로봇은 무선센서를 이용하여 상대 로봇의 위치를 확인한다. 그로인해 자신의 이동방법을 결정하고, 이를 통해 임의위치의 이동 로봇들이 일렬종대와 횡대, 여러 집합모양, 원모양등 여러 가지 형태의 로봇집단을 형성 할 수 있을 것이다. 이러한 로봇집단 형성은 무인 잠수함이나 무인 탱크의 배치계획, 침입자에 대한 포위진형 계획 등에 이용될 것이다. 본 논문은 기반 시설이 필요 없는 군집로봇의 상호위치인식시스템에 대해 다루고 있다. 그러므로 기준점의 좌표 값을 알 필요 없는 삼변측량을 이용하여 상대좌표계에서의 로봇 간 상호위치를 인식한다. 위치탐지를 위한 주요센서로는 초음파, 적외선, 레이저, RFID, 카메라 센서 등을 들 수 있다. 이들 센서들의 정확도는 전파 수단 및 사람, 초목, 건물 등 주위 환경변화에 민감하다. 본 논문에서는 위치추정의 정확도를 높이기 위해 파티클 필터를 제안한다.
로봇은 무선센서를 이용하여 상대 로봇의 위치를 확인한다. 그로인해 자신의 이동방법을 결정하고, 이를 통해 임의위치의 이동 로봇들이 일렬종대와 횡대, 여러 집합모양, 원모양등 여러 가지 형태의 로봇집단을 형성 할 수 있을 것이다. 이러한 로봇집단 형성은 무인 잠수함이나 무인 탱크의 배치계획, 침입자에 대한 포위진형 계획 등에 이용될 것이다. 본 논문은 기반 시설이 필요 없는 군집로봇의 상호위치인식시스템에 대해 다루고 있다. 그러므로 기준점의 좌표 값을 알 필요 없는 삼변측량을 이용하여 상대좌표계에서의 로봇 간 상호위치를 인식한다. 위치탐지를 위한 주요센서로는 초음파, 적외선, 레이저, RFID, 카메라 센서 등을 들 수 있다. 이들 센서들의 정확도는 전파 수단 및 사람, 초목, 건물 등 주위 환경변화에 민감하다. 본 논문에서는 위치추정의 정확도를 높이기 위해 파티클 필터를 제안한다.
robots determine the location of the other robot using wireless sensors. Use it to decide how to move his. And go to any location, will make shape of column and line, circle. In this paper, we discuss problem in circle formation enclosing target which moves. It is method about enclosed invader in ci...
robots determine the location of the other robot using wireless sensors. Use it to decide how to move his. And go to any location, will make shape of column and line, circle. In this paper, we discuss problem in circle formation enclosing target which moves. It is method about enclosed invader in circle formation based on mutual localization of swarm robot without infrastructure. Therefore, use trilateration that do not need to know the value of the coordinates of reference points. So, Specify enclosed point for the number of robots base on between the relative position of the robot in the coordinate system. And particle filter is proposed to improve the accuracy of the location.
robots determine the location of the other robot using wireless sensors. Use it to decide how to move his. And go to any location, will make shape of column and line, circle. In this paper, we discuss problem in circle formation enclosing target which moves. It is method about enclosed invader in circle formation based on mutual localization of swarm robot without infrastructure. Therefore, use trilateration that do not need to know the value of the coordinates of reference points. So, Specify enclosed point for the number of robots base on between the relative position of the robot in the coordinate system. And particle filter is proposed to improve the accuracy of the location.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그러나 이러한 위치측정의 정확도는 전파 수단 및 사람, 초목, 건물 등 주위 환경변화에 민감하다. 그러므로 본 논문에서는 위치추정의 정확도를 높이기 위해 파티클 필터를 제안하였다. 그리고 삼변측량으로 포위위치를 계산하여 침입자를 circle formation으로 포위하는 알고리즘을 제안하였다.
센서로부터 들어온 위치와 각 파티클의 예상 위치를 비교하여 각 파티클의 가중치를 계산한다. 본 논문에서는 dead reckoning으로 계산한 예상 위치와 삼변측량으로 추정한 위치를 비교하게 된다. dead reckoning으로 예측한 로봇의 위치를 센서모델(삼변측량) p(zt |xt)을 이용하여 보다 정확한 현재 위치의 확률 bel(xt)을 식 (12)을 적용하여 구하는 것이다.
