Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- modified Dis/paper/pathFind.org
- @@ -45,7 +45,7 @@
- - модуль интеллектуального управления роботом.
- В данной статье приводится рассматривается процедура генерации планов местности,
- -приводится методика обучения робота для достижения заданной точки на заданном
- +приводится методика управления роботом для достижения заданной точки на заданном
- классе местностей.
- * Постановка задачи
- @@ -61,12 +61,12 @@
- Робот имеет априорную информацию о местности, по которой ему предстоит
- перемещаться. Эта информация представляет собой план местности до изменений.
- -Априорная информация может использоваться роботом для обучения.
- +Априорная информация может использоваться при управлении роботом.
- В момент запуска робот получает информацию о координатах точки старта и финиша.
- -Робот получает информацию от датчиков. Установленные датчики позволяют получить
- -информацию о местности, а именно расстояние от робота до объектов вокруг.
- +Робот получает информацию от датчиков. Установленные датчики позволяет получить
- +данные о проходимости области вокруг робота.
- Наиболее распространенным видом датчиков является лидар [1].
- @@ -88,7 +88,7 @@ N, где N определяется дальностью датчиков.
- * Генератор местностей
- -Для обучения робота необходимо подготовить планы местностей.
- +Необходимо подготовить планы местностей.
- Определим класс генерируемых местностей -- внутренние помещения.
- @@ -105,10 +105,10 @@ N, где N определяется дальностью датчиков.
- - отношение длины комнаты к ее ширине, задается целым числом процентов (S).
- -Для создания различных вариантов одного помещения, необходимых для обучения
- -робота, предлагается добавить препятствия и проходы с определенной
- -интенсивностью. Для этого предлагается добавить к исходному плану помещения
- -аддитивный гауссовский белый шум с заданной интенсивностью [3].
- +Для создания различных вариантов одного помещения предлагается добавить
- +препятствия и проходы с определенной интенсивностью. Для этого предлагается
- +добавить к исходному плану помещения аддитивный гауссовский белый шум с заданной
- +интенсивностью [3].
- Определим также виды помещений.
- @@ -175,26 +175,55 @@ N, где N определяется дальностью датчиков.
- * Построение маршрута в условиях локальной видимости
- -Для обучения робота предлагается использование искусственных нейронных сетей [4].
- +Для управления роботом предлагается использование искусственных нейронных сетей [4].
- -Обучение робота производится в разработанной моделирующей среде.
- +Управление роботом и оценка качества алгоритма производится в разработанной
- +моделирующей среде.
- -Для обучения робота с матрицей видимости $N x N$ в двумерном варианте
- +Моделирующая среда предназначена для уменьшения стоимости испытаний над роботом.
- +
- +Моделирующая среда представляет собой программу, которая отображает карту, точку
- +начала, точку конца движения робота, а также самого робота.
- +
- +Моделирующая среда посредством модуля взаимодействия робота и моделирующей среды
- +передает модулю интеллектуального управления роботом текущее значение матрицы
- +области видимости робота.
- +
- +Моделирующая среда посредством модуля взаимодействия робота и моделирующей среды
- +получает от модуля интеллектуального управления роботом управляющий сигнал.
- +
- +В зависимости от полученного управляющего сигнала, моделирующая среда изменяет
- +положение робота на карте и отображает изменения на экране.
- +
- +В случае получения некорректного управляющего сигнала моделирующая среда
- +сообщает пользователю об ошибке и прекращает работу.
- +
- +Модуль интеллектуального управления роботом представляет собой программу,
- +реализующую модель нейронной сети.
- +
- +Программа работает в двух режимах: режим обучения и режим реализации.
- +
- +В режиме обучения программа принимает на вход подготовленные схемы помещения.
- +
- +В режиме реализации программа получает на вход сигналы от модуля взаимодействия
- +робота и моделирующей среды и отвечает на них управляющим сигналом.
- +
- +Для управления роботом с матрицей видимости $N x N$ в двумерном варианте
- используется полносвязный перцептрон с $(N*N+2)$ входами и двумя выходами.
- Первые $N*N$ входов принимают на вход текущую матрицу видимости, два других --
- координаты текущего положения робота. Выходы перцептрона отвечают за направление
- движения по координатам.
- -Предложенный алгоритм может быть использован для обучения робота на пространстве
- -любой размерности.
- +Предложенный алгоритм может быть использован для управления роботом на
- +пространстве любой размерности.
- -Алгоритм обучения робота с использованием полносвязного перцептрона на
- +Алгоритм обучения полносвязного перцептрона для управления роботом на
- помещениях с заданными параметрами:
- 1. Сгенерировать помещение с заданными параметрами.
- 2. Сформировать множество вариаций сгенерированного помещения с
- -помощью генератора шума.
- + помощью генератора шума.
- 3. Выбрать точки старта и финиша.
- @@ -211,11 +240,11 @@ N, где N определяется дальностью датчиков.
- 6.2. Получить оптимальный маршрут для текущего положения робота.
- 6.3. Предъявить нейронной сети для в качестве параметров матрицу видимости,
- - координаты робота, в качестве целевой функции предъявляется оптимальное
- - перемещение из заданной точки.
