$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

D* 서치와 퍼지 알고리즘을 이용한 모바일 로봇의 충돌회피 주행제어 알고리즘 설계
Development of a Navigation Control Algorithm for Mobile Robots Using D* Search and Fuzzy Algorithm 원문보기

大韓機械學會論文集. Transactions of the Korean Society of Mechanical Engineers. A. A, v.34 no.8=no.299, 2010년, pp.971 - 980  

정윤하 (STX 조선해양 조선해양연구소) ,  박효운 (윙쉽테크놀러지(주) 선형항법팀) ,  이상진 (충남대학교 메카트로닉스공학과) ,  원문철 (충남대학교 메카트로닉스공학과)

초록
AI-Helper 아이콘AI-Helper

이 논문은 모바일 로봇이 고정 장애물 또는 움직이는 장애물이 존재하는 환경에서 장애물을 회피하며 운행될 수 있는 제어 알고리즘을 연구하였다. 이 제어 알고리즘은 $D^*$ 알고리즘과, 충돌 위험도 퍼지로직, 이동로봇의 행동결정 퍼지로직을 사용하여 전역경로계획과 지역경로계획을 수행한다. $D^*$ 알고리즘에는 로봇이 이동하는 2 차원 공간을 정방형 격자 분활하여 적용한다. 이 알고리즘은 파이썬 프로그래밍 언어와 이동로봇의 운동방정식을 사용한 시뮬레이션을 통해 검증하였다. 시뮬레이션 결과를 통해 알고리즘을 적용하여 로봇이 이동하는 장애물을 피하거나 모르는 고정 장애물을 피하면서 원하는 위치로 이동하는 것을 볼 수 있다.

Abstract AI-Helper 아이콘AI-Helper

In this paper, we present a navigation control algorithm for mobile robots that move in environments having static and moving obstacles. The algorithm includes a global and a local path-planning algorithm that uses $D^*$ search algorithm, a fuzzy logic for determining the immediate level ...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 3에서 화살표 방향 정보를 이용하여 현재 지점 주변 지역에서만 경로계획은 다시 하게 된다. 따라서 D* 알고리즘과 본문에서 제시하는 이동장애물 회피로직을 이용하여 알려지지 않은 고정장애물과 이동장애물이 있는 환경하에서 이동로봇의 충돌회피 주행제어 알고리즘을 제안하고자 한다.
  • 또한 본 논문에서는 로봇이 초음파 센서등과 같이 제한된 근접범위만 탐지할 수 있는 장애물 감지 센서만을 가진 것으로 가정하였고, 자신의 현재 위치는 정확히 아는 것으로 가정하였다. 따라서 본 논문에서는 먼저 D* 알고리즘에 대해서 소개를 하고 이후 퍼지 알고리즘을 이용한 충돌회피 제어 알고리즘과 시뮬레이션을 통한 알고리즘의 검증 결과에 대해 논의 하고자 한다.
  • 본 논문에서는 D* 알고리즘과 퍼지규칙을 이용하여 전역, 지역 경로계획이 동시에 가능한 이동로봇의 충돌회피 주행 제어 알고리즘을 제안하였다. 일반적으로 전역경로계획과 지역 경로계획을 구분해서 사용하는 경우가 많은데 D* 알고리즘을 사용할 경우 예상치 않은 고정장애물 및 이동장애물에 의한 주변 환경이 변해도 영향을 받는 지역에서만 경로수정이 빠르게 가능하기 때문이다.
  • 지역경로계획은 일반적으로 국부최소(Local Minimum)에 빠질 위험성을 갖고 있기 때문에 단독으로 사용할 경우 목적지에 도달하지 못하는 문제가 생길 수 있게 된다. 본 논문에서는 D*서치 알고리즘(16)을 이용하여 전역 경로계획과 지역경로계획이 하나의 알고리즘으로 융합되는 충돌회피 알고리즘을 제안하고자 한다.
  • 본 논문에서는 서치 알고리즘 중의 하나인 D* 알고리즘을 사용하여 충돌회피 제어 알고리즘을 개발하고자 한다. D* 알고리즘은 다른 알고리즘에 비해서 많은 데이터 저장공간을 필요로 하는 단점이 있지만 전역 경로계획 뿐만 아니라 지역 경로계획도 동시에 가능하다.
  • 이동로봇이 주행 중 이동장애물을 만날 경우 본 논문에서는 인간의 이동장애물 회피 방법을 모사하는 세 가지의 행동을 하여 이동장애물과의 충돌을 회피하고자 한다. 첫 번째는 속도를 증가시켜 앞질러가기, 두 번째는 속도를 감소시키거나 혹은 정지하여 이동장애물이 지나가는 것을 기다리기, 세 번째는 경로를 수정하여 주행하는 것이다.

