$\require{mediawiki-texvc}$

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.

추론 이론과 퍼지 이론 결합에 의한 자율 이동 로봇의 지도 구축 및 안전한 네비게이션에 관한 연구
A Study on The Automatic Map Building and Reliable Navigation of Combining Fuzzy Logic and Inference Theory 원문보기

대한전기학회 2001년도 하계학술대회 논문집 D, 2001 July 18, 2001년, pp.2744 - 2746  

김영철 (연세대학교 컴퓨터과학과) ,  조성배 (연세대학교 컴퓨터과학과) ,  오상록 (한국과학기술연구원 생체모방제어시스템 연구실) ,  유범재 (한국과학기술연구원 생체모방제어시스템 연구실)

초록
AI-Helper 아이콘AI-Helper

이 논문에서는 이동 로봇을 위하여 퍼지이론Dempster-Shafer 이론을 이용한 불확실한 환경에서의 센서기반 네비게이션 방법을 제안한다. 제안된 제어기는 장애물 회피 동작과 목적지 찾기 동작을 위한 2개의 행동 모듈로 구성되어 있다. 2개의 행동 모듈은 각각 퍼지 이론으로 학습되었고, 적절한 행동 선택 방법으로 선택되게끔 하였다. 견고한 퍼지 제어기를 가진 로봇이 실험 환경내에서 안전하게 움직이기 위하여 자동으로 지도를 구축(Map Building) 하도록 하였다. 이 실험에서 구성된 맵은 평면상의 격자를 중심으로 작성되었고 로봇의 센서에서 읽어들인 센서 값은 D-S 추론 이론을 이용하여 기존의 맵과 혼합되어진다. 즉, 로봇이 움직일때 마다 실험 환경내에서 새로운 정보를 읽어 들이고, 그 정보로 인하여 기존의 지도가 새로운 지도로 갱신되는 것이다. 이러한 작업을 거치면서 로봇은 장애물과 충돌없이 배회하는 것 뿐 아니라 설정된 목적지까지도 쉽게 찾아갈 수가 있다. 실험에 대한 안정성과 확신을 검증 받기 위하여 실제 로봇에 적용하기보다는 먼저 이동 로봇의 시뮬레이션으로 실험 해 보고자 한다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 이 논문에서는 Dempster-Shafer 이론을 이용한 맵 구축에 관한 문제와 이로 인한 장애물과의 충돌 없이, 목적지를 찾아가는 연구를 수행하였다. 이 작업을 위하여 우선 우리는 견고하고 안정한 퍼지 컨트롤러를 개발하여야 하는데 이 컨트롤러는 로봇을 안전하게 움직이는 역할을 하게 된다.
  • 이 논문에서는 Dempster-Shafer 이론을 이용한 전체치도 인식과 퍼지 이론을 이용한 장애물 회피 및 목적지 찾아가기에 관한 연구를 하였다. 전체 지도 인식을 위하여 실험 환경 내에서 자유롭게 움직일 수 있게 퍼지 규칙을 이용한 배회 행동을 먼저 구현한 뒤 이로부터 센서값을 이용하여 주변환경을 인식하는 실험을 하였는데 제안된 시스템은 두 가지의 행동, 즉 장애물 회피와 목적지 찾기로 구성되어있다.
  • 생성하는 방법이 필요하다. 즉 진화하는 퍼지 규칙생성 시스템을 연구해 사람이 모든 지식을 완벽하게 입력하지 않더라도 로봇 스스로 학습하고 진화되도록 만들고자 한다.

가설 설정

  • 그림 8의 (a), (b)는 최종적으로 얻어진 지도 정보로 이동로봇이 가까운 곳에 위치한 목적지뿐만 아니라 멀리 떨어진 곳까지 이동하는 것을 보여준다. 그림 8의 (a), (b) 에서장에물의 외곽 선과 이동로봇의 이동 경로가 다소 충돌한 것처럼 보이는데, 이것은 로봇이 인식한 지도에서의 장애물 크기가 실제 환경에서의 장애물 크기보다 크기 때문에, 실제 환경에서는 충돌 없이 이동하게 된다.
본문요약 정보가 도움이 되었나요?
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