2011

Çoklu Hedeflerin Çoklu Robotlara Paylaştırılması İçin Bir Yük Dengeleme Sistemi

Günümüzde robotik alanında verilen görevi icra etme, yol planlama, kontrolör tasarımı gibi konularda yaygınolarak tek robot ile yapılan sistemlere odaklanılmaktadır. Çoklu robotlar ve çoklu hedef/görev paylaşımı üzerineise daha az sayıda çalışmalar bulunmaktadır. Ancak bu alandaki yöntemlerin geliştirilmesi ve kolektif çalışmamodelleri üzerine derinlemesine çalışmalar yapılması gerekmektedir. Bu çalışmada, birden fazla robot ile çoksayıda hedefin gezilmesi için görev paylaşımı ve yük dengeleme sistemi (YDS) geliştirilmiştir. Çalışma çok sayıdahedefin asgari maliyet ile gezilmesi bakımından çoklu gezgin satıcı (Çoklu-GSP) problemine de benzemektedir.Görev paylaşımı sisteminde YDS pasif veya aktif durumlarına göre görev dağılımları yapılmıştır. Yükdengelemede amaç bir robota gereğinden fazla görev verilmesinin önüne geçerek enerji ve maliyeti gözetmektir.İlgili robotlara görev dağılımı yapıldıktan sonra robot sayısı kadar hedef küme oluşturulur. Her bir küme için robotkonumu ve mevcut hedefler birer çizge düğümü olarak kabul edilmiştir. Oluşan bu çizge düğümleri tam bağlantılıhale getirilerek mesafe matrisi oluşturulmuştur. Daha sonra yol planı başlangıç düğümü olan robotun ilkpozisyonundan hedef düğümlere en yakın komşu (NN) ve genetik algoritma (GA) yöntemleri ile yapılmıştır.Gidilen bir sonraki düğüm yeni başlangıç pozisyonu olarak kabul edilirken, gezilen her bir düğüm ise çizgebağlantı matrisi içerisinden çıkarılmıştır. Hedef ve robotlar renkli etiketler ile etiketlenmiş ve nesnelerin konumlarırenk tabanlı nicemleme ve eşikleme yöntemleri ile hesaplanmıştır. Yapılan deneyler sonucunda tasarlanan sistemindeğişken sayıda ve/veya farklı hedef dağılımlarında iyi bir şekilde görev paylaşımı yaptığı ve elverişli yol planıoluşturduğu gözlemlenmiştir.

A Load Balancing System for Sharing Multiple Targets to Multiple Robots

Today in the field of robotics, single robot systems and topics such as fulfilling the given tasks, path planning and controller design are generally focused. There are fewer studies on multiple robots and multiple target/task sharing. However, it is necessary to develop methods in this field and to make in-depth studies on collective working models. In this study, task sharing and load balancing system (LBS) have been developed for traveling multiple robots with multiple targets. The study is similar to the problem of multi-travelling salesman problem (Multi-TSP) in terms of visiting multiple targets with minimum cost. In the task sharing system, tasks are distributed according to LBS passive or active status. The purpose of load balancing is to observe energy and cost by preventing overassignment tasks to a robot. After the distribution of the task to the related robots, the target cluster is created up to the number of robots. For each cluster, the robot position and the current targets are considered as a graph node. A fully connected graph is created with these nodes and the distance matrix is formed. Then, from the initial position of the robot that was the starting node, the path plan to the target nodes has been composed by the nearest neighbor (NN) and the genetic algorithm (GA) methods. The next node is considered to be the new starting position, while each visited node is removed from the graph adjacency matrix. Target and robots are labeled with colored labels and the positions of the objects are calculated by color-based quantization and thresholding methods. As a result of the conducted experiments, it has been observed that the designed system has made an efficient task sharing and create a suitable path plan in variable number of targets and different target distributions.

