[논문]PSO를 이용한 이족보행로봇의 보행 계획

김승석; 김용태

doi:10.5391/jkiis.2008.18.4.566

PSO를 이용한 이족보행로봇의 보행 계획
Footstep Planning of Biped Robot Using Particle Swarm Optimization 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.18 no.4, 2008년, pp.566 - 571

김승석 (충북대학교 전기전자공학부, 컴퓨터 정보통신 연구소) , 김용태 (한경대학교 정보제어공학과, 전자기술종합연구소)

초록
AI-Helper

본 논문에서는 Particle Swarm Optimization(PSO) 기법을 이용한 이족보행로봇의 보행 계획 방법을 제안한다. 이족보행로봇의 보행 프리미티브를 기반으로 PSO의 학습 및 군집 특성을 이용하여 장애물이 있는 2차원 작업공간에서 보행 계획 방법을 설계하였다. 먼저 PSO의 탐색알고리즘을 사용하여 장애물을 회피하는 실행 가능한 보행 프리미티브들의 순서를 찾아서 보행 경로를 생성하고, 탐색된 경로를 바탕으로 보행 걸음수와 이동 거리를 최적화 하는 경로 최적화 알고리즘을 제안하였다. 제안된 보행 계획방법은 다양한 구성의 장애물을 포함한 작업환경에서 모의실험을 통하여 발걸음 탐색 시간이 줄고 최적화된 보행 경로를 생성하는 것을 검증하였다.

Abstract ▼ AI-Helper

In this paper, we propose a footstep planning method of biped robot based on the Particle Swarm Optimization(PSO). We define configuration and locomotion primitives for biped robots in the 2 dimensional workspace. A footstep planning method is designed using learning process of PSO that is initialized with a population of random objects and searches for optima by updating generations. The footstep planner searches for a feasible sequence of locomotion primitives between a starting point and a goal, and generates a path that avoids the obstacles. We design a path optimization algorithm that optimizes the footstep number and planning cost based on the path generated in the PSO learning process. The proposed planning method is verified by simulation examples in cluttered environments.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 2차원 작업 공간에서 PSO 기법을 이용한 이족보행 로봇의 보행 계획 방법을 제안하였다. 다양한 장애물을 가진 복잡한 환경에서 보행계획 시간을 줄이기 위해서 보행 프리미티브와 PSO의 군집 및 학습방법을 사용하여 보행 계획기를 설계하고, 로봇의 보행거리를 줄이고 학습 과정에서 발생한 불필요한 경로의 최적화를 위해서 경로 최적화 알고리즘을 제안하였다.
본 본문에서는 보행 프리미티브를 기반으로 PSO를 사용한 이족보행로봇의 보행 계획 방법과 보행 경로 최적화 알고리즘을 제안하고, 다양한 2차원 장애물 환경에서 모의 실험을 통해 제안한 방법의 성능을 검증하였다.