그러나 이러한 위치측정의 정확도는 전파 수단 및 사람, 초목, 건물 등 주위 환경변화에 민감하다. 본 논문에서는 위치추정의 정확도를 높이기 위해 파티클 필터를 제안한다.
본 논문은 기반 시설 없이 군집로봇들이 여러 가지 형태의 로봇집단을 형성할 수 있는 방법에 대해 설명하였다. 기반 시설이 없기 때문에 기준점의 좌표를 알 필요 없는 삼변 측량을 이용하여 각 로봇들이 기준점이 되어 로봇 2대로 만들어 지는 상대 좌표계로 나머지 한 대의 위치를 상대적으로 측정한다.
본 논문은 기반 시설이 필요 없는 군집로봇의 상호위치 인식시스템에 대해 다루고 있다. 기존의 다개체 로봇 연구를 좀 쉽게 하는 것이 로봇축구처럼 위에서 카메라로 쏘거나 주변의 기반시설들을 이용해서 로봇들의 절대위치를 측정하고 그걸로 상대위치를 다시 계산해서 쓰고 있다.
본 논문은 이러한 상호위치인식시스템에 기반을 둔 침입자 포위에 대해 말하고자 한다.
가설 설정
Bounding box법은 노드사이의 거리측정 시 오차가 발생 했다는 가정 하에 설계 되었다. 위치계산은 두 원을 그룹으로 생성한 후(AB, AC, BD, CD) 두 교점을 이용해서 사각형 Boundary안의 네 점(I, II, III, VI)의 위치를 구한다.
위에서 기술한, 수신 신호의 세기(RSSI)와의 관계를 이용해서 구할 수도 있으며, 도착 시간(TOA) 혹은 도착 시간차(TDOA) 등을 이용해서도 구할 수 있다. 따라서 이곳에서는 d1, d2, d3의 값을 알고 있다고 가정한다. 또한, 세 기준점의 좌표값도 알고 있기 때문에, 이동 개체의 현재 위치인 (x, y)의 값은 위의 식(1)∼(2)를 이용해서 구할 수 있다.
그리고 파티클 필터를 적용하지 않았지만 삼변측량을 이용하여 컴퓨터 시뮬레이션을 통해 침입자를 포위하는 알고리즘을 평가하였다. 로봇은 6대로 가정하였으며, 각각의 로봇과 침입자의 초기 위치를 바꾸어가며 실험하였다. 그림 9, 10의 실험에서는 로봇들이 circle formation으로 침입자를 포위하는 것을 보인다.
제안 방법
그러므로 본 논문은 기준점의 좌표 값을 알아야하는 삼각측량이나 Bounding box법을 쓰지 않고 삼변측량을 이용하여 로봇 두 대로 만들어지는 상대좌표계에서의 로봇 간 상호위치를 인식한다. 그리고 그렇게 측정된 로봇들의 위치와 위치의 변화량을 이용해서 로봇들의 진행방향을 측정하고, 로봇의 배치나 진형을 계획한다.
그러므로 본 논문은 기준점의 좌표 값을 알아야하는 삼각측량이나 Bounding box법을 쓰지 않고 삼변측량을 이용하여 로봇 두 대로 만들어지는 상대좌표계에서의 로봇 간 상호위치를 인식한다. 그리고 그렇게 측정된 로봇들의 위치와 위치의 변화량을 이용해서 로봇들의 진행방향을 측정하고, 로봇의 배치나 진형을 계획한다. 이 때, 정밀한 배치와 진형을 구성하기 위해서 파티클 필터로 오차를 보정한다.
그러므로 본 논문에서는 위치추정의 정확도를 높이기 위해 파티클 필터를 제안하였다. 그리고 삼변측량으로 포위위치를 계산하여 침입자를 circle formation으로 포위하는 알고리즘을 제안하였다.
