Лаборатория систем наведения, управления и принятия решений ( GCDSL ) находится в Департаменте аэрокосмической техники Индийского института науки в Бангалоре, Индия . Лаборатория мобильной робототехники (MRL) является ее экспериментальным подразделением. Их возглавляет доктор Дебашиш Гхош , полный профессор. [1]
GCDSL был основан в 1990 году (MRL в 2002 году) и считается одним из ведущих центров робототехнических исследований в Индии. GCDSL/MRL тесно сотрудничает с видными академическими группами в таких странах, как США, Великобритания, Израиль, Южная Корея и т. д. Он также имеет несколько грантов на промышленные проекты.
GCDSL был создан с основной целью проведения исследований в области роевой робототехники , многороботных систем и кооперативной робототехники с применением к таким задачам, как кооперативная транспортировка, роботизированные формирования, кооперативный поиск/спасательные операции и локализация источника запаха. В MRL несколько роботизированных платформ были созданы собственными силами и использовались для реальных экспериментов с целью проверки алгоритмов, связанных с некоторыми из вышеуказанных исследовательских задач.
Группа занимается созданием интеллектуальных систем, способных автономно работать в сложных и разнообразных сценариях. Они интересуются мехатронным проектированием и управлением транспортных средств, которые эффективно адаптируются к различным ситуациям и работают в динамических средах. Это включает разработку новых методов и инструментов для восприятия, картирования и планирования пути.
За эти годы исследования расширились в области одновременной локализации и картирования ( SLAM ), воздушной робототехники и машинного зрения . В последнее время особое внимание уделяется компьютерному зрению и машинному обучению для улучшения универсальности и когнитивных способностей роботизированных платформ.
Цель состоит в том, что MBZIRC 2020 будет основан на автономных воздушных и наземных роботах, выполняющих задачи навигации и манипуляции в неструктурированных, открытых и закрытых средах. Все подзадачи подразумевают сотрудничество между несколькими БПЛА и роевыми способностями. Эти задачи: (1) захват качающегося шара, подвешенного к быстро движущемуся дрону, (2) три БПЛА и один БПЛА должны поднять кирпичи и построить стену, (3) набор из четырех транспортных средств (3 БПЛА + 1 БПЛА) для тушения серии имитируемых пожаров в высотном здании с помощью баллона под давлением. Эти миссии находятся на переднем крае технологии интеллектуальной воздушной робототехники и предназначены для применения в реальном мире. [2] Команда IISc-TCS была выбрана для промежуточной награды в размере 100 000 долларов США (приз за этап, т. е. основанный на этапе). [3]
Проект фокусируется на использовании БПЛА для сбора информации о разворачивающемся наводнении, что позволяет подразделениям экстренного реагирования расставлять приоритеты в ресурсах и эффективно их развертывать. Он также будет решать проблемы, связанные с полетами БПЛА в сложных ситуациях, а также то, как данные могут быть объединены с ускоренными моделями затопления для создания подробных планов эвакуации, создания устойчивости сообщества к наводнениям, спасения жизней и сокращения экономического ущерба. [4]
Алгоритм оптимизации роя светлячков (GSO) — это метод оптимизации, разработанный для одновременного захвата нескольких оптимумов многомодальных функций. [5] Алгоритм использует агентов, называемых светлячками, которые используют люминесцентное количество, называемое люциферином, для (косвенной) передачи информации о профиле функции в их текущем местоположении своим соседям. Светлячок зависит от переменной локальной области принятия решений, которая ограничена сверху круговым диапазоном датчика, для идентификации своих соседей и вычисления своих перемещений. Каждый светлячок выбирает соседа, у которого значение люциферина больше, чем у него самого, используя вероятностный механизм, и движется к нему. Эти перемещения, основанные только на локальной информации, позволяют рою светлячков разделяться на непересекающиеся подгруппы, демонстрировать одновременное поведение таксиса по направлению к и встречаться в нескольких оптимумах (не обязательно равных) заданной многомодальной функции. Алгоритм был протестирован на специально разработанной системе роботов, называемых Kinbots.
Переключение гистограммной интенсивности (HIS) — это алгоритм избегания препятствий на основе зрения, разработанный в лаборатории. Он использует гистограммы изображений, снятых камерой в реальном времени, и не использует никаких измерений расстояния для избегания препятствий. Также был разработан улучшенный алгоритм, называемый распределением динамической маски HIS (HISDMA). Алгоритмы были протестированы на роботе собственной разработки под названием VITAR.
В этом исследовании изучается реализация картографирования сетки занятости с использованием миниатюрного мобильного робота, оснащенного набором из пяти инфракрасных датчиков дальности. Для обновления карты используются байесовские методы. Другой вариант этой методики будет использовать один датчик ИК-диапазона для получения дальности до различных отличительных особенностей окружающей среды и использовать полученные показания для схождения SLAM. Эти методики будут распространены на рой роботов. Эти роботы будут общаться с помощью протокола ZigBee между собой и с глобальным координатором (ПК), который будет отвечать за слияние карт. Эксперименты по моделированию проводятся с использованием программного обеспечения Player/Stage. Роботизированная платформа построена с использованием специально разработанного набора роевых роботов, называемых Glowworms.
Квадрокоптерный микро-воздушный аппарат (МАВ) — это роторный аппарат с четырьмя роторами, обычно размещаемыми по углам квадратной рамы. Четыре скорости двигателя (и, следовательно, тяги) являются управляющими входами, которые приводят в движение квадрокоптер. Динамика этого транспортного средства быстрая и сильно связанная, и, следовательно, представляет собой сложную проблему управления. [ 6]
Квадрокоптер и испытательный стенд управления были изготовлены внутри компании в Лаборатории мобильной робототехники. Эксперименты по управлению проводятся на квадрокоптере, начиная со стабилизации рыскания, тангажа и крена.
В лаборатории была разработана роботизированная платформа, состоящая из четырех колесных мобильных роботов для многороботного тестирования. Они в принципе похожи на транспортные средства Брайтенберга и используют простые методы восприятия/взаимодействия/приведения в действие для достижения индивидуальной сложности транспортного средства и создания эффективного группового поведения посредством сотрудничества. Эти роботы использовались для тестирования алгоритма GSO
Эти миниатюрные роботы разработаны на основе Кинботов. [5]
VITAR (Vision based Tracked Autonomous Robot) состоит из гусеничного мобильного робота, оснащенного панорамно-наклонным датчиком зрения, бортовым ПК, электроникой водителя и беспроводным соединением с удаленным ПК. Он использовался для тестирования алгоритмов на основе зрения, таких как HIS и HIS-DMA.