دانلود ترجمه مقاله برنامه ریزی مسیر ربات های چندگانه بر اساس روش HTN

1. مقدمه 2. تعریف مسأله 3. برنامه ریزی مسیر چند ربات مبتنی بر HTN 4. تحلیل تجربی 5. نتیجه گیری

چکیده – در این مقاله، برای برنامه ریزی مسیر چند ربات، از روشِ شبکه ی وظیفه ی سلسله مراتبی (HTN) استفاده می شود. برای جستجوی مسیر بهینه یا تقریبا بهینه، از حالت شروع تا حالت هدف (بدون وقوع برخورد)، یک مکانیزم حل مسأله و یک روش محدودیت زمان پیشنهاد شده است. آزمایش ها نشان می دهد که برنامه ریزیِ HTN در صورت وقوع برخورد یا مواجهه با محدودیت زمان، می تواند این موقعیت ها را مدیریت کند و مسیر بهتری را نسبت به الگوریتم سنتیِ * A ارائه می دهد. مقدمه: با پیشرفت فناوری ربات، تحقیق بر روی سیستم هایِ چند رباتی، به یکی از داغ ترین موضوعات تبدیل شده است. به عنوان مسیر اصلی تحقیق، برنامه ریزی مسیر چند رباته کلیدی برای تکمیل وظیفه، بهبود عملکرد و گسترش دامنه است که اساس تحقیقات عمیق تر در زمینه ربات های متحرک را تشکیل می دهد. در حال حاضر، الگوریتم های برنامه ریزی مسیر ربات های چندگانه را می توان به دو بخش، الگوریتم های سنتی و الگوریتم های هوشمند تقسیم کرد. الگوریتم سنتیِ جستجوی مسیر، مبتنی بر نظریه گراف یا تئوری ریاضیات پایه است که شامل درخت تصادفیِ کاوشِ سریع (RRT) ، (منبع [1]) میدان پتانسیل مصنوعی [2] و [3]، الگوریتم A* و غیره می شود. الگوریتم A* ، به عنوان یک الگوریتم پایه در زمینه ی هوش مصنوعی، با کاهش فضای جستجو و در نتیجه بهبود کارایی جستجو از طریق توابع اکتشافی، توجه بسیاری از محققان داخلی و خارجی را به خود جلب کرده و تحقیقات فراوانی در این زمینه صورت گرفته است. الگوریتم های هوشمند یکه الهام گرفته شده از پدیده های طبیعی هستند، عبارتند از: شبکه عصبی، الگوریتم ژنتیک [4]، الگوریتم کلونی مورچه، روش کنترل منطقی فازی [5] و غیره. برنامه ریزیِ شبکه ی وظیفه ی سلسله مراتبی (HTN)، یک روش برنامه ریزیِ هوشمندانه و محبوب است. به عنوان مزایای برنامه-ریزی HTN در مقایسه با روش برنامه ریزی کلاسیک، می توان به توانایی آن در تفکر و نمایش کارآمدِ دانش دامنه اشاره کرد. HTN، با قدرت بیان بالایی که دارد، می تواند انواع مسائلِ برنامه ریزیِ غیر کلاسیک را بازنمایی کرده و حل نماید، که برای این منظور می تواند، مطابق با ویژگی های مساله ی برنامه ریزی مسیر برای ربات های متحرک، به طور کامل از دانش دامنه برای جستجو با راندمان بالا و مدیریت مسائل در مقیاس بزرگ، استفاده کند. با این حال، استفاده از روش HTN در رباتیک، عمدتا بر روی هدایتِ تک رباته [6] [7] و برنامه ریزی وظیفه [8] تمرکز دارد؛ مطالعات اندکی در مورد برنامه ریزی مسیر چند رباته انجام شده است.

In this paper, Hierarchical Task Network (HTN) method is applied to multi-robot path planning. A conflict resolution mechanism and time constraint method are also proposed for searching an optimal or approximate optimal collision-free path from start state to target state. Experiment indicates that HTN planning can manage the conflict situations and time constrains well, and provides more optimal route comparing with the traditional A * algorithm. INTRODUCTION: With the advancement of robot technology, the research of multi-robot system become one of the hot spots. As the main research direction, the multi robot path planning is the key to task completion, performance improvement and range extension, which is also the basis of the deeper research in the field of mobile robot. At present, robot path planning algorithms can be divided into two parts, the traditional algorithms and intelligent algorithms. Traditional path search algorithm is based on graph theory or basic mathematical theory, which consists Rapidly-exploring Random Tree (RRT)[1], artificial potential field[2], [3], A * algorithm, etc. As a basic algorithm in the field of artificial intelligence, A * algorithm, which reduce the search space and thus improve search efficiency by heuristic function, has caused a lot of attention of scholars home and abroad and a plenty of research appeared. Intelligent algorithm, inspired by natural phenomenon, consists neural network, genetic algorithm [4], ant colony algorithm, the fuzzy logic control method [5], etc. Hierarchical Task Network (HTN) planning is a popular and widely used intelligent planning method. Compared with the classical planning method, the advantages of HTN planning mainly lies in its ability to reason and efficient representation of domain knowledge. With a great capability of expression, HTN can represent and solve various non-classical planning problems, which can make full use of the domain knowledge to search with high efficiency and handle problems on a large scale, conforming to the characteristics of the path planning problem of mobile robot. However, the application of HTN method in robotic mainly focuses on the single robot navigation [6] [7] and task planning [8], there are few studies on multi-robot path planning.