그리고 파티클 필터를 적용하지 않았지만 삼변측량을 이용하여 컴퓨터 시뮬레이션을 통해 침입자를 포위하는 알고리즘을 평가하였다. 로봇은 6대로 가정하였으며, 각각의 로봇과 침입자의 초기 위치를 바꾸어가며 실험하였다.
본 논문에서는 matlab을 이용하여 파티클 필터의 효과에 대하여 시뮬레이션 해 보았고, visual studio를 이용하여 포위위치를 계산 해 circle formation으로 침입자를 포위하는 시뮬레이션 해보았다.
본 논문에서는 이동하는 로봇들이 노드가 되므로 이 삼변측량을 이용하여 상대 위치를 파악한다.
센서로부터 들어온 위치와 각 파티클의 예상 위치를 비교하여 각 파티클의 가중치를 계산한다. 본 논문에서는 dead reckoning으로 계산한 예상 위치와 삼변측량으로 추정한 위치를 비교하게 된다.
처음에 추정한 위치 근처에 다수의 파티클들을 분포시키고 로봇이 이동하면서 dead reckoning을 이용하여 계산한 이동거리로 다음 위치를 예측한다.
이론/모형
전자기파 거리 측량기(EDM)의 출현으로 장거리관측의 정확도가 높아짐에 따라 변길이 만을 관측하여 수평위치결정 삼변측량 방법 대두 되었다. cosin 제 2법칙을 이용하여 변길이로부터 각을 구하고 구한 각과 변에 의해 수평위치를 결정한다. 삼각형의 세 변의 길이를 알고 있기 때문에 cosin 제 2법칙에 의해 두 변의 사이 각을 알 수 있다.
성능/효과
시뮬레이션 결과 센서 값으로만 로봇의 현재 위치를 추정하는 것보다 피티클 필터를 이용하여 오차를 보정하므로써 로봇의 현재 위치를 좀 더 정확하게 표현되는 것을 알 수 있었다. 그러므로 기반 시설 없이 삼변측량으로 상대위치를 추정해야 하는 상황에서 정밀한 배치와 진형을 구성하기 위해서는 파티클 필터에 의한 효과가 필수적이다.
파티클 재추출 단계에서는 새로운 파티클을 이 가중치를 이용하여 다시 추출하게 되고 새롭게 추출된 파티클은 현재 로봇의 위치를 좀 더 정확하게 표현하게 되는 것이다. 시뮬레이션으로 거리측정에서 로봇의 실제위치를 파티클 필터를 이용함으로써 좀 더 정확하게 표현됨을 보였다.
후속연구
첫째, 다양한 장애물과 다수의 로봇이 존재하는 복잡한 환경에서의 시뮬레이션을 통해 제안된 알고리즘을 평가하고 수정할 것이다. 둘째, 컴퓨터 시뮬레이션 환경이 아닌 실제 로봇에 적용함으로써 제안된 알고리즘의 문제점과 성능을 평가해볼 것이다. 이러한 과정을 통하여 우리는 본 논문에서 제안한 알고리즘의 성능을 평가하고, 수정이 필요한 부분을 보완하여 더욱 적합한 알고리즘을 만들어 낼 수 있을 것이다.
둘째, 컴퓨터 시뮬레이션 환경이 아닌 실제 로봇에 적용함으로써 제안된 알고리즘의 문제점과 성능을 평가해볼 것이다. 이러한 과정을 통하여 우리는 본 논문에서 제안한 알고리즘의 성능을 평가하고, 수정이 필요한 부분을 보완하여 더욱 적합한 알고리즘을 만들어 낼 수 있을 것이다. 이러한 복잡하거나 열악한 환경에도 파티클 필터의 적용이 이루어 질 수 있도록 추가 연구를 진행할 예정이다.
로봇은 상대 로봇의 위치를 확인하여 자신의 이동방법을 결정하고, 이를 통해 임의위치의 이동 로봇들이 일렬종대와 횡대, 여러 집합모양, 원모양등 여러 가지 형태의 로봇집단을 형성 할 수 있을 것이다. 이러한 로봇집단 형성은 무인 잠수함이나 무인 탱크의 배치계획, 침입자에 대한 포위진형 계획 등에 이용될 것이다.
