최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.18 no.3, 2015년, pp.387 - 400
박기원 (Dept. of Green Automobile Engineering, School of Engineering Youngsan University)
A fuzzy logic based mobile robot navigation system was developed to improve the driving ability without trapping inside obstacles in complex terrains, which is one of the most concerns in robot navigation in unknown terrains. The navigation system utilizes the data from ultrasonic sensors to recogni...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
퍼지 로직의 퍼지화, 룰평가, 비퍼지화 3단계 절차는 어떻게 진행되는가? | 퍼지 로직은 퍼지화(Fuzzification), 룰평가(Rule evaluation), 비퍼지화(Defuzzification)의 3단계의 절차를 통하여 출력 신호를 생성한다. 퍼지화 단계에서는 퍼지 멤버 함수들을 사용하여 센서 데이터의 가중치가 결정된다. 룰 평가단계에서는 퍼지화된 데이터의 가중치에 따라 해당되는 행위 규칙들이 결정이 되며, 비퍼지화 단계에서는 행위 규칙들의 출력을 조합하고 비퍼지화 함수를 거치면서 로봇의 구동 신호가 생산되게 된다. 퍼지로직 알고리즘의 단계별 구성이 가지는 특성으로 인하여 입력 신호, 행위 규칙, 출력 신호간의 연결이 자연스럽게 이루어지기 때문에 행위 규칙의 설계 및 규칙간의 결합 문제를 보다 효율적으로 해결 할 수 있을 뿐만 아니라 모든 입력 신호들이 가중치가 고려되어 출력에 영향을 미치기 때문에 로봇 주행 알고리즘과 같이 불특정하고 다수의 환경적 변수들을 다루는 시스템에서 탁월한 성능을 발휘하게 된다[2-6]. | |
행위기반 주행 알고리즘이란 무엇인가? | 그 중에서 로봇의 자율주행에 보편적으로 사용되고 있는 알고리즘으로서 행위기반 주행 알고리즘(Behavior based navigation algorithm)이 있다 [1]. 행위기반 주행 알고리즘은 로봇에 부착된 센서들로부터 실시간으로 전해지는 다양한 외부 환경정보들에 대응하여 사전에 프로그램 되어있는 행위 규칙들(Behavior rules)이 로봇의 움직임을 결정하게 하는 주행 알고리즘이다. 이러한 행위기반 주행 알고리즘은 로봇의 움직임이 정해진 주행 경로를 따라가도록 사전에 결정되어 있지 않고 실시간으로 변하는 외부 환경에 대응하여 로봇 스스로가 움직임을 결정하도록 만들기 때문에 로봇의 장애물 회피 능력, 돌발 상황 대처능력 및 목표 도달 능력을 향상시킬 수 있다. | |
자율 주행 알고리즘 개발에 퍼지 로직이 널리 응용되는 이유는 무엇인가? | 퍼지 로직은 인간의 사물 인지 능력을 모방한 이론이다. 운전자가 운전 중에 주위 환경으로부터 전달되는 많은 정보들을 조합하여 탁월한 주행능력을 발휘하듯이 인간의 인지능력을 로봇의 자율 주행에 접목시킬 경우 주변 변수들의 처리 능력 및 이에 대한 대처 능력을 향상 시킬 수 있어서 자율 주행 알고리즘 개발에 퍼지 로직은 널리 응용되고 있다[2-6]. 퍼지 로직은 퍼지화(Fuzzification), 룰평가(Rule evaluation), 비퍼지화(Defuzzification)의 3단계의 절차를 통하여 출력 신호를 생성한다. |
F. Kabanza and K.B. Lamine, “Specifying Failure and Progress Conditions in a Behavior-Based Robot Programming System,” Proceeding of the 4th International Cognitive Robotics Workshop, pp. 11-16, 2004.
A. Saffiotti, E.H. Ruspini, and Konolige, Chapter 5 of the International H andbook of Fuzzy Sets, Kluwer Academic Publishers, Netherlands, 1999.
W. Li, “Fuzzy Logic-Based ‘Perception-Action’ Behavior Control of Mobile Robot in Uncertain Environments,” Proceeding of IEEE International Conference on Fuzzy Systems, Vol. 3, pp. 1626-1631, 1994.
