AUTONOMNOST KRETANjA MOBILNOG ROBOTA -LETELICE ZA RAD NA VISINAMA – SPECIFIČNOSTI KONFIGURACIJE, MODELIRANjE, FUNKCIONALNA APROKSIMACIJA I MAŠINSKO UČENjE OJAČAVANjEM

Abstract

Roboti koji imaju mogućnost kretanja uz vertikalnu podlogu (engl. wall-climbing), a u koje spadaju i roboti namenjeni posebnim zadacima kao što je čišćenje gabaritnih staklenih površina eksterijera visokih zgrada (engl. glass and façade-cleaning), predstavljaju predmet brojnih istraživanja u prethodnih trideset godina. Interesovanja naučne i stručne zajednice u ovoj oblasti su posledica pre svega njihovog velikog potencijala za rešavanje mnogobrojnih izazova kao što su održavanje i inspekcija građevinskih konstrukcija, ispitivanja teško dostupnih ili veoma opasnih radnih mesta i dr. Iako je na ovom polju ostvaren vidan napredak poslednjih nekoliko godina, ova tehnologija i dalje poseduje određena ograničenja kao što su nemogućnost kontinualnog kretanja ovih robota po fizički odvojenim površinama visokih zgrada i nemogućnost kretanja po neravnim površinama. Male bespilotne letelice (MBL) predstavljaju aktuelni tip letelica poslednjih dvadeset godina, a koje mogu da se korisno upotrebe u širokom opsegu primena. Minijaturizacija i smanjenje troškova električnih komponenti doveli su do njihove komercijalizacije i masovne upotrebe u mnogim oblastima, kao što su gašenje požara, inspekcija, nadzor, farbanje, održavanje vetro-generatora i brodova. Najveću primenu u praksi pronašli su kvadkopteri, pre svega zbog činjenice da se pomoću četiri veličine, tj. upravljanjem brzinama obrta propelera, može ostvariti šest stepeni slobode pri kretanju. Prednosti ovih letelica su dobre manevarske sposobnosti i jednostavno upravljanje. Međutim, smanjenje njihovih dimenzija dovodi do smanjenja efikasnosti, kao i povećanja viskoznih efekata što je posledica malih Rejnoldsovih brojeva. Koncept predstavljen ovim predavanjem po pozivu podrazumeva sledeće prioritete: 1. Realizovati robotski sistem za čišćenje koji treba da omogući kvalitetno obavljanje ove namene. 2. Ostvariti bezbednu, pouzdanu i laku tranziciju. 3. Osmisliti sistem za prianjanje koji će omogućiti robotu potrebnu mobilnost u svim pravcima pri izrvšavanju zadatka na radnim površinama različitih oblika uz minimalni utrošak energije. 4. Obezbediti robotu mogućnost savladavanja prepreka malih dimenzija radi izbegavanja potrebe za čestom tranzicijom. 5. Ostvariti bezbednost u radu i u slučaju neplaniranog otkaza sistema za prianjanje. 6. Omogućiti bezbedno spuštanje robota na tlo usled otkaza nekog od motora namenjenih generisanju vučne sile. Zadatak koji se postavlja pred mobilni robot letelicu je učenje optimalne putanje od početnog položaja (predstavlja položaj robota u neposrednoj blizini objekta) do ciljnog položaja predstavlja položaj robota na radnoj površini. Određivanje ciljnog položaja se ostvaruje aktiviranjem kamere kao spoljašnjeg senzora koja uz pomoć metoda mašinskog gledanja omogućava mobilnom robotu letelici detektovanje staklenih površina, kao i izdvajanje karakterističnih objekata. Kako je u okviru navedenog problema nemoguće odrediti tačan matematički model kretanja mobilnog robota letelice, odnosno okruženja, uvodi se pojam mašinskog učenja ojačavanjem (engl. Reinforcement Learning). Dva osnovna činioca koncepta mašinskog učenja ojačavanjem predstavljaju inteligentni agent i okruženje. Inteligentni agent ima zadatak da istraživanjem okruženja pomoću eksternih senzora kao i eksploatacijom stečenog znanja generiše optimalno ponašanje u cilju izvršavanja postavljenog tehnološkog zadatka. Stanje sistema se može definisati kao skup komponenti nastalih kao rezultat akcija robota i/ili rezultat interakcije robot okruženje. Stanja mogu činiti sledeći elementi: položaj robota u okruženju u odnosu na izabrani referentni koordinatni sistem, njegova brzina kretanja, položaj i brzina kretanja pokretnih objekata u okruženju i sl. Nagradna oceana stanja (engl. Reward ) se definiše kao stepen uspešnosti odabrane akcije u prethodnom stanju sistema izražene u vidu numeričke vrednosti. Cilj agenta jeste da pronađe skup najpovoljnijih akcija u svim stanjima mobilnog robota letelice pri njenom kretanju od početnog do ciljnog položaja. Na osnovu informacija o trenutnom stanju sistema kao i trenutnom stepenu obučenosti, inteligentni agent treba da odabere akciju koja će ga dovesti u naredni položaj. Ovaj položaj predstavlja ulaz u upravljačku jedinicu za kontrolu položaja koja treba da odredi signale na ulazu u kontrolere rada električnih motora kako bi se generisale odgovarajuće vučne sile. Stanje sistema u razmatranom primeru predstavlja položaj mobilnog robota letelice u režimu lebdenja. Okruženje je sastavljeno od sfera jednakih prečnika, čiji su centri moguća stanja sistema. U konkretnom primeru razmatrani prostor je dimenzija 9000x6000x4000mm, i