- + координаты робота, в качестве целевой функции предъявляется оптимальное
- + перемещение из заданной точки.
- 6.4. Робот перемещается в положение, которое является оптимальным
- - перемещением из текущей точки.
- + перемещением из текущей точки.
- После обучения на планах помещения одного типа робот может находить оптимальный
- маршрут на других помещениях заданного типа.
- @@ -233,8 +262,8 @@ N, где N определяется дальностью датчиков.
- Приведена классификация помещений.
- -Разработана методика обучения робота для достижения заданной точки на местности
- -в условиях ограниченной видимости с помощью нейронной сети.
- +Разработана методика обучения полносвязного перцептрона для управления роботом
- +для достижения заданной точки на местности в условиях ограниченной видимости.
- * Список используемых источников
- :PROPERTIES:
- modified Dis/paper/pathFind.pdf
- modified Dis/paper/pathFind.tex
- @@ -1,4 +1,4 @@
- -% Created 2018-05-22 Вт 19:19
- +% Created 2018-05-23 Ср 09:59
- % Intended LaTeX compiler: pdflatex
- \documentclass[11pt]{article}
- \usepackage[utf8]{inputenc}
- @@ -25,7 +25,7 @@
- pdftitle={Программный комплекс для моделирования, отладки и оценки алгоритмов построения пути в условиях локальной видимости с использованием априорных данных},
- pdfkeywords={},
- pdfsubject={},
- - pdfcreator={Emacs 27.0.50 (Org mode 9.1.12)},
- + pdfcreator={Emacs 27.0.50 (Org mode 9.1.13)},
- pdflang={Russian}}
- \begin{document}
- @@ -33,7 +33,7 @@
- \section*{Введение}
- -\label{sec:org600660a}
- +\label{sec:org32750b0}
- В настоящее время одной из самых бурно развивающихся областей науки и техники
- является робототехника. В случае катастрофы робот может помочь деятельности
- спасателей.
- @@ -63,39 +63,39 @@
- \end{itemize}
- В данной статье приводится рассматривается процедура генерации планов местности,
- -приводится методика обучения робота для достижения заданной точки на заданном
- +приводится методика управления роботом для достижения заданной точки на заданном
- классе местностей.
- \section{Постановка задачи}
- -\label{sec:orgb05e450}
- +\label{sec:orgeb15cda}
- Решается задача перемещения робота из начальной точки в некоторую фиксированную
- -точку на местности, которая была искажена в результате катастрофы (рисунок \ref{fig:org6e4cf9c}).
- +точку на местности, которая была искажена в результате катастрофы (рисунок \ref{fig:org163843d}).
- \begin{figure}[htbp]
- \centering
- \includegraphics[width=.9\linewidth]{./post1.jpeg}
- -\caption{\label{fig:org6e4cf9c}
- +\caption{\label{fig:org163843d}
- Постановка задачи}
- \end{figure}
- Робот имеет априорную информацию о местности, по которой ему предстоит
- перемещаться. Эта информация представляет собой план местности до изменений.
- -Априорная информация может использоваться роботом для обучения.
- +Априорная информация может использоваться при управлении роботом.
- В момент запуска робот получает информацию о координатах точки старта и финиша.
- -Робот получает информацию от датчиков. Установленные датчики позволяют получить
- -информацию о местности, а именно расстояние от робота до объектов вокруг.
- +Робот получает информацию от датчиков. Установленные датчики позволяет получить
- +данные о проходимости области вокруг робота.
- Наиболее распространенным видом датчиков является лидар [1].
- Информацию о местности вокруг робота можно закодировать в виде матрицы порядка
- N, где N определяется дальностью датчиков.
- -На рисунке \ref{fig:orgce3a3fa} приведен пример матрицы области видимости робота.
- +На рисунке \ref{fig:orgb1dfe1c} приведен пример матрицы области видимости робота.
- В середине матрицы находится сам робот. Здесь он отмечен символом \texttt{X}.
- Свободные для перемещения клетки отмечены символом \texttt{0}, занятые -- \texttt{1}.
- @@ -106,15 +106,15 @@ N, где N определяется дальностью датчиков.
- \begin{figure}[htbp]
- \centering
- \includegraphics[width=.9\linewidth]{./post2.png}
- -\caption{\label{fig:orgce3a3fa}
- +\caption{\label{fig:orgb1dfe1c}
- Пример матрицы области видимости робота}
- \end{figure}
- \section{Генератор местностей}
- -\label{sec:orgaff5ce4}
- +\label{sec:org69f0ecf}
- -Для обучения робота необходимо подготовить планы местностей.
- +Необходимо подготовить планы местностей.
- Определим класс генерируемых местностей -- внутренние помещения.
- @@ -133,10 +133,10 @@ N, где N определяется дальностью датчиков.
- \item отношение длины комнаты к ее ширине, задается целым числом процентов (S).
- \end{itemize}
- -Для создания различных вариантов одного помещения, необходимых для обучения
- -робота, предлагается добавить препятствия и проходы с определенной
- -интенсивностью. Для этого предлагается добавить к исходному плану помещения
- -аддитивный гауссовский белый шум с заданной интенсивностью [3].