가설 설정

  • 최초에 주어진 정보에 의한 전역 경로계획과 주행 도중에 경로를 수정해야 하는 경우에는 D* 알고리즘을 적용하였고 이동장애물이나 알려지지 않은 고정 장애물 발견 시 경로비용을 변경하고 충돌 위험도를 평가하여 경로의 수정이나 혹은 이동로봇의 가/감속을 결정하는 것은 퍼지 알고리즘을 적용하였다. 또한 본 논문에서는 로봇이 초음파 센서등과 같이 제한된 근접범위만 탐지할 수 있는 장애물 감지 센서만을 가진 것으로 가정하였고, 자신의 현재 위치는 정확히 아는 것으로 가정하였다. 따라서 본 논문에서는 먼저 D* 알고리즘에 대해서 소개를 하고 이후 퍼지 알고리즘을 이용한 충돌회피 제어 알고리즘과 시뮬레이션을 통한 알고리즘의 검증 결과에 대해 논의 하고자 한다.
  • 으로 개발한 시뮬레이션 프로그램을 통해서 검증하였다. 또한 이동장애물의 속도 및 가속, 선회 성능이 이동로봇보다 빠른 경우에는 충돌을 회피하지 못하는 경우가 많기 때문에 이동장애물의 속도 및 가속, 선회 성능은 이동로봇을 능가 하지 못하는 경우로 가정하였다.
  • 본 논문에서는 로봇이 이동 장애물과 고정장애물을 구별할 수 있다고 가정한다. 실제로 Ess 등은 참고문헌[19]에서 비젼시스템을 이용하여 이들을 구별하는 방법을 제시한다.
  • 설계된 알고리즘의 성능검증을 위해 세그웨이 형태의 이동로봇을 가정하여 주행 시뮬레이션을 수행하였다.
  • 이동 장애물과 로봇의 상대위치는 아는 것으로 가정하였다. 이 경우 장애물의 진행 방향과 속도는 한 타임 스텝전의 위치를 이용하여 근사적으로 구할 수 있다.
  • 16은 역시 두 개의 이동 장애물이 로봇과 만나는 상황을 시뮬레이션한 결과로 (a), (b), (c), (d)가 순차적인 충돌회피 장면을 보여준다. 이때 장애물 감지 센서는 비젼이나 초음파센서처럼 장애물에 가려진 부분은 탐지하지 못한다고 가정한다. 아래 Fig.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
충돌회피 제어 알고리즘은 어떻게 구분되는가? 이동로봇(Mobile Robot)이 자율 주행을 함에 있어서 충돌회피 제어 알고리즘은 목적지까지의 최적의 경로를 설정하고 고정 장애물 또는 움직이는 장애물 등을 회피하는데 반드시 필요하다. 이런 충돌회피 제어 알고리즘은 크게 경로계획(Path Planning)과 장애물회피(Collision Avoidance) 등으로 나눌 수 있다. 경로계획 알고리즘은 주어진 지도나 기타 다른 정보들로부터 고정된 장애물과의 충돌을 피해서 원하는 목적지까지 최소의 비용으로 도달하는 최적의 경로를 생성하는 것이다.
경로계획 알고리즘은 어떠한 방법으로 연구되고 있는가? 경로계획 알고리즘은 주어진 지도나 기타 다른 정보들로부터 고정된 장애물과의 충돌을 피해서 원하는 목적지까지 최소의 비용으로 도달하는 최적의 경로를 생성하는 것이다. 이런 경로계획을 전역 경로계획(Global Path Planning)이라고도 하며 Potential Field 를 이용한 알고리즘,(1~4)유전자 알고리즘(genetic Algorithm),(5) RRTs(RapidlyExploring Random Trees),(6) 구배법(Gradient Method, GM) 등(7)의 방법으로 연구되어지고 있다. 일반적으로 전역 경로계획은 시간이 많이 소요되기 때문에 움직이는 장애물이나 주어진 지도 정보 등이 정확하지 않을 경우 실시간으로 경로계획을 변경하기가 용이하지 않을 수 있다.
경로계획 알고리즘이란 무엇인가? 이런 충돌회피 제어 알고리즘은 크게 경로계획(Path Planning)과 장애물회피(Collision Avoidance) 등으로 나눌 수 있다. 경로계획 알고리즘은 주어진 지도나 기타 다른 정보들로부터 고정된 장애물과의 충돌을 피해서 원하는 목적지까지 최소의 비용으로 도달하는 최적의 경로를 생성하는 것이다. 이런 경로계획을 전역 경로계획(Global Path Planning)이라고도 하며 Potential Field 를 이용한 알고리즘,(1~4)유전자 알고리즘(genetic Algorithm),(5) RRTs(RapidlyExploring Random Trees),(6) 구배법(Gradient Method, GM) 등(7)의 방법으로 연구되어지고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (20)

  1. Khatib, O., Spring 1986, "Real-Time Obstacle Avoidance for manipulator and Mobile Robots," The International Journal of Robotic Research, MIT Press, Cambridge, pp. 90-98. 

