Powiadomienia systemowe
- Sesja wygasła!
Identyfikatory
Warianty tytułu
Porównanie wybranych algorytmów w zadaniach lokalizacji robota mobilnego
Języki publikacji
Abstrakty
This paper presents a comparison of selected algorithms for simultaneous localization and mapping (SLAM) problem in mobile robotics. Results of four general metaheuristics, Simple Genetic Algorithm, Particle Swarm Optimization, Quantum-Inspired Genetic Algorithms and Genetic Algorithm with Quantum Probability Representation, have been compared to results of classical, analytic method in this field, Iterative Closes Points algorithm. In the experiments the same objective function, drawn from Iterative Closest Points algorithm, has been used. Two situations have been considered: local and global localization problems of mobile robot. Both problems are import and often critical for successful navigation of robot in environment.
W artykule zostało przedstawione porównanie wybranych algorytmów w zadaniu lokalizacji w przestrzeni robota mobilnego. Poddane analizie zostały wyniki uzyskane przez cztery ogólne metaheurystyki przeszukiwania: klasyczny algorytm genetyczny, metoda roju cząstek oraz dwa kwantowo inspirowane algorytmy genetyczne. Wyniki zostały porównane z klasyczną, analityczną metodą Iterative Closest Points, wykorzystywaną często do rozwiązywania rozważanego w artykule problemu. We wszystkich eksperymentach została wykorzystana taka sama funkcja celu, utworzona przy wykorzystaniu algorytmu Iterative Closest Points. Rozważono dwa warianty zagadnienia lokalizacji: problem lokalizacji lokalnej oraz globalnej. Obydwa zagadnienia mają krytyczne znaczenie w prawidłowym funkcjonowaniu autonomicznego robota mobilnego.
Wydawca
Rocznik
Tom
Strony
439--452
Opis fizyczny
Bibliogr. 24 poz., rys., wykr.
Twórcy
autor
- Computer Engineering Department, Technical University of Lodz, Poland
autor
- Computer Engineering Department, Technical University of Lodz, Poland
autor
- Computer Engineering Department, Technical University of Lodz, Poland
Bibliografia
- [1] Abolmaesumi R, Salcudean S.E., Zhu W.H., Image-Guided Control ofa Robot for Medical Ultrasound. IEEE Transactions on Robotics and Automation, 18(1), 2002, 11-23.
- [2] Besl P.J., McKay N.D., A Method for Registration of 3-D Shapes. IEEE Transactions on Pattern Analysis and Machinę Intelligence, 1992, 239-256.
- [3] Bin L., Junan Y., Zhenąuan Z., GAQPR and its application in discovering freguent structures in time series. Neural Networks and Signal Processing, 2003.
- [4] De Jong K.A., Evolutionary computation: a unified approach. MIT Press, Cambridge, MA, 2006.
- [5] Dung-Ying L., Waller S.T., A ąuantum-inspired genetic algorithm for dynamic continuous network design problem. The International Journal of Transportation Research, vol. 1, Issue 1, January 2009.
- [6] Eberhart R., Kemiedy J., A new optimizer usingparticle swarm theory. Micro Machine and Human Science, 1995. MHS'95., Proc. of the Sixth International Symposium on, Anonymous, 1995, 39-43.
- [7] Goldberg D.E., Genetic algorithms in search, optimization and machinę learning. Addison Wesley, 1989.
- [8] Han K., Kim J., Genetic Quantum Algorithm and its Application to Combinatorial Optimization Problem Proc. of the 2000 Congress on Evolutionary Computation, Anonymous, IEEE Service Center, Piscataway, NJ, 2000, 1354-1360.
- [9] Hirschfeld R.A., Aghazadeh F., Chapleski R.C., Survey of Robot Safety in Industry. International Journal of Human Factors in Manufacturing, 3(4), 2007, 369-379.
- [10] Holland J.H., Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann Arbor, 1975.
- [11] Howard A., Multi-robot Simultaneous Localization and Mapping using Particle Filters. In Robotics: Science and Systems, 2005.
- [12] Jeżewski S., Łaski M., Przegląd i porównanie środowisk symulacji robotów mobilnych. ISSN: 1429-3447, 2009.
- [13] Jeżewski S., Sankowski D., Dadan W., Koncepcja autonomicznego robota pola walki przeznaczonego do zadań zwiadu i wykrywania min. ISSN: 1429-3447, 2009.
- [14] Jopek Ł., Nowotniak R., Postolski M., Babout L., Janaszewski M., Zastosowanie kwantowych algorytmów genetycznych do selekcji cech. Automatyka (półrocznik AGH), t. 13, z. 3, 2009, 1219-1232.
- [15] Kennedy J., Eberhart R., Particle swarm optimization. 1995.
- [16] Lopes A., Almeida F., A Force-Impedance Controlled Industrial Robot using an Active Robotic Auxiliary Device. Robotics and Computer-Integrated Manufacturing, 24(3), 2008, 299-309.
- [17] Martinez J.L., Gonzalez J., Morales J., Mandow A., Garcia-Cerezo A.J., Mobile Robot Motion Estimation by 2D Scan Matching with Genetic and Iterative Closest Point Algorithms. Wiley InterScience, Journal of Field Robotics 23(1), 2006, 21-34.
- [18] Michalewicz Z., Genetic Algorithms + Data Structures = Evolution Programs. Springer-Verlag, 1999.
- [19] Nuchter A., The Simultaneous Localization and Mapping Problem with Six Degrees of Freedom. ISSN 1610-7438, 2009.
- [20] Speich J.E., Rosen J., Medical Robotics. Encyclopedia of Biomaterials and Biomedical Engineering, 2004, 983-993.
- [21] Stachniss C, Robotic Mapping and Exploration. ISSN 1610-7438, 2009.
- [22] Stan S.D., Balan R., Maties V., Kinematics and Fuzzy Control of ISOGLIDE3 Medical Parallel Robot. Mechanika, 75, 2009, 62-66.
- [23] Wang C, Thorpe C, Simultaneous Localization and Mapping with Detection and Tracking of Moving Objects. Proc. of the IEEE Int. Conf. on Robotics and Automation (ICRA), 2003, 842-849.
- [24] Zhuang, F., Zupan C, Chao Z., Yanzheng Z., A cable-tunnel inspecting robot for dangerous environment. International Journal of Advanced Robotic Systems, vol. 5, No. 3, ISSN 1729-8806, 2008, 243-248.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-AGH1-0025-0077