Path planning and Obstacle avoidance approaches for Mobile robot

Nguyen, Hoc Thai; Le, Hai Xuan

doi:10.20943/01201604.110

Cited by 14 publications

(4 citation statements)

References 17 publications

(22 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…У дослідженні [4] описано метод згладжування шляху A* для мобільного роботу. Представлена схема згладила шлях, створений A*, як показано в результатах, але запропонований метод не вирішив проблему часу обчислення шляху.…”

Section: інформаційні технологіїunclassified

Метод Планування Маршруту В Автономних Логістичних Кіберфізичних Системах Засобами Штучного Інтелекту

ГОЛОВАТЕНКО,

ПИСАРЕНКО

2024

Вісник ХНТУ

View full text Add to dashboard Cite

У цій статті представлено інноваційний підхід, заснований на алгоритмі A*, який містить кілька ключових модифікацій для значного підвищення його функціональності та ефективності в автономній навігації автомобіля. Підхід надає пріоритет безпеці та дотриманню правил дорожнього руху шляхом інтеграції алгоритму A* з механізмом, який контролює безпечну відстань до перешкод. Крім того, введено компонент згладжування траєкторії. Цей компонент покращує кінцевий шлях, створюючи більш плавну та комфортну траєкторію. Виявлення небезпечних ділянок траєкторії є ще одним фундаментальним аспектом запропонованого підходу. Досягається це шляхом застосування кластеризації методом k-середніх, потужного методу машинного навчання. Завдяки кластеризації сегментів траєкторії система може розпізнавати критичні ситуації, такі як різкі повороти та рух смугою зустрічного руху. Виявлення цих сегментів дозволяє вживати проактивних коригувальних дій для перетворення потенційно небезпечних сценаріїв на безпечніші альтернативи. Одним із революційних елементів підходу є впровадження технології навчання з підкріпленням (Reinforcement Learning – RL). Спеціальна модель RL адаптується до динамічних перешкод у режимі реального часу, підвищуючи здатність системи швидко й ефективно реагувати на несподівані ситуації на дорозі. Ця адаптивність є ключовим фактором, що робить автономні логістичні системи більш безпечними та універсальними. Таким чином, метод пропонує комплексне та інтелектуальне рішення для планування маршруту в автономних кіберфізичних логістичних системах. Поєднуючи алгоритм A* із найсучаснішими методами уникнення перешкод, згладжування траєкторії, визначення небезпеки та адаптивності RL, прокладається шлях до безпечнішої, ефективнішої та адаптивнішої автономної логістики. Цей підхід має потенціал для революції в галузі транспортування та доставки, пропонуючи переконливе бачення майбутнього, де автономні транспортні засоби рухатимуться дорогами з найвищим рівнем безпеки, відповідності та ефективності.

show abstract

Section: інформаційні технологіїunclassified

Метод Планування Маршруту В Автономних Логістичних Кіберфізичних Системах Засобами Штучного Інтелекту

ГОЛОВАТЕНКО,

ПИСАРЕНКО

2024

Вісник ХНТУ

View full text Add to dashboard Cite

show abstract

“…In this Section, we introduce some of these researches, which relate to our study. Bug algorithms [16][17] are known as the simplest obstacle avoidance algorithms. In Bug1 algorithm, in order to pass the obstacles OBi, robot walks along the obstacle boundary from the "hit point" (Hi -the first point when robot hit the obstacle OBi) to find the "leave point" (Li), which has the shortest distance to the goal point first, then from the hit point Hi robot goes back to the "leave point" Li before leaving to the goal point.…”

Section: Related Workmentioning

confidence: 99%

“…This Section compares the performance of the proposed NSPMR algorithm with other related studies, Bug1, Bug2 algorithms [17], and approaches [19][20].…”

Section: Performance Studymentioning

confidence: 99%

See 1 more Smart Citation

An Intelligent Data Processing Method for Residential Load Analysis

2016

IJCSI

View full text Add to dashboard Cite

A new path planning method for Mobile Robots (MR) has been developed and implemented. On the one hand, based on the shortest path from the start point to the goal point, this path planner can choose the best moving directions of the MR, which helps to reach the target point as soon as possible. On the other hand, with an intelligent obstacle avoidance, our method can find the target point with the near-shortest path length while avoiding some infinite loop traps of several obstacles in unknown environments. The combination of two approaches helps the MR to reach the target point with a very reliable algorithm. Moreover, by continuous updates of the onboard sensors' information, this approach can generate the MR's trajectory both in static and dynamic environments. A large number of simulations in some similar studies' environments demonstrate the power of the proposed path planning algorithm.

show abstract

Optimal model‐free control for a generic MIMO nonlinear system with application to autonomous mobile robots

Safaei

Mahyuddin

2018

Adaptive Control & Signal

View full text Add to dashboard Cite

In this paper, the design procedure for optimal model-free control algorithm is presented for the tracking problem of completely unknown nonlinear dynamic systems operating under unknown disturbances. The procedure includes a new structure in the context of model-free control and data-driven control algorithms. In the new structure, the unknown nonlinear functions are segmented into 1 unknown linear-in-states part and another unknown nonlinear part. The adaptive laws proposed for estimating the unknown system dynamics are regressor-free estimation methods in which there is no need for regressor parameters and, consequently, the persistent excitation condition is not required anymore. Moreover, the main controller gains are updated online, incorporating the adapted values of linear terms in the system dynamics. A comparative study is presented to show that the proposed optimal model-free control outperforms the state-of-the-art model-free control algorithms. In addition, the simulation results for the application of the algorithm on autonomous mobile robots are provided.

show abstract

Path planning and Obstacle avoidance approaches for Mobile robot

Cited by 14 publications

References 17 publications

Метод Планування Маршруту В Автономних Логістичних Кіберфізичних Системах Засобами Штучного Інтелекту

Метод Планування Маршруту В Автономних Логістичних Кіберфізичних Системах Засобами Штучного Інтелекту

An Intelligent Data Processing Method for Residential Load Analysis

Optimal model‐free control for a generic MIMO nonlinear system with application to autonomous mobile robots

Contact Info

Product

Resources

About