PDF

___

[1] Siciliano B., Khatib O. 2008. Handsbook of Robotics. 1st ed. Springer-Verlag, Berlin.
[2] Fukuda T., Nakagawa S., Kawauchi Y., Buss M. 1989. Structure decision method for selforganizing robots based on cell structures. CEBOT, International Conference on Robotics and Automation Proceedings, C.2: 695-700.
[3] Premvuti S., Yuta S. 1990. Consideration on the cooperation of multiple autonomous mobile robots. IEEE International Workshop on Intelligent Robots and Systems, Towards a New Frontier of Applications, C.1: 59-63.
[4] Asama H., Matsumoto A., Ishida Y. 1989. Design of an Autonomous and Distributed Robot System: Actress. IEEE/RSJ International Workshop on Intelligent Robots and Systems ’89. The Autonomous Mobile Robots and Its Applications. IROS ’89. Proceedings, 283-90.
[5] Asama H., Habib M. K., Endo I., Ozaki K., Matsumoto A., Ishida Y. 1991. Functional distribution among multiple mobile robots in an autonomous and decentralized robot system. IEEE International Conference on Robotics and Automation Proceedings, C.3: 1921-26.
[6] Asama H., Ozaki K., Ishida Y., Yokota K., Matsumoto A., Kaetsu H., Endo I. 1994. Collaborative team organization using communication in a decentralized robotic system. Proceedings of the IEEE/RSJ/GI International Conference on Intelligent Robots and Systems ’94., IROS ’94, C.2. (2): 816-23.
[7] Kanayama Y., Kimura Y., Miyazaki F., Noguchi T. 1991. A stable tracking control method for a non-holonomic mobile robot. Proceedings IROS '91: IEEE/RSJ International Workshop on Intelligent Robots and Systems '91, Osaka, Japan, 3: 1236-1241.
[8] Li C.S., Mamat R., Braunl T. 2009. Market-based approach for multi-team robot cooperation. 2009 4th International Conference on Autonomous Robots and Agents, 62-67.
[9] Chaomin L., Yang S. X., Yuan X. 2002. Real-time area-covering operations with obstacle avoidance for cleaning robots. IEEE/RSJ International Conference on Intelligent Robots and Systems, C.3. (3): 2359-64.
[10] Ok K., Ansari S., Gallagher B., Sica W., Dellaert F., Stilman M. 2013. Path planning with uncertainty: Voronoi Uncertainty Fields. IEEE International Conference on Robotics and Automation (ICRA), 4596-4601.
[11] Çayırpunar Ö. 2009. Çoklu Robot Sistemlerinde Robotlar Arası Haberleşme ve İşbirliği Kullanılarak Arama Verimliliğinin Artırılması. ETÜ, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Erzurum.
[12] Tiemin H., Yang S.X. 2002. Real-time torque control of nonholonomic mobile robots with obstacle avoidance. Proceedings of the IEEE Internatinal Symposium on Intelligent Control, 81- 86.
[13] Xiaochuan W., Yang S.X. 2003. A neuro-fuzzy approach to obstacle avoidance of a nonholonomic mobile robot. Proceedings 2003 IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM 2003), C1. (1):29-34.
[14] Burgard W., Stachniss C., Grisetti G., Steder B., Kümmerle R., Dornhege C., Ruhnke M., Kleiner A., Tardós J.D. 2009. A Comparison of SLAM Algorithms Based on a Graph of Relations. In Proc. of the IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS), St. Louis, MO, USA.
[15] Rubenstein M., Ahler C., Nagpal R. 2012. Kilobot: A low cost scalable robot system for collective behaviors. IEEE International Conference on Robotics and Automation, Saint Paul, MN, 3293- 3298.
[16] Anonim 2018. Robotics in Manufacturing and the Life Sciences - Fraunhofer IFF”. 2018. Fraunhofer Institute for Factory Operation and Automation IFF. 2018. https://www.iff.fraunhofer.de/en/business-units/robotic-systems/research/roboticsmanufacturing-life-sciences.html.
[17] Dönmez E., Kocamaz A.F., Dirik M. 2017. Visual based path planning with adaptive artificial potential field. 25th Signal Processing and Communications Applications Conference (SIU), Antalya, 1-4.
[18] Dirik M., Kocamaz, A.F. 2015. Tepe Kamera sistemi ile Statik Ortamlarda Yapay Potansiyel Alan Algoritması ile Gezgin Robot Rota Planlaması. 23th Signal Processing and Communications Applications Conference (SIU), 124-127.
[19] Dirik M., Kocamaz A.F., Dönmez E. 2016. Vision-based decision tree controller design method sensorless application by using angle knowledge. 24th Signal Processing and Communication Application Conference (SIU), 1849-52.
[20] Kocamaz A.F., Dirik M., Dönmez E. 2016. Head Camera-Based Nearest Neighborhood Relations Algorithm Optimization and the Application of Collecting the Ping-Pong Ball. International Conference on Natural Science and Engineering (ICNASE’16), 67-72.
[21] Dönmez E., Kocamaz A.F., Dirik M. 2017. A Vision-Based Real-Time Mobile Robot Controller Design Based on Gaussian Function for Indoor Environment. Arabian Journal for Science and Engineering, 1-16.
[22] Dönmez E., Kocamaz A.F. 2018. Multi Target Task Distribution and Path Planning for MultiAgents. 2018 International Conference on Artificial Intelligence and Data Processing (IDAP), Malatya, Turkey, 1-7.