برنامه ریزی و جهت یابی (Planning and Navigation)

صفحه 1:
دکتر سعید شیری قیداری ]ا فصل © كتاب 

صفحه 2:
Coxpitios se © بماوب 0 عبارتاستاز تصميم كيرىهفمندلنه و لجرلئآن توسط يكسيستم برلونيلبه يكهفسطح باللا »در يك روبات متحرك اين امر متوجه مسئله وصةبنرهه است كه باعث ميشود تا روبات با داشتن اطلاعات جزئى از محيط و مقادير سنسورها بتواند به موقعيت هدف برسد. * دسنكبواره() شامللجرالويكسرءعملياتب رلعرسيدنبه هف ميشود (-ام) كه در ضمنلجراء ]نر وباتبايد از برخورد با مولنع جلوگیرینماید. (باسسس) 

صفحه 3:
2 عدادووام ۳۵) © مسئله مسیریابی برای روباتهای متحرک یک امر اساسی است اما قبل از برای رباتهای صنعتی نیز مطرح بوده و مطالعات زیادی در اين زمینه شده است. © بعات محدودیت درجات آزادی روباتهای متحرک این مسئله برای آنها ساده تر از روباتهای صنعتی میباشد. # در روباتهای صنعتی بعلت سرعت زیاد علاوه بر سینماتیک مسئله دینامیک هم مهم است. 

صفحه 4:
Configuration Space 3 ‎٩‏ مسئله مسیریابی برای روباتهای صنعتی و متحرک در فضائی با نام ‎alail ppoPiquraiiva space‏ ميشود. ‏* برای روباتی با درجه آزادی هر ترکیب موقعیت آن را میتوان با | مقدار حقیقی , ب,...,ه نشان داد. که اين مقادیر نقطه ای مثل م را در فضای ‎ae‏ نشان میدهند. این فضا ‎pooh iqguediod space‏ نامیده میشود. 

صفحه 5:
Free Space sy * اگر فضای حقیقی (سمه سر ) دارای مانع باشد» عمل مسيريابى بايد مسیری از نقطه اولیه به هدف پیدا نماید که بدون مانع باشد.اين مسیر فضای آزاد نامیده میشود: R=O- فضای مانع . . فضای موا | فضای ازاد 

صفحه 6:
\End \ ١ cal عر بي فضاى موقعيت و فضاى أزاد و مسیری که به هدف منجر میشود / 1 1 ا Configuration Space ۳ ۷ cart 1 2 % 8 1 ۱ 3 8; )4 یک روبات با دو درجه آزادی در فضای حقیقی 

صفحه 7:
configuration space of a mobile robot az © برای یک روبات متحرک رسم بر اين است که آترا بصورت سوام | فرض کنیم. در اینصورت روبات را میتوان بصورت یک نقطه در نظر گرفت . © در نتيجه فضای موقعیت را میتوان بصورت دو بعدی با محورهای بر ,ید نشان داد. ‎٩‏ در اين حالت اشیا موجود در محیط باندازه شعاع روبات بزرگ میشوند تا فرض نقطه ای بودن روبات درست باشد. 

صفحه 8:
‎Rectal)‏ ای وتا ی ‎Free Space ‎Obstacle: ‎OF Robot ‎xY ‎ 

صفحه 9:
CovPicuratica Gpare: ‎Robot Size‏ عل مه ‎ ‎Free Space ‎Obstacles ‎CO Robot xy (treat as point object)| ‎ ‎ 

صفحه 10:
Path Planing se ‏6فرض میشود کهایک نقشه مناسب از محیط وجود داشته باشد؛‎ ‏توپولوژیک‎ ۶ ‏*متریک‎ #یا ترکیبی از اين دو * اولین مرحله از مسیریابی تبدیل نقشه به یک نقشه گسسته است. اینکار به چند طریق ممکن است انجام شود: ‎Visibility Graph‏ + ‎Voronoi Diagram‏ * * Cell Decomposition > Connectivity Graph Potential Field 

صفحه 11:
:-Road-Map Path Planning * در این روش فضای آزاد بصورت شبکه ای از منحنی ها و یا خطوط که نقشه ر/ه نامیده میشود نشان داده میشود. ‎٩‏ مسیریابی در این حالت عبارت است از اتصال مبدا و مقصد روبات به نقشه راه و بدنبال آن جستجوی راه هاتی که ایندو را به هم متصل میکنند. ۴ در این روش فضای حالت روبات با استفاده از هندسه موانع تجزیه ميشود. © دو روش مختلف براى اينكار: ‎Osby Gropk‏ ‎Oorowt Orgran‏ 

صفحه 12:
Visibility Graph ‎SUS pod sla bel 6 lane S$) Ostbity Gropk *‏ چند ضلعی‌ه از لبه هائیت شکیل‌میشود که رئوس‌چند ضلعیها را دو بدو بسه هم متصل‌میکنند. ‏* وظیفه مسیریاب پیدا کردن کوتاهترین مسیر از مبدا به مقصد است. ‏© پیاده سازی این روش ساده بوده و مسیر پیدا شده توسط آن بیبنه است. ‏* اگر تعداد اشیا محیط زیاد شود تعداد لبه ها و گره ها زیاد شده و سرعت الگوریتم کاهش می یابد. ‎٩‏ مشکل جدی این روش این است که مسیر پیدا شده توسط آن روبات را تا ‏حد ممکن به اشیا نزدیک میکند 

صفحه 13:
Visibility Graph ۴ مب ای :8 © گره ها عبارتند از نقطه شروع و هدف و رئوس چند ضلعی ها * یال ها عبارتند از خطوط مستقیمی که از اتصال دو نقطه بدست می آیند و هیچ مانعی را قطع ننیکتند. 

