машина алатки и
преузимања/постављања радног предмета;
- За примену развијеног хибридног управљачког алгоритма нисунису
потребнипотребни вештачкивештачки постављенипостављени карактеристичникарактеристични објектиобјекти у у технолошкомтехнолошком
окружењуокружењу ради навигације АВР;
- Структура НЛКФ алгоритма обезбеђује примену других Гаусовских
филтара (АСАМ или ЛИФ);
- За остваривање фреквенције од 30 [Hz] неопходан додатни хардвер.
3232// 3232
ХвалаХвала вамвам нана
пажњипажњи!!
Питања?Питања?