AUVs, такие как подводные планеры являются ценными инструментами исследования, ограниченными, прежде всего, их энергетическим балансом – каждая часть питания от батареи, потраченного впустую через неэффективные сокращения траекторий во время, они могут потратить работу.«Исторически, много наборов данных океанографии и выборки прибыло из использования судов, которые являются дорогими и могут только действительно отсутствовать в течение нескольких дней за один раз», сказал Дилан Джонс, аспирант третьего года в программе робототехники Университета штата Орегон и ведущий автор на исследовании. «С автономными подводными транспортными средствами Вы можете получить многомесячный контроль. И способ расширить миссии тех транспортных средств посредством более умного планирования того, как они добираются от одного интересного места до другого».Джонс и доктор философии советник Джефф Холлинджер, доцент машиностроения в Колледже OSU Разработки, построили структуру для транспортных средств, чтобы запланировать энергосберегающие траектории через беспорядки, которые сильны и сомнительны, как океанский ток и области ветра.
Структура включает алгоритм, что образцы чередуют пути, а также метрики сравнения, которые позволяют транспортному средству решить, когда имеет смысл переключать пути на основе новой информации, собранной об экологических беспорядках.Исследователи проверили структуру в моделируемой окружающей среде – наборе данных тока от Региональной Системы Моделирования Океана – и также на ветреном озере с автономной лодкой.
Результаты, недавно изданные в Письмах о Робототехнике и Автоматизации IEEE, показывают, что алгоритм может запланировать пути транспортного средства, которые являются более энергосберегающими, чем, запланированные существующими методами, и что это достаточно прочно, чтобы иметь дело с окружающей средой, для которой не много данных доступно.Результаты также указывают, что три из пяти метрик сравнения пути структуры могут использоваться, чтобы запланировать более эффективные маршруты по сравнению с планированием основанного только на текущем прогнозе океана.
«Мы обобщили прошлые методы оптимизации траектории и также удалили предположение, что траектория waypoints равномерно распределена вовремя», сказал Джонс. «Удаление того предположения изменяет к лучшему состояние в энергосберегающем планировании пути.«Они находятся под – приводимые в действие транспортные средства – они не идут быстро относительно сильного океанского тока, таким образом, один способ заставить их ехать более эффективно состоит в том, чтобы пойти с потоком, чтобы курсировать и не использовать энергию», добавил он. «Мы встраиваем больше разведки в эти транспортные средства, таким образом, они могут более достоверно достигнуть своих миссий».Джонс отмечает, что преодоление сильных беспорядков является критическим компонентом помещения любого вида робота в реальной окружающей среде. Прошлые алгоритмы планирования не всегда рассматривали динамику транспортного средства, которое они планировали, сказал он.
«Иногда мы делаем предположения в лаборатории или делаем моделирования, которые не переводят в реальном мире», сказал Джонс. «Иногда волнение слишком сильно, чтобы быть преодоленным, или иногда оно может быть преодолено, но путь отклоняется так значительно, что оно поместило бы робот в опасную зону. Мы должны рассмотреть все возможные местоположения робота.
Есть более умные способы рассмотреть эти различные беспорядки, и это дает нам лучший способ запланировать пути, которые меньше всего затронуты беспорядками».Любой разъединяет между диспетчером, и планировщик может быть опасным, сказал Джонс.«Путь, которым мы видим, что эта работа идет, состоит в том, чтобы устранить тот разрыв – как мы смотрим на пути, которые легче для диспетчеров следовать, и как мы заставляем диспетчеров идти по путям лучше?» он сказал. «Мы можем быть более энергосберегающими, когда мы рассматриваем целую окружающую среду, планируя пути так, чтобы диспетчер транспортного средства как не упорно работал».Будущее исследование будет также иметь дело с «информативным планированием пути» – планирование путей, которые первоначально собирают информацию об окружающей среде и беспорядках, которые алгоритм может использовать позже, чтобы запланировать больше энергосберегающих маршрутов.
«Как мы объединяем эти две идеи – планирование пути для энергоэффективности, также пытаясь собрать информацию, которая сообщит эффективному планированию пути?» Джонс сказал. «Будут компромиссы, и это могло бы свестись, я плачу пять часов теперь, чтобы спасти шесть часов позже? Другое возможное направление исследования должно посмотреть на ситуацию с мультитранспортным средством, где одно транспортное средство может разведать вперед и информация о реле одному или нескольким другим – у них могли возможно быть низкие общие затраты энергии, разумно назначая цели и делясь информацией».