مسيريابي ربات بستر پويا در محيط ناشناخته بر مبناي مفاهيم كنترل‌كننده‌ي افق پيش‌بين و مخروط تصادم سرعت

Motion planning of mobile robots in the unknown circumstances based on the receding horizon control and velocity obstacle concepts

در اين پژوهش، الگوريتمي نوين كه تركيبي از برنامه‌ريزي گسسته، بهينه‌سازي محدب، قيود مخروط تصادم سرعت و افق پيش‌بين مي‌باشد، براي مسيريابي و كنترل بلادرنگ و عاري از تداخل ربات‌هاي متحرك ارائه مي‌گردد. در اين مقاله، محيط مورد نظر محيط ناشناخته مي باشد كه الگوريتم ارائه شده براي دو سناريو مجزا، يكي براي محيط ناشناخته‌ي ثابت و ديگري محيط ناشناخته‌ي پويا با استفاده از بسته ي نرم افزاري سي وي ايكس در شبيه ساز متلب ابتدا شبيه‌سازي مي‌شود و سپس در ادامه با در نظر گرفتن ملاحظات لازم براي ربات واقعي، الگوريتم بر روي ربات اي پاك در محيط رآس پياده‌سازي مي‌گردد. به منظور پياده سازي از حل كننده ي گوروبي با مجوز آموزشي استفاده مي‌گردد. به منظور محدب سازي قيود نامحدب، از روش برنامه نويسي مخلوط عدد صحيح خطي استفاده مي‌شود. همچنين، تمامي قيود بايد حالت خطي خود را در افق‌هاي بعدي نيز حفظ نمايند. از اين رو، براي اجتناب از برخورد، از دو نوع قيد استفاده مي‌شود. در افق اول، از قيد مخروط تصادم به منظور تضمين عدم برخورد و در افق‌هاي بعدي از قيود مبتني بر مفهوم روش باگ به منظور عدم برخورد و همچنين مدل كردن قسمتي از نامعيني ها در اندازه‌گيري موقعيت و سرعت‌ها استفاده شده است. نتايج نشان مي‌دهند كه اين الگوريتم از قابليت اطمينان بالايي برخوردار بوده و در تمامي موارد ايمني و عدم برخورد با موانع رعايت مي‌شود. همچنين زمان حل در هر مرحله كمتر از 0.004 ثانيه و حاكي از بلادرنگ بودن اين الگوريتم براي مسيريابي اين نوع ربات مي‌باشد.

This paper aims at proposing an algorithm for collision-free motion planning of two wheeled mobile robots. The proposed approach relies on discrete motion planning, convex optimization and receding horizon control (RHC) concepts. The proposed algorithm is employed for motion planning and control of a mobile robot in order to pass through an unknown environment both in simulation and practical implementation. In this regard, CVX package benefited from the Gurobi solver is employed to solve the optimization problem in the simulation. Moreover, in order to perform a collision-free motion planning, corresponding Robot Operating System (ROS) package with the intended mobile robot is employed to cooperate with the provided motion planner package. The provided package utilizes educational license of Gurobi optimizer solely to speed up solving proposed optimization problem and its built in branch and bound for Mixed Linear Integer Programming (MLIP). In order to keep the linear form of the constraints, a combination of the Velocity Obstacle (VO) in the first horizon and Bug method concept for the rest of the horizons is used. Obtained results show the reliability of this algorithm for safe collision avoidance. The reported results reveal this fact that by considering the maximum velocity of the E-puck, obtained computational time is less than 0.004 sec. in each stage which is fast enough for robot motion planning tasks.