제안 방법

2차원의 장애물 환경에서 이족로봇의 보행 경로 탐색을 위해 직진, 좌우 사선 직진, 좌우 이동, 좌우 회전 프리미티브 등을 구성하였으며, PSO 알고리즘을 보행 계획에 적용하기 위해 로봇의 진행 방향 및 보폭을 각 객체의 파라미터로 설정하였다. 이족로봇의 보행 경로는 2차원 좌표와 이동 방향。로 구성되므로, PSO 객체의 파라미터는 2차원 공간의 z 축과; 축 위치, 방향。로 구성하였다.
보행 계획 방법을 제안하였다. 다양한 장애물을 가진 복잡한 환경에서 보행계획 시간을 줄이기 위해서 보행 프리미티브와 PSO의 군집 및 학습방법을 사용하여 보행 계획기를 설계하고, 로봇의 보행거리를 줄이고 학습 과정에서 발생한 불필요한 경로의 최적화를 위해서 경로 최적화 알고리즘을 제안하였다. 제안한 방법은 다양한 2차원의 장애물 환경에서 모의실험을 통해 성능을 검증하였다.
다양한 형태의 장애물을 가지는 환-경에서 이족보행 로봇의 경로 탐색 및 최적화 모의실험을 실시하여 제안한 방법을 검증하였다. 보행 경로 탐색에는 PSO 학습 기법을 이용하여 다수의 반복을 통해 다양한 경로를 탐색하였으며, 경로 최적화 기법을 제안하여 최단 경로를 추정하였디' PSO 학습에서는 목적지와의 가장 가까운 거리를 가지는 객체가 군집의 중심점이 되도록 설정하여 학습시켰으며, 경로 최적화 기법에서는 장애물과 접촉하지 않는 최장 경로를 찾도록 설정하였다.
예를 들어, 먹이를 찾아 군무를 이루며 이동하는 새들의 비행형태를 보면 각각은 일정한 행동 양식을 가지고 전체 무리와 어울린다. 먹이를 탐색하는 과정에서, 군집에서 가장 우수한 먹이 위치를 탐색한 객체를 중심으로 군집은 이동하면서 각각은 더 우수한 먹이 위치를 지속적으로 탐색하며 진행한다. 탐색 과정 중에서 다른 객체가 더 우수한 먹이 위치를 탐색할 경우 전체 군집에 통보하며 군무는 새로운 먹이 위치를 탐색한 객체를 중심으로 다시 비행을 하면서도 각 객체는 더 우수한 먹이 위치를 지속적으로 탐색한 匸土 각각은 저지능 객체이지만 자신의 위치에서 탐색된 결과의 정보를 군집과 공유함으로써 군집 전체는 해를 탐색하는 능력이 향상된다.
먼저 그림 6에서와 같이 3종류 15개의 장「애물을 가지는 환경에서 제안한 방법을 검증하였다. PSO를 이용하여 보행 경로를 탐색하는 경우, 가장 우수한 성능을 가지는 객체를 중심으로 군집이 이동하는 것을 볼 수 있다.
검증하였다. 보행 경로 탐색에는 PSO 학습 기법을 이용하여 다수의 반복을 통해 다양한 경로를 탐색하였으며, 경로 최적화 기법을 제안하여 최단 경로를 추정하였디' PSO 학습에서는 목적지와의 가장 가까운 거리를 가지는 객체가 군집의 중심점이 되도록 설정하여 학습시켰으며, 경로 최적화 기법에서는 장애물과 접촉하지 않는 최장 경로를 찾도록 설정하였다.
다양한 장애물을 가진 복잡한 환경에서 보행계획 시간을 줄이기 위해서 보행 프리미티브와 PSO의 군집 및 학습방법을 사용하여 보행 계획기를 설계하고, 로봇의 보행거리를 줄이고 학습 과정에서 발생한 불필요한 경로의 최적화를 위해서 경로 최적화 알고리즘을 제안하였다. 제안한 방법은 다양한 2차원의 장애물 환경에서 모의실험을 통해 성능을 검증하였다.
식(3)과 식(4)에서 보듯이 최적값을 가지는 위치를 중심으로 각 객체들은 일정한 수렴특성을 가진다. 하나의 최적값을 가진 객체를 중심으로 나머지 객체가 수렴 특성을 이용하여 학습을 지속한다. 이를 이용하여 학습 알고리즘으로 표현하면 그림 1과 같다.
이동한다. 한걸음 이동된 위치에서 다시 장애물과 충돌하지 않는 가장 먼 경로를 탐색하여 최장 경로 방향으로 보행을 반복하는 형태로 최적화 알고리즘을 구현하였다. 이러한 보행은 반복적으로 이루어지며 목적지까지 지속적으로 최단 경로를 탐색하면 최적화된 보행 경로가 생성된다.

대상 데이터

본 연구에서 학습에 이용되는 군집은 각각의 학습 파라미터를 가진 객체를 20개로 구성하였다. 임의의 학습 파라미터를 이용하므로 매회 시도마다 추정되는 경로는 달라질 수 있다.

참고문헌 (5)

J.J. Kuffner, S. Kagami, K. Nishiwaki, M. Inaba, and H. Inoue, "Dynamically- stable motion planning for humanoid robots", Autonomous Robots, Vol. 12, No. 1, pp. 105-118, 2002

상세보기
J. Kuffner, K. Nishiwaki, S. Kagami, M. Inaba, and H. Inoue, "Motion planning for humanoid robots", In Int. Symp. Rob. Res., Siena, Italy, 2003
김용태, 노수희, 이희진, "이족보행로봇의 비평탄지형 보행 및 자세 안정화 알고리즘," 퍼지 및 지능 시스템학회 논문지, 제15권 1호, pp. 907-913, 2005
김용태, 김한정, "3차원 작업공간에서 보행 프리미티브를 이용한 다리형 로봇의 운동 계획", 로봇공학회논문지, 제2권 3호, pp. 275-281, 2007
Kenndy. J, Eberhart. R, "Particle Swarm Optimization", IEEE Conference on Neural Networks 1995, Vol 4, pp. 1942-1948, 1995

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

PSO를 이용한 이족보행로봇의 보행 계획
Footstep Planning of Biped Robot Using Particle Swarm Optimization 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

참고문헌 (5)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

PSO를 이용한 이족보행로봇의 보행 계획 Footstep Planning of Biped Robot Using Particle Swarm Optimization 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

참고문헌 (5)

이 논문을 인용한 문헌

저자의 다른 논문 :

김승석 (12) 김용태 (38)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

PSO를 이용한 이족보행로봇의 보행 계획
Footstep Planning of Biped Robot Using Particle Swarm Optimization 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper