Объясните разницу между отслеживанием позиции и глобальной локализацией. Приведите примеры использования позиции и глобальной локализации.

Локализация— это универсальный пример робототехнического восприятия. Она представляет собой задачу определения того, где что находится. Локализация — одна из наиболее распространенных задач восприятия в робототехнике, поскольку знания о местонахождении объектов и самого действующего субъекта являются основой любого успешного физического взаимодействия. Например, роботы, относящиеся к типу манипуляторов, должны иметь информацию о местонахождении объектов, которыми они манипулируют. А роботы, передвигающиеся в пространстве, должны определять, где находятся они сами, чтобы прокладывать путь к целевым местонахождениям.

Существуют три разновидности задачи локализации с возрастающей сложностью. Если первоначальная поза локализуемого объекта известна, то локализация сводится к задаче отслеживания траектории. Задачи отслеживания траектории характеризуются ограниченной неопределенностью. Более сложной является задача глобальной локализации, в которой первоначальное местонахождение объекта полностью неизвестно. Задачи глобальной локализации преобразуются в задачи отслеживания траектории сразу после локализации искомого объекта, но в процессе их решения возникают также такие этапы, когда роботу приходится учитывать очень широкий перечень неопределенных состояний. Наконец, обстоятельства могут сыграть с роботом злую шутку и произойдет "похищение" (т.е. внезапное исчезновение) объекта, который он пытался локализовать. Задача локализации в таких неопределенных обстоятельствах называется задачей похищения. Ситуация похищения часто используется для проверки надежности метода локализации в крайне неблагоприятных условиях.

В целях упрощения предположим, что робот медленно движется на плоскости и что ему дана точная карта среды (пример подобной карты показан на рис. 25.7). Поза такого мобильного робота определяется двумя декартовыми координатами со значениями χ и у, а также его угловым направлением со значением Θ, как показано на рис. 25.6, а. (Обратите внимание на то, что исключены соответствующие скорости, поэтому рассматриваемая модель скорее является кинематической, а не динамической.) Если эти три значения будут упорядочены в виде вектора, то любое конкретное состояние определится с помощью соотношения

Рис. 25.6. Пример применения карты среды: упрощенная кинематическая модель мобильного робота. Робот показан в виде кружка с отметкой, обозначающей переднее направление. Показаны значения позиции и ориентации в моменты времени t и t+1, а обновления обозначены соответственно термами. Кроме того, приведена отметка с координатой, наблюдаемая во время t (а); модель датчика расстояния. Показаны две позы робота, соответствующие заданным результатам измерения расстояний. Гораздо более вероятным является предположение, что эти результаты измерения расстояний получены в позе, показанной слева, а не справа (б)

3/17/26. Можно ли использовать глобальные методы планирования с датчиком обратной связи. Если да, то как? Приведите примеры использования глобальных методов планирования с датчиком обратной связи.

Традиционно, задачи навигации включают в себя две подзадачи, которые можно разделить во времени: локализация в пространстве и планирование пути. Локализация заключается в оценке текущего положения робота относительно определенных известных опорных пунктов окружающей среды, заданные в абсолютных координатах. Планирование заключается в поиске, по возможности, кратчайшего маршрута и продвижении в пункт назначения.

В целенаправленной навигации принято выделять минимум три иерархических уровня представления проблемы:

• проход препятствий
• локальную навигацию
• глобальное планирование маршрута.

Алгоритмы глобального планирования используют информацию о всем пространстве, чтобы определить участки, по которым возможно движение, и затем выбрать оптимальный путь. Для задачи планирования найдены точные алгоритмические решения. Однако точные алгоритмы имеют большую вычислительную сложность и, кроме того, требуют точных алгебраических моделей помех. Эвристические методы не гарантируют полноты поиска и оптимальности даже при глобальном планировании, когда доступна вся информация об окружающей среде. Однако эвристические глобальные методы планирования уменьшают сложность задачи и чувствительность к ошибкам в данных различными способами. Используя генетические алгоритмы можно найти оптимальный маршрут с учетом минимального времени движения с различными сценариями реальных условиях дорожного движения и разной скоростью движения транспортного средства.

Неотъемлемой частью любой системы навигации является желание достичь пункта назначения и при этом не заблудиться, не врезаться в какой-нибудь из объектов^[10]. Также могут быть и другие ограничения на тот или иной маршрут, например: ограничение скорости, или зоны неопределенности, где теоретически, конечно, можно проложить маршрут, но не желательно. Часто маршрут для робота планируется автономно, что может привести робота в пункт назначения при условии, что окружающая среда прекрасно известна и стационарна, поэтому робот может отлично отслеживать окружающую среду. Но при решении навигационных задач в реальной среде соблюдение всех этих условий практически невозможно^[11]. Таким образом, ограниченность методов планирования автономного движения привело исследователей к изучению онлайн-планирования — это планирование опирается на знания, полученные от зондирования местной окружающей среды для обработки неизвестных препятствий по мере того, как робот будет проходит путь в пространстве.

Общая постановка задачи планирования пути мобильного робота:

1. Применение эволюционных алгоритмов в задачах навигации

2. Выбор генетического алгоритма для реализации эволюционного навигатора (ЭН)

3. Описание алгоритма эволюционного навигатора и пополнение базы данных алгоритмов новосозданным алгоритмом.

Эволюционный алгоритм, описанный здесь, является эволюционным навигатором, что сочетает в себе автономный режим и режим онлайн планирования с применением простой карты высокой точности и эффективного алгоритма планирования^[12]. В первой части алгоритма автономный планировщик глобально ищет оптимальные пути от самого начала и до места назначения, а вторая часть онлайн планировщика отвечает за обработку возможных столкновений или ранее неизвестных объектов, заменив часть первоначального глобального пути на оптимальный подпуть. Важно отметить, что обе части ЭН используют один и тот же эволюционный алгоритм, но с разными значениями различных параметров. ЭН сначала считывает карту и получает исходное и целевое места нахождения. Затем автономный эволюционный алгоритм (АЭА) генерирует близкий к оптимальному глобальный путь: это частично-прямолинейный путь, состоящий из допустимых узловых точек или узлов.

Другие проблемы развития автономных роботов[править | править вики-текст]

Проблемы прямой опасности людям от машин[править | править вики-текст]

С неустанным развитием робототехники, роботы и другие автоматизированные системы становятся все более умными и все более развитыми. В то же время на них перекладывают все больше обязанностей: вождение машины, помощь инвалидам и престарелым людям, охрана дома и, вероятно, даже участие в военных операциях. Возникает проблема полного доверия роботам: нет уверенности, что роботы никогда не примут такого решения, что нанесет человеку вред.^[13]

В первую очередь проблема касается боевых роботов. В современных армиях роботы применяют, в основном, для обезвреживания мин и бомб, а также для ведения разведки, однако, все чаще их используют как полноценные боевые машины, оснащенные современным вооружением. В это время, как правило, боевым роботом управляет живой оператор, который несет ответственность за все действия вверенного ему устройства. Однако, если предоставить возможность машине самостоятельно принимать решение о выборе цели, ситуация полностью меняется. Современная война должна проходить таким образом, чтобы впоследствии можно было выявить ответственных за смерть мирных людей, погибших в ходе конфликта, и определить степень их вины. Поскольку убийства, совершенные автономными роботами, нельзя оценить с этой точки зрения — понятие «ответственность» к ним в принципе неприменимо. Поэтому разработка таких машин должна быть запрещена из этических соображений. Тем временем автономные машины, способные убивать, уже существуют. Как пример можно привести беспилотные самолеты-разведчики, оснащенные ракетным вооружением и запрограммированные на уничтожение целей, которые имеют набор определенных признаков. Такие аппараты широко использовали военные США в ходе конфликтов на Ближнем Востоке.^[14]

Прямым следствием отсутствия человеческих черт является возможность использования роботов в операциях по подавлению народных волнений и угнетению прав человека. Если только появится такая возможность — непременно роботы будут использованы для незаконного захвата и удержания власти. Международное право не гарантирует защиты от агрессии со стороны людей без морали и наделенных властью. Правозащитники считают «бездушные машины» идеальным инструментом для подавления бунтов, репрессий и т. д., поскольку, в отличие от большинства людей, робот не станет обсуждать приказ и выполнит все, что ему укажут. Сам робот не является разумным существом, способным понять суть приказа и остановиться, а применение взысканий в отношении военных, которые послали его на задание — бессмысленно, так же, как и наказывать разработчиков аппаратной и программной части робота.^[15]

Уэнделл Уолла, специалист по этике из Йельского университета, и историк и философ когнитивной науки Колин Аллен, который работает в Университете штата Индиана, говорят о неотвратимости всеобъемлющего внедрения автономных роботов в нашу жизнь. Как частичное решение проблемы опасности автономных роботизированных систем для человека, они предлагают новые законы робототехники, приняв которые мы могли бы уменьшить опасность от нашего высокотехнологичного творения:^[16]

1. Расположение роботов в местах где изначально низок риск развития опасных ситуаций:

Прежде чем ставить роботам ту или иную задачу, необходимо убедиться, что всем компьютерам и роботам никогда не придется принимать решения, последствия которых не могут быть предусмотрены заранее. Место, где работают роботы, а также средства, которыми они работают — должны делать невозможным даже случайный вред постороннему человеку.

2. Не давать роботам оружие:

Хотя уже слишком поздно пытаться остановить строительство роботов как оружия, но еще не слишком поздно ограничить их применение только с определенным типом оружия — сети, дротики со снотворным и т. д., или ограничить ситуации, в которых оружие роботов допустимо применять.

3. Дать роботам законы робототехники как у Азимова:

Хотя правила Азимова плохо применимы из-за обилия сложности в определении морали: добра, зла, ценности, приоритетов и тому подобного — тем не менее, правила могут успешно ограничить поведение роботов, поставить их в очень ограниченные условия.

4. В законы робототехники должны быть заложены определенные принципы, а не простые инструкции:

Придать роботам мотивацию, например сделать приоритетом «наибольшее благо для наибольшего числа людей» — скорее всего, это будет безопаснее, чем закладывание упрощенных правил.

5. Обучение роботов, как детей вместо загрузки готового базового пакета алгоритмов:

У машин, которые учатся и постепенно, как бы, «взрослеют», можно развить понимание тех действий, которые люди считают правильными и неправильными. Программирование нейропроцесоров, перспективных баз для создания новейших автономных роботов, предусматривает только такой подход в противовес алгоритмизованному закладыванию наборов инструкций. Вероятность успеха этого положения достаточно перспективна, хотя эта стратегия требует нескольких технологических прорывов. В настоящее время инструментов, способных обучать роботов подобно людям, почти не существует.

6. Наделить машины эмоциями — искусственной психикой:

Человеческие способности, такие как эмпатия, эмоциональность и способность читать невербальные сигналы социального общения, должны дать роботам гораздо большие способности к взаимодействию с людьми. Работа в этом направлении уже началась, планируется, что домашние роботы в будущем будут обладать такими «эмоциональными» свойствами. Вероятность успеха этого подхода достаточно высока. Развитие эмоционально чувствительных роботов, безусловно, поможет реализации трех предыдущих законов робототехники. Большую часть информации мы используем, чтобы сделать выбор и сотрудничать с другими людьми. Выбор происходит из-за наших эмоций, а также, из-за нашей способности читать жесты и намерения, представлять события с точки зрения другого человека.

4/27. В чем разница между проприоцептивными и экстериоцептивными датчиками? Приведите примеры применения проприоцептивных и экстериоцептивных датчиков.

Датчики внешней среды

Без датчиков внешней среды робот движется вслепую. Внешние датчики принимают участие в:

· распознавании мест и объектов, которые уже встречались ранее;

· определении свободного пространства и планирования в нем движения для того, чтобы избежать столкновений с препятствиями;

· взаимодействии с предметами, льдьми и животными;

· создании общего представления об окружающей робота среде.

Измерения, производимые датчиками внешней среды, зависят и от состояния робота и от состояния окружающего его мира :

Описать состояние внешнего мира мы можем, например, рядом координат стен, ориентиров.

Состояние может быть либо неопределенным, либо полностью известным.

Вероятностное моделирование датчика

Как и движение робота, измерения которые производят датчики, являются неопределенными. Реальные датчики всегда выдают некоторый разброс значений, измеряют с определенной точностью. В результатах измерений, произведенными тем или иным датчиком всегда присутствует некоторая погрешность.

Мы можем охарактеризовать датчик, построив его математическую модель. Поняв неопределенность, которая присутствует в производимых сенсором измерениях, мы можем построить вероятностную модель измерений. Такая модель будет представлять из себя распределение вероятностей (функцию правдоподобия) вида:

Это распределение имеет вид колоколообразной кривой (вид гауссиана).

Функция правдоподобия показывает, какова вероятность эталонного значения при получении значения . Используя функцию правдоподобия можно оценить неизвестный параметр при известных результатах (когда используется понятие вероятность, мы, наобоорот, используя значение параметра хотим предсказать результат).

Функция правдоподобия полностью описывает работу датчика.

является функцией и переменных измерения и эталона и может быть построена в виде вероятностной поверхности. Например, для датчика расстояния (дальномера), вероятностная поверхность выглядит следующим образом:

Вероятностная модель дальномера

Как же должна выглядеть робастная (устойчивая к шуму) модель датчика?

Чем более пологой является функция правдоподобия, тем больше неопределенности она содержит. Поэтому, чем ярче выражена «пиковость» измерителя, тем меньше неопределенности он содержит в своих показаниях.

Приведу пример. Функция правдоподобия для ультразвукового датчика говорит нам, какова вероятность измерения , полученного датчиком, учитывая, что истинное ожидаемое значение .

Устойчивая модель ультразвукового датчика

Это распределение имеет форму узкой гауссовой кривой вокруг ожидаемого значения с некоторым постоянным уровнем , который отражает фиксированный процент «мусорных измерений».

5/18/28. Назовите 3 принципа (не датчики или звук, свет,...) для измерения расстояния до неизвестного объекта. Приведите примеры применения этих датчиков. Самые первые бесконтактные датчики расстояния выдавали информацию только лишь о наличии или отсутствии предмета перед датчиком в виде дискретного сигнала ON/OFF. Эти простейшие датчики до сих пор находят огромное применение в различных областях промышленности. В то же время для решения более сложных задач автоматизации технологических процессов инженерам нужна дополнительная информация о положении объектов измерения. Для этих целей были разработаны датчики, позволяющие определять расстояние до объекта и его положение с помощью аналогового выхода, сигнал на котором пропорционален расстоянию до измеряемого объекта. Такие датчики могут быть использованы во множестве применений, таких как определение расстояния до объекта, измерение толщины, измерение наклона и деформации, измерение профиля изделия, центровка и измерение диаметра.

Датчики для измерения расстояния могут использовать различные принципы измерений: индуктивный, ультразвуковой или оптический, однако все они имеют электрический выходной сигнал, величина которого пропорциональна расстоянию до измеряемого объекта. В таблице 1 представлены основные типы аналоговых бесконтактных датчиков для измерения расстояний и их основные особенности.

	Индуктивные	Ультразвуковые	Оптические
Триангуляционные	Радарные
Расстояние	0 – 20 мм	10 – 10.000 мм	10 – 1.000 мм	10 – 500.000 мм
Разрешение	0,1 мкм	0,1 мм	1 мкм	0,5 мм
Точность	1 мкм	0,2 мм	2мкм	2 мм
Линейность	0,4% – 5%	0,5%	0,05% - 1%	0,001%
Время	0,3 мс	20 мс	1 мс	1 мс

Индуктивные датчики. Индуктивные датчики расстояния определяют расстояния до проводящих металлических объектов, таких как сталь, алюминий, латунь. Поскольку принцип работы индуктивных датчиков основан на определении токов взаимной индукции, такие датчики очень устойчивы к воздействию неметаллических предметов и помех, таких как, например, пыль или машинное масло. Современные технологии позволяют создать индуктивный датчик с аналоговым выходом имеющей диаметр всего 6 мм и измеряемое расстояние 2 мм. Такие датчики с высоким разрешением и быстрым временем отклика находят применение в большинстве высокоскоростных задач.

Вместе с тем, несмотря на прекрасную точность, разрешение и время отклика, существенная нелинейность, составляющая 3% - 5%, представляет определенную проблему. Что бы преодолеть это некоторые производители определяют выходной сигнал датчика как полиномную функцию, математически описывающую сигнал, и тем самым дают возможность запрограммировать с помощью такой функции большинство современных контроллеров для более точного алгоритма измерения. Типичная функция, описывающая выходной сигнал аналогового индуктивного датчика в зависимости от расстояния, представлена ниже:

Расстояние = a + b (Iвых) + c (Iвых)2 + d (Iвых)3 + e (Iвых)4
Где: Iвых = выходной ток
Измеряемое расстояние = 0-2 мм, 0-20 мА (Iвых)

Коэффициенты функции имеют следующие значения:
a = -0.144334; c = -0.00782; e = -7.27311 ? 10-6; b = 0.151453; d = 0.00040

Тем самым, например, на расстоянии 0,4638 мм выходной сигнал будет 5 мА.
Проблемы с линейностью могут быть так же решены с использованием интегрированного в датчик микропроцессора. Такой метод позволяет произвести линеаризацию выходной характеристики датчика и существенно снизить нелинейность. Например, индуктивный датчик диаметром 12 мм и расстоянием измерения 0 – 4 мм., со встроенным микропроцессором имеет линейность лучше, чем 0,4%.

Ультразвуковые датчики. Принцип действия ультразвуковых датчиков расстояния основан на излучении импульсов ультразвука и измерении, пока звуковой импульс, отразившись от объекта измерения, вернется обратно в датчик. При этом достигается разрешения до 0,2 мм.

Благодаря тому, что пьезорезистивный преобразователь может служить как излучателем, так и приемником ультразвуковых импульсов, появляется возможность создать ультразвуковые датчики расстояния с одним преобразователем. Такой преобразователь сначала излучает короткий ультразвуковой импульс. Одновременно с этим, в датчике запускается внутренний таймер. Когда отраженный от объекта ультразвуковой импульс вернется обратно в датчик, таймер останавливается. Время, прошедшее между моментом излучения импульса и моментом, когда отраженный импульс вернулся в датчик, служит основой для вычисления расстояния до объекта. Полный контроль за процессом измерения производится с помощью микропроцессора, обеспечивающего высокую линейность измерений. Наиболее важными особенностями применений ультразвуковых датчиков служит их возможность измерять расстояния до таких сложных объектов таких как, например, сыпучие вещества, жидкости, гранулы, прозрачные или напротив сильно отражающие поверхности. В дополнение ультразвуковыми датчиками можно измерять сравнительно большие расстояния, при этом, сохраняя их небольшие размеры, что может быть существенно для ряда применений.

Однако и ультразвуковые датчики имеют ряд ограничений. Прежде всего, это пена и другие объекты, сильно поглощающие ультразвуковые колебания. Такое поглощение сильно уменьшает измеряемую дистанцию. Сильно изогнутые поверхности так же снижают расстояние и точность измерений, поскольку рассеивают ультразвуковые колебания в различных направлениях. Ультразвуковые датчики излучают импульс в виде широкого конуса, что так же ограничивает возможность измерения расстояния до небольших объектов, увеличивая уровень помех от других объектов, которые так же могут находиться в поле зрения датчика. Некоторые ультразвуковые датчики имеют конус с углом всего 5 градусов. Это позволяет использовать их для измерения намного меньших объектов, например таких, как бутылки или ампулы.

Оптические датчики. Существует множество различных способов измерить расстояние до предмета с помощью оптики: например лазерные интерферометры, датчики с рассеянным отражением света и оптические датчики радарного типа. Каждый из видов датчиков имеет свои сильные и слабые стороны. Лазерные интерферометры имеют большой диапазон измерений и точность несколько нанометров, однако, эти приборы очень дорогие и сложные в эксплуатации. Датчики с рассеянным отражением и аналоговым выходом могут измерять расстояния в широких пределах, однако поскольку они работают с отраженным светом, то могут быть проблемы с измерением расстояний до окрашенных или отражающих объектов. Оптические датчики радарного типа, преимущественно лазерные, могут измерять большие расстояния, однако принцип их работы, основанный на измерении времени распространения света от датчика до объекта и обратно, позволяет измерять с ограниченным разрешением в 2 – 3 мм.

Подавляющее большинство задач по измерению в промышленности приходится на диапазоны от долей микрон до нескольких десятков метров. При этим датчики должны работать с объектами далекими от идеальных: малого размера, имеющих различный цвет, сложную структуру поверхности и перемещающихся с высокой скоростью. Для таких целей наиболее подходят лазерные датчики расстояния, работающие по принципу оптической триангуляции.

На рисунке показан принцип работы оптического датчика расстояния. Лазер посылает через линзу луч, который отражается от объекта и фокусируется на линейке из фотодиодов, которая прообразует световой сигнал в электрический. Всякое изменение расстояния до объекта вызывает изменение угла отраженного луча и, следовательно, позиции, которую отраженный луч занимает на линейке фотодиодов. Микроконтроллер обрабатывает сигнал от линейки фотодиодов и преобразует его в аналоговый электрический сигнал.

Наиболее важное качество таких датчиков расстояния состоит в сочетании высокой точности измерения и больших измеряемых расстояниях. Большинство производителей предлагают датчики с разрешением от 1 мкм до 1мм. Однако высокая точность возможна только на относительно коротких расстояниях. Так что, например, точность в 1 мкм на расстояниях в 1 метр получить вряд ли удастся.

Для снижения влияния шумов все лазерные датчики расстояний позволяют проводить интегральные или усредненные измерения. При этом производится множество измерений расстояния до объекта и результат потом усредняется, тем самым повышается точность измерений. Однако большая точность требует большого количества измерений, увеличивая при этом общее время измерения. Так, например, что бы обеспечить точность в 1 мкм типичное время измерения составляет порядка 0,1 сек.