Laboratorium Systemów Kierowania, Kontroli i Decyzji IISc
| Typ | Publiczny |
|---|---|
| Przyjęty | 2002 |
| Lokalizacja | |
| Kampus | Indyjski Instytut Nauki |
| Strona internetowa |
Laboratorium Systemów Naprowadzania, Kontroli i Decyzji ( GCDSL ) znajduje się na Wydziale Inżynierii Lotniczej w Indyjskim Instytucie Nauki w Bangalore w Indiach . Jego działem eksperymentalnym jest Mobile Robotics Laboratory (MRL). Kieruje nimi dr Debasish Ghose , profesor zwyczajny.
GCDSL powstała w 1990 r. (MRL w 2002 r.) i jest uważana za jeden z wiodących ośrodków badawczych robotyki w Indiach. GCDSL/MRL prowadzi ścisłą współpracę badawczą z wybitnymi grupami akademickimi w krajach takich jak USA, Wielka Brytania, Izrael, Korea Południowa itp. Ma również wiele grantów na projekty branżowe.
Przegląd badań
GCDSL został uruchomiony z głównym celem prowadzenia badań w dziedzinie robotyki roju , systemów wielorobotowych i robotyki kooperacyjnej z zastosowaniami do zadań takich jak transport kooperacyjny, formacje robotów, wspólne poszukiwanie / ratownictwo i lokalizacja źródła zapachu. w MRL zbudowano we własnym zakresie kilka platform robotycznych i wykorzystano je do eksperymentów w świecie rzeczywistym w celu zweryfikowania algorytmów związanych z niektórymi z powyższych problemów badawczych.
Grupa zajmuje się tworzeniem inteligentnych systemów, które są w stanie autonomicznie działać w złożonych i różnorodnych scenariuszach. Interesują się mechatronicznym projektowaniem i sterowaniem pojazdami, które skutecznie dostosowują się do różnych sytuacji i działają w dynamicznych środowiskach. Obejmuje to opracowanie nowych metod i narzędzi do percepcji, mapowania i planowania ścieżek.
Z biegiem lat badania rozszerzyły się w dziedzinie jednoczesnej lokalizacji i mapowania ( SLAM ), robotyki lotniczej i wizji maszynowej . Ostatnio położono nacisk na widzenie komputerowe i uczenie maszynowe w celu poprawy wszechstronności i zdolności poznawczych platform robotycznych.
Obecne projekty
Międzynarodowe wyzwanie robotyki Mohameda Bin Zayeda (MBZIRC 2020)
Celem jest, aby MBZIRC 2020 opierał się na autonomicznych robotach powietrznych i naziemnych, wykonujących zadania nawigacyjne i manipulacyjne w środowiskach nieustrukturyzowanych, zewnętrznych i wewnętrznych. Wszystkie pod-wyzwania obejmują współpracę między wieloma UAV i zdolnościami roju. Te wyzwania to: (1) chwycić kołyszącą się piłkę zwisającą z szybko poruszającego się drona, (2) Trzy UAV i jeden UGV muszą podnieść cegły i zbudować ścianę, (3) Zestaw czterech pojazdów (3 UAV + 1 UGV ) do ugaszenia serii symulowanych pożarów w wieżowcu za pomocą pojemnika ciśnieniowego. Misje te znajdują się na granicy technologii Intelligent Aerial Robotics i są przeznaczone do zastosowań w świecie rzeczywistym. Zespół IISc-TCS został wybrany do tymczasowej nagrody w wysokości 100 000 USD (nagroda za kamień milowy, tj. etap).
UAV do reagowania na wypadek powodzi, planowania pomocy i zarządzania nią (EPSRC), 2020 r
Projekt koncentruje się na wykorzystaniu UAV do zbierania informacji o rozwijającej się katastrofie powodziowej, umożliwiając jednostkom reagowania kryzysowego ustalanie priorytetów zasobów i efektywne ich rozmieszczanie. Zajmie się również wyzwaniami związanymi z lataniem UAV w trudnych sytuacjach, a także sposobem łączenia danych z przyspieszonymi modelami powodzi w celu generowania szczegółowych planów ewakuacji, budowania odporności społeczności na powódź, ratowania życia i zmniejszania szkód ekonomicznych.
Inteligentny rój i współpracujące roboty
Są zadania, których nie może wykonać sam jeden robot. Grupa robotów współpracujących nad zadaniem może być wysoce wydajna, elastyczna i solidna. Jeśli jeden robot ulegnie awarii, inny robot może zająć jego miejsce. Używamy wizji, aby osiągnąć lokalizację robota i nawigację bez korzystania z infrastruktury zewnętrznej. Naszym celem jest opracowanie podejścia niezależnego od platformy, które wykorzystuje głębokie sieci neuronowe (DNN) w celu ulepszenia klasycznych kontrolerów w celu wykonywania zadań wysokiego poziomu.