صفحه 14:
*؟ الگوریتم ‎3B‏ امن رتاطا ه ‎Coustrunt‏ ‎Sy‏ 7 یه ‎Gearck © Por a pot Pro‏ ‎Pouce‏ وله ,واه إلا ‎4P a pot is Pour, netuce‏ Coustruntiva wost expeusive! - erie O(c?) - sweep-tae oyprike rewders it O(a? yu) - O(8°) proposed. 

صفحه 15:
Reduced Osibiliy Gropks © میتوان با کاهش تعداد یالها مرنبه اجرای الگوریتم را کاهش داد. * از 9) رئوس مقعر و یالهای بمب حذف ميشوند. یال #سبجه: یالی است که از هر دو گره برموانع مماس باشد. ای( ماه 0 سوق 

صفحه 16:
Voronoi Diagram az ۶ برخلاف روش ۲۰۳۲ باون این روش سعی دارد تا فاصله روبات تا اشیا را حداکثر نماید. ؟ برای ساختن :+ نسسهدنقاطی از صفحه که فاصله شان ازدو و یا چند شیی یکسان است پیدا شده و به هم متصل میشوند. این نموداز شامل خطوط صاف و منحنی خواهد بود. ؟ مسیر یافته شده توسط این روش با مسیر بهینه فاصله دارد. * اجرای این الگوریتم بر روی روبات ساده است: روبات با استفاده از سنسور های فاصله سعی درحداکثر کردن فاصله اش از ز أشيا آطراف خواهد نمود تا همیشه در مسیر ین SU ‏زار‎ ‎G‏ رن خر برد دارد که روبات بعلت محدودیت سنسورهایش قادر به اندازه گیری فاصله تا اشیا دور نباشد. 

صفحه 17:


صفحه 18:


صفحه 19:
نمودار ورونوی برای مجموعه ای از نقاط Example: Voronoi Diagram for point sets (original) Voronoi diagram of point set X consists of straight line segments © constructed by — computing lines bisecting each pair of points and their intersections — computing intersections of these lines — keeping segments with more than one nearest neighbor segments of Vor(X) have largest clearance from X and regions identify closest point of K 

صفحه 20:
‎a‏ و ا ا ل لل ري ا ل ا ل ‎Diagrams ‎ ‎ ‎When € = IR? and polygonal CB, Vor(Cyrec) consists of a finite collection of straight line segments and parabolic curve segments (called ares) ‎© straight ares are defined by two vertices or two edges of CB, i.e., the set of points equally close to two points (or two line segments) is a line * parabolic ares are defined by one vertex and one edge of CB, i.c., the set ‎of points equally close to a point and a line is a parabola ‎ ‎ 

صفحه 21:
Constructing Voronoi Diagrams 1. compute all arcs (for each vertex- vertex, edge-edge, and vertex-edge pair) 2. compute all intersection points (dividing arcs into segments) 3. keep segments which are closest only to the vertices/edges that defined them 

صفحه 22:
Cell Decomposition a * در اين روش محل های مربوط به فضای آزاد و اشیاء از هم جدا میشوند. برای اینکار: ‎٩‏ فضارا به نواحی ساده و به هم متصلی به نام سلول تقسیم کنید. ‏© سلولهای آزادی که مجاورهم هستند را مشخص نموده ویک گراف اتصال تشکیل دهید. ‏@ سلولهانی که حاوی نقطه مبدا و مقصدهستند را پیدا کنید. ‏۴ مسیری در گراف اتصال پیدا نید که اين سلولها رابه هم وصل کند. ‏* در اين سلولها مسیری را پیدا کنید که از آن سلول عبور کند. مثلا مسیری که نقطه وسط سلول را به مرزهایش وصل نماید. 

صفحه 23:


صفحه 24:
‎Tee‏ و وم ‎Trapezoidal ‎Decomposition ‎ 

صفحه 25:
‎Tee‏ و وم ‎Trapezoidal ‎Decomposition ‎ ‏© بازاى هر یک از رئوس موانع خط عمودی در فضای آزاد رسم میشود که يا به مانع دیگری برسد و یا به مرز برخورد کند ‎ 

صفحه 26:
Fe ee Pe ee a ee te a Le eco Trapezoidal $533. Decomposition 335° 9 با نقلیل محیط به سلولها میتوان گراف متناظری را ساخت aa ۲ Kors ۱ he 

صفحه 27:
‎Tee‏ و وم ‎Trapezoidal ‎Decomposition ‎ ‏۶ با استفاده از یک گراف مجاورت میتوان مسیری را از مبدا به مقصد بدست اورد. ‎of boat 

صفحه 28:
Approximate Cell Decomposition a ‎B®‏ از روشهای متداول در مسیریابی روباتهای متحرک است که بخصوص برای مواردی که محیط بصورت ۰۲۱ ‎bused‏ استفاده ميشود. ‏*؟ فضا به سلولهائی با اندازه ثابت( یا متغیر) تقسیم بندی میشود. ‏*در حالت استفاده از سلول با اندازه ثابت ممکن است برخی مسيرها از دست بروند. 

صفحه 29:
Approximate Cell Decomposition 

صفحه 30:
Adaptive Cell Decomposition 

صفحه 31:
Adaptive Cell ‏و‎ ‎Decomposition 332° 

صفحه 32:
مسائل ستگی مسیر تابعی از رزولوشن انتخاب شده است. ۶ با افزایش رزلوشن پیچیدگی محاسباتی افزایش می یابد. * مواردی وجود دارند که دقت از بین میرود. برای مثال در شکل زیر تشخیص مانع از فضای آزاد مشکل خواهد بود DD neighbors 

صفحه 33:
Path / Graph Search Strategies Be برای جیستجو از تکنیک 06۳) و یا ساب استفاده میشود که رورت هر سول فاصله آن تا عم هرفت تست داد ميشود. 5 12 ] ۵ 2 | distance value 5 obstacle cel 8 سايرروشها: 1 Breadth-First Search Depth-First Search Greedy search and A * 9 | ۶ 

صفحه 34:
re OweProdt placer ۶ از اين الگوریتم میتوان برای تعیین کوتاهترین فاصله بین دو نقطه استفاده نمود. # در حقیقت یک جستجوی ‎breads Pirst‏ انجام میدهد. * مقدار دهی اولیه: ‎٩‏ فضای آزاد با 0 علامت گذاری میشود ‎٩‏ موانع با ) علامت گذاری ميشوند. ‎٩‏ مقصد با 6 علامت گذاری ميشود. 

صفحه 35:
2 3 4 5 6 7 8 9 10 11 12 13 14 5 1 8 [ 0 [ 0 [ 06 [ 0 [ 0 [ ۵ [ 0 [ 0 [ 0 ( 0 [ 0۵ [ 0 ( 0 [ 0 ۱ 2 0 0 [ 0 [ 0۵ [ 0 [ 0 [ 0 [ 0 [ 0 [ 0 [ 0 [ 0 [ 0 [ 0 [ 0 [ 0 [ 0 2 [ ۵ [ ۵ [ ۵ [ ۵ | ۵ [ ۵ [ ۵ [ ۵ [ ۵ [ ۵ [ ۵ [ 0۵ [ ۵ [ ۵ | ۵ [ ۵ 1 ۵ | 0 | 0 ۱ 0 8۵ | 0 | 0 | 0 5 [ 0 [ 0 [ 0 [ ۵ [ ۵ [ ۵ [ ۵ [ ۵ [ ۵ | ۵ [ ۵ [ ۵ [ ۵ [ ۵ [ 0 3 | 0 [ ۵6 [ 6 0 8 [ 0 [ 0 [ 0 [ 0 [ 0 [ ۵ [ 0 [ 0 [ 0 [ 0 [ 0 [ 0 [ 0 [ 0 [ ۵ 7 0 [ ۵6 [ ۵ [ ۵ [ ۵ [ ۵ [ ۵ [ ۵ [ ۵ ( ۵ [ ۵ [ ۵ [ ۵ [ ۵ | ۵ [ ۵ 6 ۱ 

صفحه 36:
9 10 11 12 13 1418 8 3 4 5 6 7 2 شن افزايش ميدهيم. abi ‏از‎ ٩ هدف وع کرده و سلولهای Tee OweProdt placer مجاور آن را یکواحد 

صفحه 37:
Tee OweProdt placer ۶ به همین ترتیب برای سلولهای مجاور عمل میکنیم. _الگوریتم آنقدر ادامه بيدا ميكند تا هیچ سلولی که همسایه برزگتر از 0 داشته برابر صفر نباشد. مگر سلولی هانی که قابل دسترس نباشند. cep haa 0 1 2-3 + 5 6 7 8 9 10 11 12 13 14 15 

صفحه 38:
Tee OweProdt placer * برای پیدا کردن کوتاهترین مسیر با شروع از مبدا درجهتی حرکت میکنیم که مقدار عددی سلولها کمتر شود. cep haa 0 1 2-3 + 5 6 7 8 9 10 11 12 13 14 15 

صفحه 39:
Potential Field Path Planning * اين روش یک میدان و یا گرادیانی در نقشه روبات ایجاد میکند که میتواند روبات را از موقعیت فعلی به سمت هدف هدایت نماید. © روبات بصورت یک نقطه فرض میشود که تحت تاثیر یک میدان پتانسیل ()() قرار دارد. روبات همانند توپی که در سرازیری قرار دارد مسیر میدان را دنبال میکند. ‎٩‏ نقطه هدف بصورت یک نیروی جاذب و موانع بصورت نیروهای داقع عمل میکنند. برایند نیرو های دوگانه به روبات اعمال خواهد شد. بدین ترتیب روبات همزمان با حرکت بسوی هدف از موانع نیز دور خواهد شد. ‏* اگر اشیا جدید در مسیر روبات قرار داده شوند میدان طوری تغییر داده میشود تا تاثين آنها را در بر داشته باشد. 

صفحه 40:
ی تس و و و ویک یت سییر ی اج و ی Planning | LK ۲ ۳۳ 

صفحه 41:
‎en ea‏ وت وت ییاچ و ی و ‎Generation ‎ ‏© اگر روبات بصورت یک نقطه فرض شود میتوان از 0صرفنظر نموده و میدان پتانسیل (7)0] را بصورت دو بعدی در نظر گرفت. در اینصورت نیروئی که در نقطه(,,«)-ب بر روبات اثر میکند عبارت است از: ‎au ‎F(q)=-VU(@=-VU,.fa VU nAO=| 2۲ ‏* سرعت ‎V,) Aas)‏ ,۲) متناسب با نیروی ( )7 در نظر گرفته ميشود. 

صفحه 42:
Attractive Potential Field © يتانسيل جذبى را لاد | فت. a UsulD) = au Poa) ه در اين رابطه 0 ضریب مقیاس و (و)ب,م فاصله اقلیدسی || بمب ||تا هدف را مشخص میکند. با مشتق گیری از این رابطه مقدار نیروی جاذ ب بدست خواهد آمد. Fal) = WU gd) Karr Pgoat(Q)¥ Peoat) Kan (4-4goat) وقتى كه روبات به هدف ميرسد مقدار اين نيرو صقر خواهد شد: 

صفحه 43:
Repulsing Potential Field © نیروی دافعه باید روبات را از موانع معلوم دور سازد. از اینرو مقدار آن وقتی كه روبات به موانع نزدیک میشود باید زیاد بوده و وقتی که روبات بقدر کافی از مواتع دور است ثاثیر چندانی نداشته باشد. 0 if P(g) > Pp ‏در اين رابطه ) ضریب مقیاس و (و) م حد اقل فاصله از و به شبیْ و وم‎ * ‏فاصله تالیر شبی است. .مقدار میدان دافعه مثبت و با صفر بوده و با نزدیک‎ ‏شدن به شیی مقدار آن بینهایت میشود.اگر مرز شیی محدب بوده و بصورت‎ ‏تکه تکه مشتق پذیر باشد میتوان از () م مشتق گزفت. در اینصورت:‎ ا 1_4 ‏نمع‎ ‎kg( —- +) 4 it pias, Fropld) ~ Pye) ۰ 5 ‏وله‎ py) PLP SPo 0 وم < زوام كذ 

صفحه 44:
Gevercicy the ‏لسع‎ Piett ® @uarchole Dell Por Ptiructtary t7 Bot eo 2 :- | x= ۳ 1 

صفحه 45:


صفحه 46:
AR ‏+(سی3- 6 میت(‎ 01 اعد ‎Fy) Be?‏ ۲۶-۲ 

صفحه 47:


صفحه 48:
Potential Field Path ‘Planning © محدوديت های این روش: * احتمال قرار گرفتن در مینیمم محلی وجود دارد. ۰ در اشیا مقعر ممکن است چندین فاصله حد اقل (م) م وجود داشته باشد. اين امر ممكن است به نوسان بين دو نقطه نزدیک به شیی منجر گردد. ۶ اگر نتوان روبات را بصورت نقطه ای فرض کرد مسئله بعرنج خواهد شد. 

صفحه 49:
‎ee eee‏ کم ی و ور و و بر يي ‎Method ‎ ‏۶ در این روش دو میدان به صورت زیر تعریف میشود: ‎Preud Ped ©‏ مسب( لبن‌میدانن بر وعدلفعه: را تایعیاز فاصله تا مانم و جهتووباتفرض‌میکند. طوریکه لگر روبات موازی‌مانع. بود نیروودلفعه مانم, کمترلثر نماید.بدین‌ترتیب‌صل ماه( اسب رلحتتر لنجام ميشود. ‏° 1610 201612121 وج" با لستفادم از سرعتووباتاشیانیرا که نباید تأثیرویر میدان‌پتانسیل‌داشته باشند را مشخص مینماید. لینکار مسیر هموارتریرا لیجاد مینماید. 

صفحه 50:
Extended Potential Field Method a) Classical Potential ۳ On| b) Rotation Potential with parameter B مقايسه بين دو روش 

صفحه 51:
Obstacle Avoidance ‎٩‏ یک مسیریاب فقط میتواند اشیائی را در نظر بگیرد که از قبل مشخص باشند. ‎٩‏ در عمل ممکن است. در یک محیط پویا بعلت وجود اشیا جدید و يا عدم دقت نقشه قرائت سنسور های روبات با مقادیر موجود در نقشه همخوانی نداشته باشد. ‏© در نتیجه یک روبات متحرک باید قادر به ممانعت از برخورد با اشیا باشد. ‎ 

صفحه 52:
Obstacle Avoidance © عمل يرهيز از اشيا سعى دارد تا مسير روبات را به محض اینکه سنسورهای روبات آن را از وجود مانعی آگاه کردند تغییر دهد. اینکار وابسته به عوامل زیر است: ‎٩‏ نقشه محیط ‏اطلاع دقیق روبات از موقعیت خودش در روی نقشه؛ ‎٩‏ مقدار فعلی قرائت سنسورهاه © نقطه هدفاء © سرعت و ديناميك روبات» © خطر كنونى و بعدى برخورد © معمولا قابليت يرهيز از مانع بصورت جداكانه يياده سازى ميشود. 

صفحه 53:
uy Okprikas © الگوریتم های پی9) جزو ساده ترین روشهای پرهیز از اشیا © ايده اصلى اين است كه روبات با مشاهده هر مانع در مسیر خود محیط پیرامون آنرا دور میزند. فرضیات: ‎(Porat robot‏ ‎seer (Buf, Bu@) or Prats reeee secevr (Reet Bux)‏ ] موی للمو) ‎(Robot postica ts perPerdy kan‏ (QRobot co weasure the ‏جوا‎ beter tuo pots 

صفحه 54:
Obstacle Avoidance: در اين روش روبات یک دور کامل دور شیی زده و سپس از نزدیکترین نقطه به هدف از مانع جدا میشود. 

صفحه 55:
Obstacle Avoidance: Bug2 در اين روش روبات محیط مانع را دور میزند و به محض اينكه راهی بسوی هدف پیدا کرد از آن جدا 

صفحه 56:
uy Okprikas Algorithm consists of two behaviors: 1. Motion to goal - move toward the goal *Bug1: move along the line that connects an “initial” point to the goal until you reach the goal or an obstacle (hit point). *Bug2: move along the line that connects the start point to the goal until you reach the goal or an obstacle (hit point). 

صفحه 57:
uy Okprikas 2. Boundary following - obstacle handling *Bug1: circumnavigate the entire perimeter of the obstacle, find the closest point to the goal on the perimeter (leave point), move to that point . *Bug2: circumnavigate the obstacle until you reach a new point on the line connecting start and goal, that is closer to the goal (leave point). 

صفحه 58:
*Bug2 * Opportunistic (greedy) search ‘Performs better with simple obstacles *Path length : -n, = # of times the start-goal line intersects obstacle i uy Okprikas *Bugl : Exhaustive search *Optimal leave point *Performs better with complex obstacles *Path length : +n = # of obstacles -P, = perimeter of obstacle i 

صفحه 59:
Obstacle Avoidance: Vector Field Histogram (VFH) threshold. 

صفحه 60:
اسایر روشها © Phe Dubble Bud Ovarept © boc Curvature Ortovity Detkods © Globd Opeennic Diedow Opprouck © Phe Gobel Opprouck ‎Phe CRCL-OGL upprouk‏ و ‏روص خا -صسج(1) ,روص و 

صفحه 61:
حبص۳( مره( ‎٩‏ چگونه میتوان روشهای مختلف مسیریابی» پرهیز از موانع» مكل یابی؛ و ادراکی را در یک رویات واقعی تحت یک سیستم مجتمع نمود؟ ‏# روش متداول طراحی یک نرم افزار مخصوص کاربرد مورد نظر است. ‎٩‏ اما این کار را میتوان به شیوه های ساخت يافته تر ی نیز انجام داد. 

صفحه 62:
‎ee‏ مسا اون ‏9 معمولا در طراحی روبات عملیات کنترلی مختلف به صورت ‏واحد های مشخصی در معماری سیستم پیاده سازی میشوند. ‏۶ مثلا پرهیز از موانع بصورت یک واحد مجزا اجرا میشود. ‏© همچنین تصمیم گیری های سطح بالا نظیر نام نیز ‏بصورت مجزا اجرا میشوند. معمولا این بخشها با استفاده از ‏یک شبیه ساز تست ميشوند. ‏9 معمولا از دو روش برای تجزیه عملیات روبات استفاده میشود ‎Temporal decomposition and‏ + ‎* Control decomposition 

صفحه 63:
Temporal decomposition © تجزیه زمانی نرم افزار روبات بر اساس عملیاتی که باید بصورت بلادرنگ انجام شوند و عملیاتی که میتوانند بصورت ‎DPF fice‏ انجام میشوند صورت میپذیرد. 

صفحه 64:
Temporal decomposition | :: ‎٩‏ در پائین ترین سطح ‏تصمیم گیری بر ‎Path planning 0.001 Hz‏ اساس مقادیر فوری 0 ‎Range-based obstacle avoidance 1 Hz ‏شور ها اس‎ a ‏اور‎ ‏يكيرد در حالیکه در ‎stop 10H:‏ بش ‎۳ ae ae ‎7 ‏سطو ح بالاتر تصمیم‎ PID velocity control 150 Hz 1 ao ‏ور‎ ‎ ‏موجود انجام میگیرد. ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ 

صفحه 65:
Control decomposition Be * اين روش نرم افزار را بر اساس ارتباطی که خروجی های یک بخش با قسمت های دیگر دارد تجزیه میکند. © سیستم ( شامل روبات و محیط) به رب ماجول با یک يا چند ورودی و فقط یک خروجی تجزیه میشود که ورودی هر ماجول از خروی ماجول دیگری تامین شده و یک سیستم بسته ایجاد میشود. ‎٩‏ ورودی ماجول م و یا روبات کلیه عملیاتی که روبات فیزیکی قادر به انجام آن است را شامل میشود. خروجی آن نیز تمامی ادارکاتی را که روبات قادر به حس آن است در بر میگیرد. 

صفحه 66:
Control decomposition * این ایده میتواند بصورت کاملا سریال و یا موازی پیاده سازی ۳ شود. ‎Pure serial decomposition‏ + action perceptual | ۳ 7 ‘specication output + Pure parallel decomposition action a perceptual 1 ‏واه £ _ ب‎ 

صفحه 67:
کنترل موازی * در حالت موازی لازم است تا روشی برای انتخاب بین خروحی ‎GB‏ ‏ماجولهای مختلف تعیین گردد. * در روش سوئیچینگ در هر لحظه خروجی یکی از ماجولها بر اساس شرايط موجود انتخاب ميشود. ( مثلا در هنكام نزديك شدن بهاموائع ماجول برهيز از موانع انتخاب ميشود) ‎٩‏ در روش ترکیبی خروجی همه ماجولها برای تولید خروجى لازم مورد استفاده قرار میگیرد. مثلا خروجی ماجول پرهیز از موانع همیشه روشن است ولی یک تابع ریاضی تثیر آن در حرکت روبات را تعیین مینماید. ‏روش کنترل موازی در حقیقت تقلیدی از موجودات زنده است: روممس0) 

صفحه 68:
An architectural example: Functional Decomposition| :: Position Position Local Map Locai Map Environment Model Local Map !ا ‎Scat |‏ مسير كمانها ار تباط زمائی بین ماجولها را نشان ميدهد 

