Енергоефективні алгоритми обробки сенсорної інформації для наземних роботизованих систем різного призначення
DOI:
https://doi.org/10.18664/ikszt.v31i2.362229Ключові слова:
автономні мобільні роботи, планування шляху, SLAM, алгоритм, сенсори, навігація, гаусів процес, алгоритм фільтрації, алгоритм DIS RTSS, алгоритм DIS RTP, алгоритм DIS RTGP, алгоритм DIS RTB, алгоритм DIS RTrBАнотація
У статті розглянуто застосування методів одночасної локалізації та побудови карти (SLAM) для забезпечення автономної навігації мобільних роботів у невідомому середовищі. Актуальність дослідження зумовлена потребою у створенні високоефективних алгоритмів обробки сенсорної інформації для автономних мобільних платформ, що функціонують в умовах обмежених обчислювальних ресурсів і відсутності зовнішньої навігаційної інфраструктури. Особливої ваги такі задачі набувають для українських реалій, зокрема розроблення наземних роботизованих систем для обстеження територій, моніторингу інфраструктури, розмінування, роботи в зоні надзвичайних ситуацій і на промислових об’єктах. Проаналізовано підходи щодо фільтрації даних лазерного далекоміра в навігаційних системах мобільних роботів. Традиційно в задачах SLAM застосовують методи на основі фільтра Калмана і його модифікацій — розширений фільтр Калмана (EKF) і ненасичений фільтр Калмана (UKF). Однак алгоритм EKF потребує лінеаризації нелінійних моделей, що призводить до втрати точності, тоді як UKF забезпечує кращу узгодженість оцінок, але має підвищену обчислювальну складність. Це обмежує їхню ефективність для автономних роботів із обмеженими апаратними ресурсами.
Альтернативою є алгоритм фільтрації GP-RTSS, побудований на основі гаусових процесів, який не потребує процедури лінеаризації, чисельного інтегрування та явного прогнозування вибірки моделі. Такий підхід забезпечує вищу точність оцінювання стану та адаптивність до різних типів динамічних систем. Водночас суттєвим обмеженням GP-RTSS є значні обчислювальні витрати, пов’язані з обчисленням ядрової функції.
У роботі досліджено модифікацію фільтра DIS RTSS, що реалізує схему розподілених обчислень у структурі GP-RTSS із метою зменшення часу обробки даних і обсягу пам’яті. Запропоновано чотири алгоритми розподілених обчислень: DIS RTP, DIS RTGP, DIS RTB і DIS RTrB. За результатами моделювання встановлено, що алгоритм DIS RTGP демонструє найкраще співвідношення швидкодії та точності для задач автономної навігації мобільних роботів. Отримані результати можуть бути використані для створення вітчизняних робототехнічних комплексів із підвищеною автономністю і енергоефективністю.
Посилання
Hanenko L., Storchak K., Shlianchak S., Vorohob M., Pitaichuk M. SLAM in Navigation Systems of Autonomous Mobile Robots. CEUR Workshop Proceedings. 2025. Vol. 3991. P. 173-182.
Семененко Ю. О., Семененко О. Д. Особливості локалізації та навігації мобільних роботів на основі лазерного SLAM. Управління якістю в освіті та промисловості: досвід, проблеми та перспективи: тези доповідей VІІ Міжнар. наук.-практ. конф., 20–21 листопада 2025 року. Львів. Національний університет «Львівська політехніка». 2025. С. 244.
Конструювання промислових роботів: навч. посіб. / Г. І. Костюк, О. О. Баранов, Ю. В. Широкий. Харків: Нац. аерокосм. ун-т ім. М. Є. Жуковського «Харків. авіац. ін-т», 2020. 136 с.
Zheng S. et al. Simultaneous localization and mapping (SLAM) for autonomous driving: Concept and analysis, Remote Sens. 2023. 15 (4).
Широкий Ю. В., Постельник Т. O. Конструювання устаткувань для автоматизованого виробництва. Захватні пристрої промислових роботів : навч. посіб. Харків : Нац. аерокосм. ун-т ім. М. Є. Жуковського «Харків. авіац. ін-т», 2021. 88 с.
Li C. et al. Deep sensor fusion between 2D laser scanner and IMU for mobile robot Localization. Sensors. 2019. 21 (6). 8501–8509.
Баранов О. О., Руденко Н. В., Широкий Ю. В. Математичні основи робототехнічних систем : навч. посіб. Харків : Нац. аерокосм. ун-т ім. М. Є. Жуковського «Харків. авіац. ін-т», 2021. 224 с.
Chen W. et al. SLAM overview: From single sensor to heterogeneous fusion. Remote Sens. 2022. 14 (23).
Al-Tawil B. et al. A review of visual SLAM for robotics: Evolution, properties, and future applications, Front Robot AI 11. 2024.
Дослідження кінематичних характеристик дельта-робота в задачах прямої та зворотної кінематики / Ю. В. Широкий, Ю. О. Сисоєв, Ю. О. Семененко та ін. Відкриті інформаційні та комп'ютерні інтегровані технології. 2025. № 106. С. 121-141.
Karamanos X. Mobile Industrial Robotic Vehicles: Navigation with Visual SLAM Methodologies. Advances in Service and Industrial Robotics. 2023. P. 1-15. doi:10.5772/intechopen.1136693
Afanasyev I. Comparison of Various SLAM Systems for Mobile Robot in an Indoor Environment. arXiv preprint. 2025. arXiv:2501.09490v1
Семененко Ю. О., Семененко О. Д. Аналіз можливості керування дельта-роботом за допомогою PID-регулятора. Тези 38-ї Міжнар. наук.-практ. конф. «Інформаційно-керуючі системи на залізничному транспорті». 9-10 жовтня 2025 р., УкрДУЗТ, м. Харків. С. 2-3.
Alsadik B., Karam S. The simultaneous localization and mapping (SLAM) - An overview, J. Appl. Sci. Technol. Trends. 2021. 2 (2). 147–158.
Segura M. J., Auat Cheein F. A., Toibero J. M., Mut V., Carelli R. Ultra Wide-Band Localization and SLAM: A Comparative Study for Mobile Robot Navigation. Sensors. 2011. Vol. 11, № 2. P. 2035-2055.
Cheein F. A. A., Steiner G., Perez Paina G., Carelli R. Optimized EIF-SLAM algorithm for precision agriculture mapping based on stems detection. Computers and Electronics in Agriculture. 2011. Vol. 78, № 2. P. 195-207.
Habich T. L., Stuede M., Labbe M., Spindeldreier S. Have I been here before? Learning to Close the Loop with LiDAR Data in Graph-Based SLAM. Proceedings of the 2021 IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM). Delft, The Netherlands, 2021. P. 429-434.
Hähnel D., Burgard W., Thrun S. Learning compact 3D models of indoor and outdoor environments with a mobile robot. Robotics and Autonomous Systems. 2003. Vol. 44, № 1. P. 15-27.
Bescos B., Cadena C., Neira J. Empty Cities: A Dynamic-Object-Invariant Space for Visual SLAM. IEEE Transactions on Robotics. 2021. Vol. 37, № 2. P. 433-451. doi:10.1109/TRO.2020.3020764
Zhan H., Weerasekera C.S., Bian J.W., Reid I. Visual Odometry Revisited: What Should Be Learnt? Proceedings of the 2020 IEEE International Conference on Robotics and Automation (ICRA). Paris, France, 2020. P. 4203-4210. doi:10.1109/ICRA40945.2020.9196667
Development of a manipulator for fully automated the process of charging electric vehicles / I. Myglovets, N. Rudenko, Iur. Sysoiev, Y. Shyrokyi. Відкриті інформаційні та комп'ютерні інтегровані технології. 2023. Вип. 97. С. 80-93.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