- +Для создания различных вариантов одного помещения предлагается добавить
- +препятствия и проходы с определенной интенсивностью. Для этого предлагается
- +добавить к исходному плану помещения аддитивный гауссовский белый шум с заданной
- +интенсивностью [3].
- Определим также виды помещений.
- @@ -212,32 +212,59 @@ N, где N определяется дальностью датчиков.
- \end{itemize}
- \section{Построение маршрута в условиях локальной видимости}
- -\label{sec:orga1dcf26}
- +\label{sec:org564a475}
- -Для обучения робота предлагается использование искусственных нейронных сетей [4].
- +Для управления роботом предлагается использование искусственных нейронных сетей [4].
- -Обучение робота производится в разработанной моделирующей среде.
- +Управление роботом и оценка качества алгоритма производится в разработанной
- +моделирующей среде.
- -Для обучения робота с матрицей видимости \(N x N\) в двумерном варианте
- +Моделирующая среда предназначена для уменьшения стоимости испытаний над роботом.
- +
- +Моделирующая среда представляет собой программу, которая отображает карту, точку
- +начала, точку конца движения робота, а также самого робота.
- +
- +Моделирующая среда посредством модуля взаимодействия робота и моделирующей среды
- +передает модулю интеллектуального управления роботом текущее значение матрицы
- +области видимости робота.
- +
- +Моделирующая среда посредством модуля взаимодействия робота и моделирующей среды
- +получает от модуля интеллектуального управления роботом управляющий сигнал.
- +
- +В зависимости от полученного управляющего сигнала, моделирующая среда изменяет
- +положение робота на карте и отображает изменения на экране.
- +
- +В случае получения некорректного управляющего сигнала моделирующая среда
- +сообщает пользователю об ошибке и прекращает работу.
- +
- +Модуль интеллектуального управления роботом представляет собой программу,
- +реализующую модель нейронной сети.
- +
- +Программа работает в двух режимах: режим обучения и режим реализации.
- +
- +В режиме обучения программа принимает на вход подготовленные схемы помещения.
- +
- +В режиме реализации программа получает на вход сигналы от модуля взаимодействия
- +робота и моделирующей среды и отвечает на них управляющим сигналом.
- +
- +Для управления роботом с матрицей видимости \(N x N\) в двумерном варианте
- используется полносвязный перцептрон с \((N*N+2)\) входами и двумя выходами.
- Первые \(N*N\) входов принимают на вход текущую матрицу видимости, два других --
- координаты текущего положения робота. Выходы перцептрона отвечают за направление
- движения по координатам.
- -Предложенный алгоритм может быть использован для обучения робота на пространстве
- -любой размерности.
- +Предложенный алгоритм может быть использован для управления роботом на
- +пространстве любой размерности.
- -Алгоритм обучения робота с использованием полносвязного перцептрона на
- +Алгоритм обучения полносвязного перцептрона для управления роботом на
- помещениях с заданными параметрами:
- \begin{enumerate}
- \item Сгенерировать помещение с заданными параметрами.
- \item Сформировать множество вариаций сгенерированного помещения с
- -\end{enumerate}
- -помощью генератора шума.
- +помощью генератора шума.
- -\begin{enumerate}
- \item Выбрать точки старта и финиша.
- \item Найти оптимальный путь из точки старта в точку финиша. Для каждой точки
- @@ -253,18 +280,18 @@ N, где N определяется дальностью датчиков.
- 6.2. Получить оптимальный маршрут для текущего положения робота.
- 6.3. Предъявить нейронной сети для в качестве параметров матрицу видимости,
- -координаты робота, в качестве целевой функции предъявляется оптимальное
- -перемещение из заданной точки.
- + координаты робота, в качестве целевой функции предъявляется оптимальное
- + перемещение из заданной точки.
- 6.4. Робот перемещается в положение, которое является оптимальным
- -перемещением из текущей точки.
- + перемещением из текущей точки.
- \end{enumerate}
- После обучения на планах помещения одного типа робот может находить оптимальный
- маршрут на других помещениях заданного типа.
- \section*{Выводы}
- -\label{sec:org8f42f53}
- +\label{sec:org82fc30a}
- В статье были сформулирована задача достижения заданной точки на местности с
- препятствиями в условиях ограниченной видимости.
- @@ -272,11 +299,11 @@ N, где N определяется дальностью датчиков.
- Приведена классификация помещений.
- -Разработана методика обучения робота для достижения заданной точки на местности
- -в условиях ограниченной видимости с помощью нейронной сети.
- +Разработана методика обучения полносвязного перцептрона для управления роботом
- +для достижения заданной точки на местности в условиях ограниченной видимости.
- \section*{Список используемых источников}
- -\label{sec:orgedf1871}
- +\label{sec:org463dab4}
- \begin{enumerate}
- \item Deitz, Paul H., Atmospheric Effects on the Beam Propagation of the XM-23 Laser
- Rangefinder, Laser Range Instrumentation, SPIE Proceedings Vol. 11. Bellingham,
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement