Motion planning via potential fields תומר באום Based on ch. 4 in “Principles of robot motion” By Choset et al. ב"הב"ה
גישה תגובתית המסלול של הרובוט נוצר ע " י תגובה ל " כוחות " משיכה ודחייה שנוצרים ע " י המכשולים ( דחייה ) ומטרות שרוצים להגיע אליהם ( משיכה ) שמצויים בסביבת התנועה.
שדה מושך : נניח שהרובוט נע במישור ללא מכשולים ושיש מטרה שממוקמת בנק ' C ניתן להגדיר שדה פוטנציאל " חרוטי " שמושך אליה :
אם נוסיף גם מכשול נקודתי ב :d עבור נקבל :
אפשרות שניה שדה מושך " פרבולי ":
איך נעים על פני השדה ? "Gradient descent” נעשה כל פעם צעד בכיוון הפוך לגראדינט בגודל שתלוי בגודל הגרדיאנט. ( הגרדיאנט נותן את הכיוון בו הפונקציה עולה במקסימום )
פרבולי לעומת חרוטי : שדה פרבולי עלול לגרום לכוחות משיכה גדולים מדי באיזורים הרחוקים מהמטרה. מצד שני הוא גזיר ברציפות בקירבת המטרה. פתרון : בסביבת המטרה " פרבולי " אחרת חרוטי
נגדיר את השדה הנוצר ע " י המכשול כאשר R הוא המרחק המקסימלי מהמכשול שבו הוא ישפיע. שדה דוחה :
הכח הדוחה הכללי יהיה : וסה " כ :
brushfire שיטה ישומית לבניה של מפת המרחקים במישור : 1. תנו את הערך i=1 למשבצות שנתפסות ע " י המכשול 2. תנו את הערך i=i+1 לשכניהם הלא ממוספרים ( סביבת 4 או סביבת 8 ) וכן הלאה. xxx xx xxx x XX x סביבת 8 : סביבת 4 :
דוגמא : התחלה
סיום
בעיית מינימום לוקאלי כשמשתמשים בהליכה לפי גרדיאנט אם ניפול על מינימום לוקאלי נתקע בו !
wavefront נקודת המוצא ונקודת הסיום ידועות. אתחול : מטריצה שכולה אפסים פרט למכשולים שמקבלים 1 ונקודת הסיום שמקבלת 2. בכל שלב פיקסל שיש לו שכן שקיבל בשלב קודם ערך i>1 מקבל i+1. כאן אין בעית מינימום לוקאלי.
פונקציות פוטנציאל חלקות מינימום לוקאלי יחיד ברכיב קשירות שמכיל את המטרה מקסימלי על גבולות המרחב הפנוי ממכשולים מורס : נק ' קריטיות לא מנוונות
מרחב ספירי ( חסום בספירה ) המרחב חסום בספירה עם מרכז ורדיוס המכשולים גם הם ספירות ה " מרחקים מבמכשולים " שנשתמש בהם : וסה " כ
כוח מושך ניתן להגדיל את k כדי לקבל להימנע ממינימום לוקאלי וסה " כ פונקצית פוטנציאל :
References “Motion Planning using Potential Fields” by Randal W. Beard and Timothy W. McLain A good movie: zJs