A. Ramirez-Serrano and M. Boumedine, “Ultrasonic Sensing and Fuzzy Logic Control for Navigation in Unknown Static Environments,” Proceeding of Eurobot, pp. 54-59, 1996.
N. Zhang, D. Beetner, D.C. Wunsch II, B. Hemmelman, and A. Hasan, “An Embedded Real-time Neuro-fuzzy Controller for Mobile Robot Navigation,” Proceeding of IEEE International Conference on Fuzzy Systems, pp. 319-323, 2005.
V. Sezer and M. Gokasan, “A Novel Obstacle Avoidance Algorithm: Follow the Gap Method,” Robotics and Autonomous Systems, Vol. 60, Issue 9, pp. 1123-1134, 2012.
A. Yufka and O. Parlaktuna, “Performance Comparison of Bug Algorithms for Mobile Robots,” Proceeding of the 5 th International Advanced Technology Symposium, pp. 61-65, 2009.
J. Oroko and B. Ikua, “Obstacle Avoidance and Path Planning Schemes for Autonomous Navigation of a Mobile Robot: A Review,” Proceeding of Mechanical Engineering Conference on Sustainable Research and Innovation, pp. 314-318, 2012.
G. Li, A. Yamashita, H. Asama, and Y. Tamura, “An Effect Improved Artificial Potential Field Based Regression Search Method for Robot Path Planning,” Proceeding of International Conference on Mechatronics and Automation, pp. 1227-1232, 2012.
Y. Zhu, T. Zhang, J. Song, and X. Li, “A New Hybrid Navigation Algorithm for Mobile Robots in Environments with Incomplete Knowledge,” Knoledge-Based Systems, Vol. 27, Issue 1, pp. 302-313, 2012.
A. Sgorbissa and R. Zaccaria, “Planning and Obstacle Avoidance in Mobile Robotics,” Robotics and Autonomous Systems, Vol. 60, Issue 4, pp. 628-638, 2012.
K.H. Chen and W.H. Tsai, “Vision-Based Obstacle Detection and Avoidance for Autonomous Land Vehicle Navigation in Outdoor Roads,” Automation in Construction, Vol. 10, Issue 1, pp. 1-25, 2000.
S.G. Tzafestas and K.C. Zikidis, “A 3-level Neuro-fuzzy Autonomous Robot Navigation System,” Proceeding of IEEE International Conference on Fuzzy Systems, pp. 1626-1631, 1994.
H. Surmann, J. Huser, and L. Peters, “A Fuzzy System for Indoor Mobile Robot Navigation,” Proceeding of the Fourth IEEE International Conference on Fuzzy Systems, Vol. 1, pp. 83-86, 1995.
S. Thongchai, S. Suksakulchai, D.M. Wilkes, and N. Sarkar, “Sonar Behavior-Based Fuzzy Control for a Mobile Robot,” Proceeding of the IEEE International Conference on Systems, Man and Cybernetics, pp. 3532-3537, 2000.
M. Benreguieg, P. Hoppenot, H. Maaref, E. Colle, and C. Barret, “Control of a Medical Aid Mobile Robot based on a Fuzzy Navigation,” Proceeding of IEEE Symposium on Robotics and Cybernetics, pp. 388-393, 1996.
P. Rusu, E.M. Petriu, T.E. Whalen, A. Cornell, and H.J.W. Spoelder, “Behavior-Based Neuro-Fuzzy Controller for Mobile Robot Navigation,” IEEE Transaction on Instrumentation and Measurement, Vol. 52, No. 4, pp. 1335-1340, 2003.
A.O. Djekoune, K. Achour, and R. Toumi, “A Sensor Based Navigation Algorithm for a Mobile Robot using the DVFF Approach,” International Journal of Advanced Robotic Systems, Vol. 6, No. 2, pp. 97-108, 2009.
E. Lim and K. Kim, “A Study on the Recognition of Car Plate using an Enhanced Fuzzy ART Algorithm,” Journal of Korea Multimedia Society, Vol. 3, No. 5, pp. 433-444, 2000.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.