В роботизированном футболе среда, в которой перемещаются роботы, характеризуется быстро меняющимися динамическими зонами с движущимися динамическими препятствиями.
Система управления этими футбольными роботами включает в себя целый набор алгоритмов
Это модули технического зрения, принятия решений, поиска путей, избежания препятствий и алгоритмы управления движением
Модуль принятия решений (DM) для футбольных роботов является базовым модулем, который анализирует текущее расположение и принимает решения о новых позициях каждого робота, а затем планирует движение для этих роботов.
Принятие решений за короткое время, гибкость и онлайн-адаптация являются основными характеристиками модуля DM для футбольных роботов, работающих в динамично меняющихся условиях.
При разработке модуля DM для футбольных роботов использовали различные подходы
Наиболее часто используются конечные государственные машины (FSM) компании Петри которые включают в себя поведенческий контроль и топологическую графическую карту.
Подход FSM продемонстрировал хорошие результаты в разработке механизма принятия решений в отношении футбольных роботов. Алгоритм FSM был протестирован в процессе моделирования и показал удовлетворительные результаты во многих исследовательских работах.
Но для сложных ситуаций использование FSM в проектировании модуля DM футбольных роботов увеличивает количество времени, необходимого для кодирования поведения роботов. Справляться с количеством переходов между состояниями и моделированием этих ситуаций для модуля FSM становится затруднительным.
Сети Петри обладают большей силой моделирования, чем FSM, и могут моделировать пространство состояний с меньшими затратами
Сети Петри имеют модульный характер, поэтому каждый модуль может быть смоделирован отдельно, а затем соединен с другими модулями. Состав сетей Петри обычно приводит к экспоненциальному росту пространства состояний.
Но в некоторых случаях, генерация всех состояний с сетями Петри приводит к построению большой сети, что усложняет её анализ.
BT (поведенческое дерево)
Интеграция BT и нечеткой логики упрощает процесс принятия решений
В поведенческих деревьях используется более ограничительный и структурированный обходной подход вместо растущей неразберихи, связанной с переходом FSM в другие состояния.
BT легко определяют сложные состояния и очень легко принимаю множество решений.
Они быстро работают и просты в обслуживании. Предлагается интеграция BT и нечеткой логики для повышения гибкости решений, принимаемых модулями DM. Показано, что некоторые модели поведения футбольных роботов более эффективно описываются интеграцией нечеткой логики и BT.
Футбольные роботы перемещаются в непредсказуемых, загроможденных, неизвестных, сложных и динамичных условиях
В этих условиях важной проблемой становится уклонение мобильных роботов от препятствий
Предложено множество алгоритмов избежания препятствий.
- Алгоритмы "Bug" следуют за границами препятствий, не задумываясь о цели. Но они отнимают много времени.
- Искусственное поле потенциала является наиболее часто используемым методом, который использует привлекательные и отвратительные поля для целей и препятствий, соответственно. При наличии множества препятствий в окружающей среде поле может содержать локальные минимумы; робот не может пройти сквозь небольшие отверстия, например, через двери; также робот может проявлять некоторые колебания в своих решениях о движении.
- Векторная гистограмма поля (VFH) использует двумерную сетку декартовой гистограммы в качестве мировой модели и концепции потенциальных полей. Алгоритм VFH выбирает более короткий путь, но для работы с ним требуется больше времени.
Другими целевыми алгоритмами являются динамическое окно, "агорафилический", алгоритмы поиска A-звезды, но они отнимают достаточно много времени.
Приведенные выше методы иногда не могут решить проблему в разумные сроки. Приведены некоторые улучшения алгоритмов поиска путей.
Самый лучший выбор, это интеграция всех самых передовых компонентов и алгоритмов в одно целое
Алгоритмы принятия решений на основе дерева поведения и избежания препятствий интегрированые с теорией нечеткой логики для эффективной навигации футбольных роботов, позволяют легко расширить механизм принятия решений для сложных состояний.
Интеграция BT с нечеткой логикой была проведена для повышения гибкости принятия решений. Предложенный алгоритм был опробован в имитационном режиме и дал удовлетворительные результаты. Кроме того, предложенный алгоритм нечеткого обхода препятствий показал удовлетворительные результаты в обходе препятствий.
В результате применения BT-механизма принятия решений и не логического алгоритма избежания препятствий сокращается время, необходимое для достижения новой цели.