Markov modelini kullanarak robotların yerini keşfeden algoritma

Abstract

Robotları belli bir ortamda başarılı yönetebilmek için once robotun ortamdaki yeri ve ortamın haritası bilinmelidir. Robotun yerini bilmek için GPS sinyalleri kullanılabilirdi,yalnız GPS'in hata oranı 5-10 metre olabiliyor ve sinyali kapalı ortamlarda alınamıyor.Bu nedenlerden dolayı robotlar değişik sensörler aracılığı ile alınan bilgileri inceleyerekverilen ortamın haritasında kendi yerleri konusunda belli bir sonuca varmalarıgerekmektedir. Robotlar bulunduğu yeri algılamak için ultrason, görüntü veya kızılötesisensörler kullanılabilir. Fakat bu sensörler robotun konumunu tam olaraksaptayamayacaktır ve yalnızca robotun ortamı ile ilgili bilgiler vermektedir. Robot buverileri kullanarak bulunduğu konumu hakkında sadece belli inanca ulaşacaktır, yanikendi konumu hakkında kesin bir bilgiye ulaşamadığından dolayı en iyi tahmini yapmakiçin stokastik yöntemleri kullanması gerekir. Modern robot biliminde konum hakkındabelli bir bilgiye ulaşmak için kullanılan stokastik yöntemler `Yer keşfetmealgoritmaları` diye adlındırılır.Tezin amacı, Markov modelini kullanan stokastik yer keşfetme algoritmasını incelemekve başka yer keşetme algoritmaları ile karşılaştırmaktır. Bunu yapmak için görsel uygulama üzerinde robotun ortamı, davranışı ve algılama kabiliyeti taklit edilmektedirve algoritmanın çalışması gösterilmektedir. Uygulamanın başında robot, haritasınıbildiği fakat bulunduğu konumu bilmediği bir ortama konuluyor. Sonuç olarak, robot birkaç hareket sonrasında kendi konumu hakkında belli bir bilgiye ulaşmaktadır.Anahtar Kelimeler: Robotlar, Yer keşfetme, Sensör, Stokastik yöntemler, Markovmodeli.