صفحه 69:
مثالی از تجزیه زمانی عملیات روبات: ماجول مج»ج|) «ل<) تصمیم گیری های استراتژیک را انجام ميدهد. اين تصميم كيرى ‎٠07‏ ادم نبوده و بر اساس اطلاعات كلى در يافتى از محيط انجام ميشود. از طرف ديكركنترلرهاى جم إدج+1) داراى يهناى باند زيادى بوده و ورودى سنسورها را به عملكرها ربط ميدهند. در پائین ترین مرحله کنترلر موتورها قرار ۰ لایه اجرائی یا 172660101176 که بین دو لایه تام تلم و سبه اسر قرار میگیرد» مسئول ميانجيكرى بين ايندو بخش است که رفتار ها را بر اساس مقدار سنسور ها فعال میکند» خرابی را تشخیص میدهد و در صورت لزوم سوام را دوباره راه اندازی میکند. General Tiered Architecture Path planning 1 Executive 1 Real-time controller behavior t | behavior 2 | behavior 3 PID motion control 

صفحه 70:
A Three-Tiered Episodic .Planning Architecture Path planning Global 1 Local knowledge, map knowledge و ‎Executive‏ له Real-time controller behavior 1 | behavior 2 | behavior 3 PID motion control Robot Hardware Planner is triggered when needed: e.g. blockage, failure 

صفحه 71:
Te eke ee Se ee ee ga ee, ‏ا‎ and execution architecture Global Global Executive knowledge, map Real-time controller behavior 1 | behavior 2 | behavior 3 PID motion control Robot Hardware All integrated, no temporal between planner and executive layer 

صفحه 72:
mop goals (use) PATH-ANDING MAP-LEARNING tum szggestions ۳ ‏العم‎ LANDMARK DETECTION navigation BOUNDARY FOLLOWS turn ome SAFE WANDERING ‏نس‎ ‎(wore) 3 

صفحه 73:
۰ برای داشتن یک روبات کاملا خودکار لازم است تا علاوه بر ایجاد ارتباط بین ورودی سنسورهای روبات و خروجی عملكر ‎“ol Gla‏ ۰ روبات باید قادر باشد تا هدفی را انجام دهد * روبات باید مسئله ای را حل نماید 

صفحه 74:
اویژگی های معماری + Acontrol architecture provides a set of principles for * Organizing a control system * provides structure * provides constraints ۰ refers to software control level, not hardware! 

صفحه 75:
دسته بندی معماری های مختلف برای کنترل روبات ۰ Deliberative + look-ahead; think, plan, then act + Reactive * no look-ahead; react! * Hybrid * think slowly, react quickly * Behavior-based + distribute thinking over acting 

صفحه 76:
Deliberative Control Es * Classical control architecture (first to be tried) * First used in AI to reason about actions in nonphysical domains (like chess) + Natural to use this in robotics at first * High-level planning architectures including STRIPS, GAPPS, PRS, and RAPS 

صفحه 77:
Reactive Control Operate on a short time scale Does not look ahead Reactive control is based on a tight loop connecting the robot’s sensors with its effectors Purely reactive controllers do not use any internal representation; they merely react to the current sensory information. Use a direct mapping between sensor and effectors; minimal state information (if any) 

صفحه 78:
Collection of rules that map situations to actions Simplest form: + divides perceptual world into a set of mutually exclusive situations * recognize which situation we are in * react to it Usually too hard to define mutually exclusive situations : what if multiple sensors are involved? + robot’s entire sensory space could be very large! Reactive Control 

صفحه 79:
Control is a function of the sensed data. *Look at the front nins sonar values — which are ckeest 7 Case 1; ۷ sonars 12, 13, or 14 Turn left at 20 deg /sec Case 2: f sonars 15,0, or 1 Turn left at 40 deg /sec Case 3: f sonars 2,3, or 4 Turn right at 20 deg./sec O45 14 3 13 4 12 0 

صفحه 80:
Arbitration * Deciding between two or more different possible actions or behaviors * Can be done based on: fixed priority hierarchy dynamic hierarchy Learning 

صفحه 81:
Universal Plans * Suppose: + all possible plans for all possible actions can be generated in advance and + An optimal reaction for each situation can be identified + This is a universal plan also called a complete mapping. Reactive planning is done at compile-time, not run- time. + but not viable, because: ٠ world must be deterministic + world must not change * goals must not change * world is too complex (state space is too large) 

صفحه 82:
Situated Automata - Formal notion of finite state machines (FSM) + inputs connected to sensors * outputs connected to effectors + “situated” = interacting with a complex world + Used to create reactive principled control systems * Control With Situated Automata + two ways to construct + manually e.g., subsumption architecture [Brooks 1986] + pre-compiling a complete plan + similar to universal plans, but in terms of FSM circuitry 

صفحه 83:
Subsumption Architecture Best known reactive control architecture (Q Rodney Brooks, MIT, 1985) + principles: systems are built from the bottom up components are task achieving actions/behaviors (not functional modules) components can be executed in parallel components are organized in layers, from the bottom up lowest layers handle most basic tasks newly added components and layers exploit existing ones each component provides and does not disrupt tight coupling between sensing and action no internal models (“the world is its own best model”) 

صفحه 84:
Hybrid Control Basic idea: use the best of both worlds (deliberative and reactive) combine open-loop and closed-loop execution combine different time scales and representations Typically consists of three components: 1. reactive layer 2. planner 3. integration layer to combine (1) and (2) often called three-layer architectures planner and reactive layers are standard 

صفحه 85:
Strengths - Deliberative planners * rely heavily on world models * can readily integrate world knowledge + have broader perspective and scope + Reactive and behavior-based systems ٠ afford modular development + provide real-time robust performance in dynamic world * provide for incremental growth * tightly coupled to incoming sensory data 

صفحه 86:
رو حور ج921) ‎the Gubsucoptiva @rchiterture‏ من للم ‎COR‏ و ‎° Reunive systews ue levited by their back oP iotercal state. OR spstews vvervowe this hevitaive becouse thee denier uci oP nepreseutaivd behaviors coo store state. ‎pectrdized tested various Pores oP‏ ام وا مروت و ‎distibuted represeutaives ane used race Pro static table‏ ‎structures ocd uetuvorks to untive provedurd provesses‏ 

صفحه 87:
رو حور ج921) ‎provide botk low level coutrol‏ موه را رو لواروا ار و ‎Wich level detberciva.‏ كمه ‎° Dke hatter is perPorwed by vee or wore distributed represrutaivas that powpute over the ‏ان‎ bebuviors ‏ماه‎ ‎Dke result syotew built Prooe the botiow up does oot divide‏ و ‎foto GPP ered) represeoted ood tedepeudedt powpoorats but‏ كء راو ‎ ‎ 

صفحه 88:
رو حور ج921) © De whole robot ‏امه ه موجن نها اوه‎ oP نیب ‎a set oF uctivas‏ رهام موی ,موم ‎spevity, of euck powputaiccd step, the wost uppropricte‏ .كد لجواك أ ‎respouse i 0 percept‏ ‎ulows the systes to inhibit a‏ نموه مان ‎Ou‏ و ‎behavior whick is uot comedy requested, evectualy,‏ ‎reuctivaticgy it hater .‏ ‎ 

صفحه 89:
®ekwior~-bused vourvlers خام وصاعصلامص ه خام ‎Oekwion-bused coutclers cowsist‏ »© رو <9 @ekwivrs ue provesses pr vouirol baw that achieve ‏وم للجم‎ yous. 9 (Por exavple, ‘uuoid-pbstactes' wuictaias the yot oP preveuicgy ‏امه‎ yo-howe' uchieves the you oP 

صفحه 90:
®ekwior~-bused vourvlers ‎GCatk behwior co‏ و تحص ‎take tepuis Prow te robot's seeors (ec, omerc,‏ © ‎fProred, tavthe) cad/or Pro vier behaviors te the syoteu, ord‏ ‎spud pulputs to the robol's ePPeviors (ey, wheels, yippers, aw,‏ © وهای اه جا سي للج ‎speech)‏ ‏اه لصو وه ‎is‏ موی ‎bekovior-bosed‏ 0 وب © ‎DVke bekwiors thewselves coo hove state, ood cod Por‏ © ها موه ‎represrutaives wheo‏ ‎ 

صفحه 91:
®ekwior~-bused vourvlers ‎Whe key dPPereur betwero bekovio-bosed ood hybrid systews te to the‏ و ‎Way represerutivg ocd teoe-srole ore herded.‏ ‎© yb spetews ‏راو راما‎ a low-level reactive ‏مخ ما ورد‎ ped short fioe-srdle, ood ot high-level plocoer thot Puarticos ooo bro toe soe. The tuo toteroc ‏رام )وا له ه مج‎ hybrid ‎Aa cores, bekuvior-bosed spetews utiewpt to woke the represrutativa,‏ و ‎cad thus the tie-sode, oP the systew uoiPore. Orkuia-based‏ ‎to order to aerate‏ ,شم له لاس ,الوم و اوه ‎parts of the syste. Purkerwore, they‏ اه ‎the nevbtice decoads oF‏ ‎arr kopleweuted stay the behavior structure, wurk lhe the nest oP the‏ ‎syste.‏ 

صفحه 92:
2 پیاده سازی رفتارها © ‏موق‎ coo be desiqeed ut u variety oP ubstractiva levels ‏وین بو‎ they ure higher thoo the robots utocwic uctivos. ‎tachide:‏ شمه وجمان سور و ‎Co kowe , Cet revkoryed, (Pied bocckvark, Pichbup Objen,..‏ © ‎what bekovior to execute of ruck pote io fieoe is‏ )و یل ای ‎cited bebovior urbiteaivg ord is vor oP the‏ )ام مادم ‎Pixed priority Por bebwiors‏ © 

صفحه 93:
SideRoom Ualnown)=True ‘SidoRoom(ome)=Truo or | = True 3 DoorOpaned = True SideRoom Home)=False DeorOpened= True HaveBux = False ome) = True (Gtructere of the behavior uetworks Por the delivery tosh 

صفحه 94:
معیار های انتخاب معماری + Support for parallelism the ability of the architecture to execute parallel processes/behaviors at the same time ane targetability how well the architecture can be mapped onto real- robot sensors and effectors how well the computation can be mapped onto real processing elements (i.e., microprocessors) = Blane time flexibility does the architecture allow run-time adjustment and reconfiguration? 

صفحه 95:
۶: |معیارهای انتخاب معماری * Modularity + how does the architecture address encapsulation of control? * how does it treat abstraction? * does it allow many levels? * e.g., feedback loops, primitives, agents * Robustness + how well does the architecture perform if individual components fail? how well does it enable and facilitate writing controllers capable of fault tolerance? 

صفحه 96:
۶: |معیارهای انتخاب معماری + Ease of use + how easy to use and accessible is the architecture? are there programming tools and expertise? * Performance how well does the robot perform using the architecture? does it act in real-time? does it get the job 

صفحه 97:
QOesiqaiay Priaviples ‎pout! proucans Por cuparwous robots is a‏ موی و ‎especialy iP itis powpored wits the‏ رششیه حال ‎very‏ ‎eiyyous untiviy oF voice, posputer prow.‏ ‎© ‏اناد ی‎ stew Prow the hard couptiegy between the ‏موه وا لت سار‎ Wwhick wokes tapulloutput ppendives to play ‏ات ه‎ role ioside the procprod. ‎© DVke vow equew? ts thal robot capubilies are deeply uPPected by the perPorwoare oP its seusvrs, whick hood fioheredly uwisy data, cerd its actuators whose retubility is owt perPeniy predictable. 

صفحه 98:
ككامد او" ‎Lutxwbe,‏ صلیها )ول موم ب() بو و 0۰ رسب ‎* Cekwirr-Bused Robviirs by R. Orkia 

صفحه 99:
‎Tusk Ovutrot ®rchitevture | °:‏ :ام ‏,باتهم خن موی له وا موی رل © 1 ا الل ‎es rene‏ ‎DCO kes ow built poate! Puantives Por partioukar robots‏ و ( ماه متام کلم عه لسج) ‎© 14 prides poate! Puontiogs, suck us task devowposiivs, ‏اوه‎ cod rescue wore wed, thot one power I ‎PCO cat be thought oP us a robot operate systew .‏ و ‎Viki DOGO, TOO kes beru used va severd robots.‏ و 

صفحه 100:
hter-Provess Cow wudivdiva ee © PCO prides u Aexible werkunisw Por pusstay course clea! server type wessuyes, oer bots blocker ord azo ‏چا مسا‎ oF wessayes. ©» PCO abv prwides orderly ‏وه‎ ty ‏ادحام‎ resources BU thot pou doo't Kove to bud pour ove quevies weobudisws. 

صفحه 101:
‎ee‏ )ون عدو ‎©» Phe Purcawectd copabiliy oP a robot ts to achieve its yuk. ‎©» PCO euubles developers to ‏باصت‎ speviPy herachicd tosk- devowposiive stroeyies, suck us how to wavicnte to ‏نما جوم‎ or kow to ovlert a desired suvple. ‎Dhis con foclude tewpord coustroints betwwerd sub-qous,‏ و ‎sequedid or poourured bekuviors.‏ اه رون وه ‎to‏ لها ‎©» TCO schedules the exevutiva oP placed behwiors, based vu those texppord powstrots. 

صفحه 102:
DCO provides voustrunts that eoable the robot systex to wwoutor selevted seusvrs ued Porc the systew wheu the ‏وه لحاوس‎ une triggered. Do reower Prow encores ta phos, PCO utlties: crab vobot syste ws to reuse ubout phros, tercvicate or suspesd portivas oP phos, odd patches, ood retry ph. مه روصم اما و ‎PCO provides‏ .جمد ۱ Cxeruioa ODvcitoricry und ‏سس‎ ‎(Recovery 

صفحه 103:
Ov robot will be ‏رایخ‎ outros; ieteronige wits huevos is ‏هن‎ DCO provides users wits the ubilty to icteravt wits the robot toy level oP the task hierarchy. Osers wup dsp view the curred tush devowpositiva that the robot is exevuticg, ood wodiPy ito the Aly, P ‏له‎ Ovte tha TCO wap at be ac uppropricte Proce works Por reubitoe pout! systews. Gource? hip:/hwww.0e.cwu.edu/~TCOlhiva.oriy. Atel Weed Robot Ieteractica 

صفحه 104:
موضوعاتی برای ارائه ® Probubiisic Road Dups © Dati-Robot Opstews ‏فا‎ Gubsurvptioa Orchitectune 

صفحه 105:
2 اموضوعاتی برای پروژه © یادگیری و روبات © شبيه سازی: شبیه ساز روبات کوکاء شبیه ساز روباتهای متحرک» © يياه سازی مم9) توسط شبیه ساز 

صفحه 106:
ابرخی پروژه های پیشین سه بعدي فوتبال با استفاده از روش کالمن فیلتر تخمین میزان آب لازم براي خاموش کردن يك ساختمان مشتعل.سحس - مسا تخمین و پیش‌بینی رفتار گسترش آتش در محیط شبیه‌سازی امداد جلوگيري از برخورد به موانع با استفاده از يادگيري تقويتي براي روبات کپرا طراحی و پیاده‌سازی محیط شبیه‌سازی رباتهای متحرک حل سینماتیک معکوس برای ربات افزاینده با۳ درجه آزادی با وجود مائع بوسیله تبالیست در محیط شبیه سازي سه بعدي فوتبال با استفاده از روش پارتیکل پیاده سازی و مقایسه روشهای مسیریابی ربات استفاده از يادگيري تقويتي براي حرکت روبات در یک مسیر منحني برنامه ریزی حرکت و جلوگیری از برخورد روبات با موانع با استفاده از پارامترهای فازی حل سینماتیک معکوس در روباتهاي افزونه با استفاده از اتوماتاي یادگیر سلولي ارانه یک مدل فازي براي تعیین اولویت خاموش کردن ساختمانهاي آتش گرفته توسط عاملهاي اتش نشان تیم امداد 

صفحه 107:
ابرخی پروژه های پیشین ۶ فازی کردن ‎Gubsurnpiivg sexs‏ ۶ يادگيري مهارت ضربه زدن در رویوکاپ * _پیاده سازي يك ربات یادگیر * موقعیت يابي با استفاده از کالمن فیلتر ‎٩‏ مسيريابي ربات با استفاده از یک روش تغییر يافته میدان نیروی مجازی؛ ضمن شناسائي و فرار از مینیمم هاي محلي ‎Outiple Parget Prackicgy Por Dobie Robots Osicy the‏ © ‎JPOP Ckyorikw‏ ‎Ovbie Robut Clobdl Lovalizaiva usiegy DiPPercctial Cuvbatica‏ و ‎od Particle Guvarw Opticrizativa‏