  2. Rimon, E. and Koditschek, E. E., October 1992, "Exact Robot Navigation Using Artificial Potential Functions,” IEEE Transactions on Robotics and Automation, Vol. 8, No. 5. 

  3. Yoo, H. I. and Kang, B. S., 2008, "Precise Motion Control of a Mobile Robot Based on Potential Field Method,” The KSME 2008 Dynamics and Control spring annual meeting, pp.177-180 

  4. Park, M. G. and Lee, M. C., 2003, "A New Technique to Escape Local Minimum in Artificial Potential Field Based Path Planning,” KSME International Journal, Vol.17, No.12, pp. 1876-1885 

  5. Park, M. G. and Lee, M. C., 2003, "A New Technique to Escape Local Minimum in Artificial Potential Field Based Path Planning,” KSME International Journal, Vol.17, No.12, pp. 1876-1885 

  6. Qu, Y.-H. Pan, Q. and Yan, J.-G., Nov., 2005, “Flight Path Planning of UAV Based on Heuristically Search and Genetic Algorithms,” Industrial Electronics Society, 2005. IECON 2005. 31st Annual Conference of IEEE, Volume , Issue , 6-10. 

  7. Bruce, J. and Veloso, M., October 2002, " Real-Time Randomized Path Planning for Robot Navigation,” Proc. of the 2002 IEEE/RSJ Int. Conference on Intelligent Robots and Systems EPFL, Lausanne, Switzerland, pp. 2383-2388. 

  8. Konolige, K., 2000, "A Gradient Method for Realtime Robot Control,” Proc. of International Conf. on Intelligent Robots and Systems, pp. 639-646. 

  9. Borenstein, J. and Koren, Y., June 1991, "The Vector Field Histogram - Fast Obstacle Avoidance for mobile Robots,” IEEE Journal of Robotics and Automation Vol. 7, No 3, pp. 278-288. 

  10. Simmons, R., 1996, "The Curvature-Velocity Method for Local Obstacle Avoidance,” Proc. of International Conf. on Robotics and Automation. 

  11. Kim, H. J., Shim, D. H. and Sastry, S., 2002, "Nonlinear Model Predictive Tracking Control for Rotorcraft-Based Unmanned Aerial Vehicles,” Proceedings of the American Control Conference, Anchorage, AK May 8-10. 

  12. Ogren, P. and Leonard, N. E., 2003, "A Convergent Dynamic Window Approach to Obstacle Avoidance,” IEEE Transactions on Robotics and Automation,. 

  13. Stachniss, C. and Burgard, W., October 2002, "An Integrated Approach to Goal-Directed Obstacle Avoidance Under Dynamic Constraints for Dynamic Environments,” Proceedings of the 2002 IEEE/RSJ, intl, Conference on Intelligent Robots and Systems EPFL, Lausanne, Switzerland. 

  14. Fox, D., Burgard, W. and Thrun, S., 1997, "The Dynamic Window Approach to Collision Avoidance,” IEEE Robotics and Automation, Vol. 4, No. 1. 

  15. Daios, E. P. and Maravillas O. A., Jr., 2002, "Cooperative Mobile Robots with Obstacle and Collision Avoidance Using Fuzzy Logic,” Proc. of the 2002 IEEE International Symposium on Intelligent Control, Vancouver, Canada, October 27-30, pp. 75-80. 

  16. Russell, S. and Norvig, P., 2003, "Artificial Intelligence A Modern Approach," 2nd Ed. Prentice Hall. 

  17. Stentz, A., 1994, "Optimal and Efficient Path Planning for Partially-known Environments,” Proceedings of the IEEE International Conference on Robotics and Automation, ICRA '94, Vol. 4, May, pp. 3310-3317. 

  18. Aurenhammer, F. and Diagrams, V., 1991, “A Survey of a Fundamental Geometric Data Structure.” ACM Computing Surveys, Vol. 23, No. 3, pp. 345-405. 

  19. Lutz, M., 2006, "Programming Python,” O'REILLY. 

  20. Ess, A., Leibe, B., Schindler, K. and Van Gool, L., 2009, Moving Obstacle Detection in Highly Dynamic Scene IEEE International Conference on Robotics and Automation (ICRA'09) Kobe, Japan 2009 

저자의 다른 논문 :

LOADING...
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로