Recherche de l'objectif et évitement des obstacles de l'Omni Robot dans un environnement inconnu
Résumé:
Récemment, la demande de robots a augmenté dans divers aspects de notre vie. Les chercheurs en robots mobiles se concentrent sur la recherche de cibles et l'évitement d'obstacles dans des environnements dangereux. En raison de la difficulté à trouver le modèle exact pour le robot mobile "Robotino®", la décision d'utiliser les capacités du contrôleur logique flou (FLC) pour introduire un Robotino® cherchant une cible sans aucune intervention humaine a été prise. Dans cet article, la conception et la mise en œuvre du contrôle de position utilisant deux contrôleurs logiques flous pour Robotino® sont présentées. Matlab est utilisé pour mettre en œuvre les deux contrôleurs. De plus, l'Équation de Ligne Droite (SLE) est utilisée pour faire en sorte que Robotino® atteigne sa cible. En utilisant trois capteurs infrarouges et un capteur ultrasonique, les résultats des expériences en temps réel montrent que Robotino® peut détecter et éviter tout obstacle pouvant se trouver sur son chemin.
Mots-clés— (Robot mobile, Robotino®, Robot mobile omnidirectionnel, Recherche de cibles, Évitement d'obstacles, Contrôleur logique flou.)
Al-Dahhan, M. R. H., & Schmidt, K. W, "Planification de chemin sûre et efficace pour les robots omnidirectionnels utilisant une frontière Voronoi gonflée", Çankaya Üniversitesi Bilim ve Mühendislik Dergisi, Turquie,
K.-H. Park, Y.-J. Kim, et J.-H. Kim, “Coopération multi-agent basée sur l'apprentissage Q modulaire pour le football robotique”, 16(2), 46-69, 2019 Robotics and Autonomous Systems, vol. 35, no. 2, pp.
E. J. G´omez, F.M. Santa, et F.H.M. Sarmiento,“Une étude comparative des méthodes de planification de chemin géométrique pour un robot mobile : champ potentiel et diagrammes de Voronoi,” dans les Actes du 2ème Congrès International de Mécatronique et d'Automatisation,
M. Weigl, B. Siemiaatkowska, K. A. Sikorski, et A. Borkowski, “Cartographie basée sur une grille pour un robot mobile autonome,” Robotics and Autonomous Systems, vol.
11, no. 1, pp. 13–21, 1993.
K.-H. Park, Y.-J. Kim, et J.-H. Kim, “Coopération multi-agent basée sur l'apprentissage Q modulaire pour le football robotique”, Robotics and Autonomous Systems, vol. 35, no. 2, pp.
Singh, N. H., & Thongam, K. Approches basées sur les réseaux neuronaux pour la navigation de robots mobiles dans des environnements avec obstacles statiques et mobiles. Intelligent Service
Robotics, 12(1), 55-67, 2019.