Generování pohybu pro modulární roboty

Abstract

V diplomové práci jsou popsány metody pro automatické generování pohybů pro modulární roboty. Řídicí signály pro aktuátory modulů jsou získávány metodami založenými na principu Central Pattern Generation (CPG). Optimalizaci parametrů CPG zajišťují biologicky inspirované metody Particle Swarm Optimization (PSO) a Genetický Algoritmus (GA). Za účelem snížení počtu časově nákladných vyhodnocení fitness funkce byly uvedené algoritmy rozšířeny o metodu Fitness Estimation. Výkony obou optimalizačních algoritmů za různých okolností byly statisticky porovnány. Důležitou úlohou modulární robotiky je vypořádání se se závadami modulů. V této práci je navržena nová preventivní metoda zmírňující dopad poruch na pohyb robotu a je porovnána se standardními generátory pohybu v situacích s poruchami. Experimenty byly prováděny v simulátoru vytvořeném pro potřeby této práce a vybrané pohybové vzory byly spuštěny na reálných robotech.

In this diploma thesis, methods for automatic locomotion generation for modular robots are investigated. Methods based on Central Pattern Generation (CPG) are used to generate control signals for actuators of modules. Optimization of CPGs parameters is processed by two bio-inspired methods, Particle Swarm Optimization (PSO) and Genetic Algorithm (GA). To decrease the number of expensive fitness evaluations, the Fitness Estimation method was applied to both PSO and GA. The performance of optimization methods under different circumstances was statistically compared. An important task of modular robotics is coping with module failures. A novel preventive method for decreasing the impact of failures is proposed in this work and verified together with standard locomotion generators in a scenario with failures. The experiments were conducted using a dedicated simulation environment and selected motion patterns were executed on real robots.