For mobile robots to be autonomous, they should have essential functional capabilities such as real time obstacle range sensing, determination of their current locations and heading angles, local path planning for unknown environments. In order to endow the mobile robots with these capabilities, this thesis deals with the above three issues.
For real time obstacle detection, multiple ultrasonic sensors mounted on the front face of mobile robot are used. These ultrasonic sensors can be periodically calibrated using the rotating ultrasonic sensor mounted on the top of pari-tilt device. In order to avoid the crosstalk between multiple sonar sensors, the scheduled firing method is presented. The locations of obstacles are registered in the local map defined at the mobile robot frame. The local map can be constructed and updated in real time.
Generally, mobile robot has to know its current location and heading angle by itself as accurately as possible to successfully navigate in real environments. To achieve this capability, we developed a mobile robot localization system which uses two cylindrical beacons and a single rotating ultrasonic sensor. The proposed method can estimate the position and heading angle of a mobile robot using the sonar scan data obtained at a single mobile robot location. To acquire the center positions of two beacons from the sonar scan data, a data processing algorithm was developed. Using this algorithm, we could accurately obtain the geometric parameter sets of beacons and, consequently, determine the position and heading angle of the mobile robot. To show the effectiveness of the proposed method, the experimental results of the proposed method were compared with those of the dead reckoning method in the presence of wheel slippage.
For the local path planning for unknown environments, we proposed a Al-based navigation method utilizing the fuzzy logic and reinforcement learning method. The proposed navigator consists of avoidance and goal-seeking behaviors. These behaviors were independently designed to accomodate complex environments and combined by the fuzzy decision maker. Reinforcement learning was used to construct the rule bases for characterizing the two behaviors in such a way that the correct actions can be generated in unknown environmental situations. Through a series of simulations, we concluded that the proposed method enables the mobile robot to navigate through complex environment where a local minimum occurs and to adapt to new environments. Since the rule bases are constructed in learning-by-observation manner, the two behaviors can be realized autonomously. In this study, it was assumed that the mobile robot's input space for avoidance behavior has the five dimensions by introducing the sensor suits. In general, the higher the input dimension is the heavier the computational burden will result in.
A mobile robot has been constructed and the proposed algorithms: obstacle range sensing, mobile robot localization and Al-based navigation for operating in environments with unknown arbitrary obstacles has been integrated together and tested. A number of experiments have been undertaken and various environmental conditions were setup to test the performance of the algorithm. Using the developed navigation system, it was observed that the mobile robot can successfully arrive at the goal position through the unknown environments without colliding with obstacles.
미지의 환경에서 이동로봇이 자율 주행하기 위해서는 장애물을 실시간으로 감지할 수 있는 기능과 그것을 회피할 수 있는 기능 그리고 현재 위치를 스스로 인식할 수 있는 기능이 필요하다. 따라서 본연구의 목적은 이러한 기능들을 개발하고 이들을 이동로봇에 부여하는데 있다.
실시간 장애물 감지를 위하여 다중 초음파 센서가 사용되었으며 이들간의 간섭을 예방하기 위하여 미리 계획된 순서에 의하여 초음파 센서를 동작시키는 방법을 제안하였다. 초음파센서에 의하여 감지된 장애물의 위치는 이동로봇에 고정된 로봇좌표계에 대하여 정의된 국소적 지도에 등록되며 그 지도는 새로운 장애물 위치 정보에 의하여 실시간으로 채워진다. 이러한 정보들은 이동로봇의 장애물 회피에 사용되었다.
일반적으로 이동로봇이 실제 환경에서 주행하기 위해서, 이동로봇은 절대 좌표계에 대한 그의 현재 위치와 방향을 정확히 추정할 수 있어야 한다. 이를 위하여 본 연구에서는 두개의 원통형 등대와 회전 가능한 하나의 초음파 센서를 사용하여 이동로봇의 현재 위치와 방향을 추정할 수 있는 방법을 제안하였다. 제안된 방법에서는 한지점에서 얻은 이동로봇 주위의 거리 정보로 부터 두개의 원통형 등대의 중심위치를 알아내기 위한 데이터 처리 알고리즘이 개발되었다. 개발된 알고리즘에 의하여 등대의 위치와 관련된 기하학적 상수들이 추출되며 이들을 이용하여 이동로봇의 현재 위치와 방향등이 결정된다. 제안된 방법의 타당성과 효용성을 보이기 위하여 실내 환경에서 많은 실험이 행해졌으며 실험결과들은 사산법(Dead Reckoning)과 비교되었다. 제안된 방법은 값싼 방법으로 실현될 수 있으며 실험결과로 부터 바퀴의 미끄럼이 발생하는 경우에 대해서는 매우 우수한 위치 추정 성능을 보여 주었다.
미지의 환경하에서 이동로봇이 장애물을 회피하며 목적지에 도달할 수 있도록 하기 위하여 퍼지 논리와 강화 학습 방법을 이용한 항법 알고리즘이 제안되었다. 제안된 항법시스템은 충돌회피 거동과 목적지 유도 거동 그리고 두거동들을 이동로봇 주위 상황에 따라 수시로 선택해 주는 퍼지 의사 결정기로 이루어져 있다. 두 거동의 출력은 퍼지 규칙 베이스에 의하여 결정되며 퍼지 규칙 베이스는 강화 학습 방법에 의하여 생성된다. 제안된 방법의 타당성을 검증하기 위하여 일련의 시뮬레이션이 행해졌으며 그 결과로부터 제안된 방법을 사용한 이동로봇은 미지의 새로운 환경에 적응할 수 있음을 보여 주었다. 또한 이동로봇이 주행하면서 학습에 의하여 규칙 베이스가 형성되므로 두 거동에 관련된 규칙 베이스는 자율적으로 생성될 수 있다.
위에서 개발된 방법들이 실제 항법 시스템으로 동작하기 위하여 실험실에서 개발된 이동로봇 LCAR에 하나로 통합되었다. 제안된 항법 시스템의 성능을 평가하기 위하여 미지의 환경하에서 많은 실험이 행해졌다. 실험 결과로 부터 이동로봇은 제안된 위치 추정 방법을 이용하여 이동로봇의 현재 위치와 방향을 추정할 수 있고, 실시간으로 장애물을 감지할 수 있으며 그들을 회피하며 주어진 목적지에 도달할 수 있음을 보여 주었다.