Роботторду белгилүү чөйрөдө башкарыш үчүн башында роботтун чөйрөдөгүордуну жана айлана чөйрөнүн картасы билиниш керек. Роботтун ордун билишүчүн GPS (Глобалдын позициондук система) колдонулса болот эле бирокGPS'тин катасы 5-10 метр болушу мүмкүн жана GPS сигналы жабык имараттардаалынбайт. Бул себептерден роботтор ар түрдүү сенсорлордон алынганмаалыматтарды изилдеп чөйрөдөгү өзүнүн орду жөнүндө белгилүү жыйнтыкчыгарышы керек. Роботтор болгон жери жөнүндө маалымат жыйноо үчүнультраүн, сүрөт жана кызыл ды ашуу сенсорлорду колдонушу мүнкүн. Бирок булсенсорлор роботтун так ордун биле албайт жана роботтун чөйрөсү жөнүндө ганамаалымат берет. Робот бул маалыматтарды колдонуп болгон жери жөнүндө биришенишке ээ болот, демек робот өзүнүн орду жөнүндө так маалыматка ээболбогондуктан жери жөнүндө эң туура ищеним табыш үчүн стохастикалыкметодторду колдонушу керек. Заманбап робот билиминде роботтун орду жөнүндөбир маалыматка жетиш үчүн колдонулган стохостикалык методторго `Орунтабуу` алгоритмдери деп аталат. Диссертациянын максаты, Марков моделин колдонгон стохастикалык орун табууалгоритмини изилдеп көрсөтүп аны башка орун табуу алгоритмдери мененсалыштыруу. Бул нерсени кылыш үчүн визуалдык программа үстүндө роботтунайлана чөйрөсү, аракет жылышы жана маалымат топтоо жөндөмдүүлүгүмоделденип алгоритмдердин кантип иштегени көрсөтүлөт. Программа иштепбаштаганда робот картасын билген бирок өзүнүн ордун так билбеген чөйрөгөкоюлат. Программа иштеп чыккандан кийин робот өзүнүн ордун табат.Роботтордун орун табуу проблемалардын бир нече түрү бар. Эң түптүү орун табупроблемасы `Орун көзөмөлдөө` болуп эсептелет. Роботтун баш тапкы ордубилинип бир нече кадамдан кийин роботтун ордун аңыктоо `Орун көзөмөлдөө`проблемасы деп аталат. Андан дагы роботтун `Глобалдык орун табуу`проблемасы кыйын болуп эсептелет, эмне дегенде бул проблемада роботтун баштапкы орду билинбейт жана роботтун сенсор жана арекетинде ката болушумүмкүн. Бул кезде робот өзүнүн кайда болушу жөнүндү анык маалыматы жокболгондугундан оду жөнүндө башкача ищениш түзүшү керек. Жогорудагыпроблемаларды чечиш үчүн бир нече алгоритм бар [1]. Мисалы `Орункөзөмөлдөө` проблемасын чечиш үчүн Калман фильтрин колдонсо болот [54].Калман фильтр алгоритминде роботтун орду жөнүндөгү ишениш жанаыктымалдыгы Гаусс үлөщү менен көрсөтүлөт жана проблеманы чечиш үчүнодометр информациясы колдонулат [68].Бул диссертацияда `Глобалдык Орун Табуу` проблемасын чечиш үчүн Марков моделин колдонгон алгоритм изилденип башкача орун табууалгоритмдери менен салыштырылат. Марков моделин колдонгон алгоритмдеробот чөйрөдөгү болгон бүт орундар үчүн ыктымалдыкты эсинде кармайт.Мисалы робот башында аракет кылып жылып баштай электе өзүнүн ордужөнүндө маалыматка ээ болбогондуктан бүт орундар үчүн ыктымалдык бирболот. Робот бир нече аракет кылып сенсордон чөйрөсү жөнүндө маалыматчогулткандан кийн картадагы орундар үчүн ыктымалдык өзгөрөт. Эмне дегендеробот картадагы орундар жөнүндө маалыматы болот. Ал маалыматтыколдонуп робот кее бир орундарда ыктымалдыкты көтөрүп кее бир жерлердетүшүрөт. Бул диссертацияда робот ыктымалдыктарды эсептеш үчүн кандайалгоритм колдонулганын баяндайт. Андан соң кее бир орундун ыктымалдыгыбашка орундарга карата эң чон баага тең болгондо робот өзүнүн ордун тапканболуп эсептелет. Марков моделинин проблеманы чечиш үчүн стохастикалыкметоду роботтун орду так болбогон кезде артыкчылыт болуп эсептелет. Булнече стохастикалык методтор ар дайым роботторго артыкчылык берет, эмнедегенде автономиялык роботтордогу сенсор жана арекеттериндеги каталарстохастикалык методторду керектирет. Алгоритмдеги колдонулган картаныдискретизация жана эң кичине бөлүктөргө бөлүү ар бир ордун үчүныктымалдыкты эске алышты мумкун кылат. Бөлөкчө бул дискретизация методуроботтун аракеттеринден кийин ар бир ордунду көзгө алууну мүмкүнчүлүкберет. Бундан башка роботтун сенсор маалыматтарын бүт жерде колдонууга уруксат берет. Топологиялык дискретизация картадагы жерлерди өөрөндөргөбөлүп ар бир өөрөндүн ыктымалдыгын эсептейт. Мисалы `Эшиктин жанынды`же болсо `Коридордо` деген орундар үчүн ыктымалдыктар эсептелет. Булметодто эгерде робот бир өөрөндүн ичинде эки башка позицияда болсо дагыалгоритм роботтун ордун бир деп эсептейт [35]. Орун табуу үчүн визуалдыкалгоритмдер дагы көп [45]. Визуалдык алгоритмдерде роботко көрүнгөн сүрөткартанын сүрөтү менен салыштырылып роботтун орду табылат. Бул алгоритмдеркөп эсептөө кылгандыгындан тез арада иштеп чыгышы мүмкүнчүлүктөрү жокболот [50].Бул диссертацияда роботтордун ордун табуу үчүн колдонулган негизги үчалгоритм изилденет. Марков алгоритми, Калман Фильтры жана Монте-Карлоалгоритми. Бул алгоритмдердин ар биринин кандай иштегени программа үстүндөкөрсөтүлүп артыкчылыктары жана жетишпегендиктери көрсөтүлөт. Булалгоритмдер негизинде автономиялык жана мобильдик роботтор үчүнстохастикалык методторун колдонуусу зарыл болгону көрсөтүлүп, булдиссертация мындай роботтордун орун табуу алгоритмдердин маанисин аныктапдалилдейт.Ачкыч сөздөр: Роботтор, Орун табуу, Сенсор, Стохастикалык методтор,Марков модели.