이러한 과정을 통하여 우리는 본 논문에서 제안한 알고리즘의 성능을 평가하고, 수정이 필요한 부분을 보완하여 더욱 적합한 알고리즘을 만들어 낼 수 있을 것이다. 이러한 복잡하거나 열악한 환경에도 파티클 필터의 적용이 이루어 질 수 있도록 추가 연구를 진행할 예정이다.
향후 연구는 다음과 같은 점을 고려하여 진행해 나갈 예정이다. 첫째, 다양한 장애물과 다수의 로봇이 존재하는 복잡한 환경에서의 시뮬레이션을 통해 제안된 알고리즘을 평가하고 수정할 것이다. 둘째, 컴퓨터 시뮬레이션 환경이 아닌 실제 로봇에 적용함으로써 제안된 알고리즘의 문제점과 성능을 평가해볼 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
RSSI를 이용한 거리 측정 방법은 무엇인가?
RSSI를 이용한 거리 측정 방법은 AP(Access Point)에서 수신된 무선이동장치 혹은 태그의 신호 세기를 측정하여 이용하는 것으로, 태그와 AP 사이에서의 신호의 파워 손실 혹은 경로 손실(path loss)을 신호가 이동한 거리와 연결시키는 방식이다. 신호의 경로 손실과 거리와의 관계는 식 (1)에 보이는 Friis의 공식에 의해 설명된다.
대표적인 센서간 거리측정 기술에는 어떤 기술들이 있는가?
대표적인 센서간 거리측정 기술에는 RSSI(Received Signal Strength Indicator), ToA(Time of Arrival), TDoA(Time Difference of Arrival), 그리고 AoA(Angle of Arrival)등이 있다[1].
위치탐지를 위한 주요센서들을 이용한 위치탐지 기술의 예를 들어 보시오.
위치탐지를 위한 주요센서로는 초음파, 적외선, 레이저, RFID, 카메라 센서 등을 들 수 있다. 이들 센서들을 이용한 위치탐지 기술로는 TOA, TDOA, AOA, RSSI, 삼각측량법, 장면분석, 근접성 등을 들 수 있으며 각 기술의 특성에 따라 각종 응용에 널리 이용되고 있음을 알 수 있다. 그러나 이러한 위치측정의 정확도는 전파 수단 및 사람, 초목, 건물 등 주위 환경변화에 민감하다.
참고문헌 (8)
Boukerche, A, Oliveira, H.A.B, Nakamura, E.F, and Loureiro, A.A.F, "Localization systems for wireless sensor networks," Wireless Communications, IEEE, Vol 14, pp 6-12, Dec 2007.
Yi Jiang and Victor C. M. Leung, "An asymmetric doulbe sided two-way ranging for crystal offset," Proceeding of the International Symposium on signals, systems and Electronics. IEEE, pp. 525-528, 2007.
Nissanka B. Priyantha, Anit Chakraborty, Hari Balakrishnan, "The Cricket Location-Support system," 6th ACM International Conference on Mobile Computing and Networking (ACM MOBICOM), Boston, MA, pp. 32-43, August, 2000.
Madow, W. G, "On the theory of systematic sampling, II" Annals of Mathematical Statistics, 20, pp. 333-354, 1949.
H. Yamaguchi, "A Cooperative Hunting Behavior by Mobile Robot Troops," Proceeding of the 1998 IEEE International Conference on Robotics and Automatation(ICRA'98), pp. 3204-3209, 1998.
D. J. Park and B. E. Mullins, "Toward Finding an Universal Search Algorithm for Swarm Robots," Proceeding of the 2003 IEEE/RSJ International Conference on Intelligent Robots and Systems, Las Vegas, Nevada, pp.1945-1950, October, 2003.
H. Yamaguchi, "A Cooperative Hunting Behavior by multiple nonholonomous Mobile Robots," Proceeding of the 1998 IEEE International Conference on Robotics and Automation(ICRA'98), pp. 3347-3352, 1998.
J. Borenstein, Y. Koren, "Potential Field Methods and Their Inherent Limitations for Mobile Robot Navigation", Proceeding of the IEEE Conference on Robotics and Automation(ICRA'91), Sacramento, California, pp. 1398-1404, April 7-12, 1991.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.