Systemy uczenia się (percepcja maszynowa)
Naukę można wykorzystać do poprawy wydajności systemu robotycznego w złożonym środowisku. Jednak zapewnienie gwarancji bezpieczeństwa podczas procesu uczenia się jest jednym z kluczowych wyzwań, które uniemożliwiają zastosowanie tych algorytmów w rzeczywistych aplikacjach. Ten projekt bada zaawansowane algorytmy sterowania i planowania oraz ich zastosowanie w problemach robotyki. Aby osiągnąć niezawodne działanie robota, które spełnia określone specyfikacje wydajności, stosujemy nieliniowe, solidne, predykcyjne i hybrydowe podejścia do sterowania oraz adaptacyjne planowanie ruchu.
Systemy powietrzne przechwytujące (zwinne dążenie do celu)
Zarchiwizowane projekty
Optymalizacja roju świetlików (GSO)
Algorytm optymalizacji roju świetlików (GSO) jest techniką optymalizacji opracowaną w celu jednoczesnego wychwytywania wielu optimum funkcji multimodalnych. Algorytm wykorzystuje agentów zwanych świetlikami, które wykorzystują luminescencyjną ilość zwaną lucyferyną do (pośredniego) przekazywania sąsiadom informacji o profilu funkcji w ich bieżącej lokalizacji. Robak świętojański jest zależny od zmiennej lokalnej domeny decyzyjnej, która jest ograniczona powyżej okrągłym zasięgiem czujnika, aby identyfikować swoich sąsiadów i obliczać jego ruchy. Każdy robaczek świętojański wybiera sąsiada, który ma lucyferynę wartość większą niż jego własna, używając mechanizmu probabilistycznego, i zmierza w tym kierunku. Te ruchy, które opierają się wyłącznie na lokalnych informacjach, umożliwiają rojowi robaczków świętojańskich podział na rozłączne podgrupy, jednoczesne zachowanie taksówek w kierunku i spotkanie w wielu optymalnych (niekoniecznie równych) danej funkcji multimodalnej. Algorytm został przetestowany na specjalnie zaprojektowanym systemie robotów o nazwie Kinbots.
Histogramowe przełączanie intensywności
Histogramic Intensity Switching (HIS) to oparty na wizji algorytm unikania przeszkód opracowany w laboratorium. Wykorzystuje histogramy obrazów rejestrowanych przez kamerę w czasie rzeczywistym i nie wykorzystuje żadnych pomiarów odległości w celu ominięcia przeszkody. Zaprojektowano również ulepszony algorytm o nazwie HIS-Dynamic mask alokacji (HISDMA). Algorytmy przetestowano na specjalnie zbudowanym robocie o nazwie VITAR.
Jednoczesna lokalizacja i mapowanie wielu robotów (SLAM)
W tym badaniu zbadano implementację mapowania siatki zajętości za pomocą miniaturowego robota mobilnego wyposażonego w zestaw pięciu czujników odległości działających na podczerwień. Do aktualizacji mapy stosuje się metody bayesowskie. Inny wariant tej techniki będzie wykorzystywał pojedynczy czujnik zasięgu IR w celu uzyskania zasięgu do różnych charakterystycznych cech w otaczającym środowisku i wykorzysta uzyskane odczyty do zbieżności SLAM. Techniki te zostaną rozszerzone na rój robotów. Roboty te komunikowałyby się za pomocą protokołu ZigBee między sobą oraz z globalnym koordynatorem (PC), który byłby odpowiedzialny za scalanie map. Prowadzone są eksperymenty symulacyjne z wykorzystaniem oprogramowania Player/Stage. Platforma robotyczna jest zbudowana przy użyciu specjalnie zaprojektowanego zestawu roju robotów o nazwie Glowworms.
Stanowisko testowe czterowirnikowca i manipulatora powietrznego
Quadrotor micro-air-vehicle (MAV) to jednostka oparta na wirniku z czterema wirnikami , zwykle umieszczonymi w rogach kwadratowej ramy. Cztery prędkości silnika (a tym samym pchnięcia) są wejściami sterującymi, które powodują ruch quadrotora. Dynamika tego pojazdu jest szybka i silnie sprzężona, co stanowi trudny problem ze sterowaniem. Quadrotor i stanowisko kontrolne zostały wyprodukowane we własnym zakresie w Mobile Robotics Lab. Na quadrotorze prowadzone są eksperymenty ze sterowaniem, począwszy od stabilizacji odchylenia, pochylenia i przechyłu.
Roboty opracowane we własnym zakresie
Kinboty
W laboratorium opracowano zrobotyzowaną platformę składającą się z czterokołowych robotów mobilnych do testowania wielu robotów. Zasadniczo są one podobne do pojazdów Braitenberga i wykorzystują proste techniki percepcji/interakcji/uruchamiania, aby uzyskać złożoność poszczególnych pojazdów i wytworzyć efektywne zachowanie grupowe poprzez współpracę. Te roboty zostały użyte do przetestowania algorytmu GSO
robaczki świętojańskie
Te miniaturowe roboty zostały opracowane w oparciu o Kinboty.
WITAR
VITAR (Vision-based Tracked Autonomous Robot) składa się z gąsienicowego robota mobilnego wyposażonego w czujnik wizyjny montowany z możliwością obracania i pochylania, komputer pokładowy, elektronikę sterownika i bezprzewodowe łącze do zdalnego komputera. Został wykorzystany do testowania algorytmów opartych na wizji, takich jak HIS i HIS-DMA.
Linki zewnętrzne