طراحی مسیر روی خط برای ربات خودمختار زیرسطحی در یک بستر تقریبا ناشناخته به روش درخت جستجو سریع تصادفی محلی

تقریبا ناشناخته بودن محیط بیکران دریا‌ها و نبود نقشه دقیق قبلی از فضای کاری یکی از چالش‌های فعلی ربات‌های خودمختار زیرسطحی در انجام ماموریت‌های محوله می‌باشد. هدف این پژوهش، طراحی مسیر بصورت روی خط برای یک ربات خودمختار زیرسطحی از موقعیت و سرعت ابتدایی به موقعیت و سرعت هدف در یک فضای کاری تقریبا ناشناخته با حضور موانع از پیش نامعلوم می‌باشد. برای این منظور، الگوریتم طراحی مسیر درخت جستجو سریع تصادفی محلی برای ربات معرفی می‌گردد. الگوریتم مذکور شامل سه جزء به هم پیوسته: ماژول طراحی مسیر، ماژول طراحی مسیر محلی بلادرنگ و ماژول تشخیص مانع می‌باشد. هر یک از گره‌های تولیدی توسط ماژول طراحی مسیر و شاخه‌های مربوطه از منظر قیدهای سینودینامیکی ربات توسط کنترل‌کننده سطح پایین و مدل دینامیکی غیرخطی بررسی میشوند. چنانچه گره و شاخه بطور همزمان قیدهای مذکور را در بازه زمانی مدنظر برآورده نمایند، به همراه سیگنال‌های کنترلی توسط الگوریتم طراحی مسیر برای طراحی مسیر نهایی ذخیره می‌گردند. چنانچه ماژول تشخیص مانع ربات، مانعی از پیش نامعلوم را بر روی مسیر طراحی شده تشخیص دهد، ماژول طراحی مسیر محلی بلادرنگ به‌منظور اجتناب از برخورد با آن، درخت جستجو سریع تصادفی محلی را از موقعیت و وضعیت فعلی ربات به نزدیک‌ترین گره درخت طراحی شده توسعه می‌دهد. الگوریتم پیشنهادی به منظور ارزیابی برروی یک کامپیوتر صنعتی تک بورد پیاده‌سازی شده و بصورت زمان حقیقی در محیط xpctarget متلب مورد آزمون پردازنده در حلقه قرار گرفت. نتایج آزمون نشان می‌دهد که ربات به کمک الگوریتم طراحی مسیر پیشنهادی نه تنها قادر به اجتناب از برخورد با موانع از پیش نامعلوم می‌باشد، بلکه به دلیل ماهیت تصادفی آن، از سرعت مطلوبی در طراحی مسیر در محیط‌های متشکل از موانع بسیار، بصورت روی‌خط برخوردار است.

AUV realtime path planning in partly unknown environment through the LocalRRT

The partly unknown environment of the vast seas and the lack of prior accurate map of the workspace is one of the current challenges facing the autonomous underwater vehicle (AUV) in carrying out missions. Realtime path planning for an AUV from an initial position and velocity to a target position and velocity in a partly unknown environment by considering the preunknown obstacles is the main motivation of this research. For this purpose, the local rapidlyexploring random tree (LRRT) algorithm is proposed for the AUV. This LRRT consists of three tightly coupled components of: a path planning module (PPM), a local realtime path planning module (LRPPM) and an obstacle detection module (ODM). Each of a random vertices and related branch are generated through the PPM and then from the perspective of the kinodynamic constraints are evaluated by the lowlevel controller and nonlinear AUV model. If the generated vertex and related branch in the considered time satisfy the kinodynamic constraints in simultaneous manner, these and in addition the horizontal and vertical control signals are recorded through the path planner algorithm. If a preunknown obstacle is detected by the ODM, path is replaned through the LRPPM based on the current position and orientation of AUV to the nearest vertex. The LRRT is implemented on the single board computer (SBC) through the xPCTarget builder and then the ability of this algorithm is evaluated through the processorintheloop (PIL) test. The results of the PIL tests indicate that the AUV through the proposed LRRT not only plans the path by avoiding the preunknown obstacles in a cluttered environment, but also due to the random nature of this method the path is planned in a realtime manner.