Path Planning of Cooperative Mobile Robots Using Discrete Event Models

ارائه یکپارچه برای برنامه ریزی مسیر و کنترل حرکت ربات های متحرک مشارکتی با استفاده از اصول سیستم رویداد گسسته

ایجاد مسیرها یا مسیرهای امکان پذیر بین یک موقعیت شروع مشخص و یک هدف یا موقعیت هدف—در حالی که اجتناب از موانع—یک مسئله رایج برای همه ربات های متحرک است. این کتاب با استفاده از پارادایم سیستم‌های رویداد گسسته، مسئله برنامه‌ریزی مسیر ربات‌های متحرک مشارکتی را فرموله می‌کند. همه چیزهایی را که خوانندگان باید در مورد مدل‌های سیستم رویداد گسسته بدانند ارائه می‌کند—به طور عمده Automata حالت محدود (FSA) و شبکه Petri (PN)—و روش‌هایی برای برنامه‌ریزی مسیر متمرکز و کنترل تیم‌هایی از ربات‌های متحرک یکسان.

برنامه ریزی مسیر ربات های متحرک تعاونی با استفاده از مدل های رویداد گسسته با تعریف مختصری از مسائل برنامه ریزی مسیر و کنترل حرکت و وضعیت هنر آنها آغاز می شود. سپس انواع مختلفی از مدل های گسسته مانند FSA و PN را ارائه می دهد. جعبه ابزار RMTool MATLAB در ادامه توضیح داده می شود، برای خوانندگانی که برای ارائه آزمایش های عددی در بخش آخر به آن نیاز دارند. این کتاب همچنین رویکردهای تجزیه سلولی را مورد بحث قرار می‌دهد و نشان می‌دهد که چگونه محیط تقسیم‌شده را می‌توان با اختصاص به هر سلول یک حالت گسسته به یک FSA ترجمه کرد، در حالی که رابطه مجاور همراه با دینامیک ربات حاکی از انتقال‌های گسسته است.

برجسته‌سازی. مزایای منطق بولی، منطق زمانی خطی، تجزیه سلولی، مدل سازی خودکار حالت محدود، و شبکه پتری، این کتاب همچنین:

• استراتژی های خودکار را بر اساس سیستم های رویداد گسسته (DES) برای برنامه ریزی مسیر ترکیب می کند. و کنترل حرکت و پیاده سازی نرم افزاری را برای الگوریتم های درگیر ارائه می دهد
• آموزشی برای دوره های مقدماتی برنامه ریزی حرکت یا پروژه های مبتنی بر شبیه سازی مرتبط با استفاده از بسته متلب به نام RMTool (جعبه ابزار حرکت ربات) ارائه می دهد
• شامل شبیه سازی برای مسائل حل شده با روش های ارائه شده در کتاب

برنامه ریزی مسیر ربات های متحرک تعاونی با استفاده از مدل های رویداد گسسته یک کتاب ایده آل برای دانشجویان کارشناسی و کارشناسی ارشد و کالج است. و اساتید دانشگاه در زمینه‌های رباتیک، هوش مصنوعی، مدل‌سازی سیستم‌ها و کنترل مستقل.

Offers an integrated presentation for path planning and motion control of cooperative mobile robots using discrete-event system principles

Generating feasible paths or routes between a given starting position and a goal or target position—while avoiding obstacles—is a common issue for all mobile robots. This book formulates the problem of path planning of cooperative mobile robots by using the paradigm of discrete-event systems. It presents everything readers need to know about discrete event system models—mainly Finite State Automata (FSA) and Petri Nets (PN)—and methods for centralized path planning and control of teams of identical mobile robots.

Path Planning of Cooperative Mobile Robots Using Discrete Event Models begins with a brief definition of the Path Planning and Motion Control problems and their state of the art. It then presents different types of discrete models such as FSA and PNs. The RMTool MATLAB toolbox is described thereafter, for readers who will need it to provide numerical experiments in the last section. The book also discusses cell decomposition approaches and shows how the divided environment can be translated into an FSA by assigning to each cell a discrete state, while the adjacent relation together with the robot's dynamics implies the discrete transitions.

Highlighting the benefits of Boolean Logic, Linear Temporal Logic, cell decomposition, Finite State Automata modeling, and Petri Nets, this book also:

• Synthesizes automatic strategies based on Discrete Event Systems (DES) for path planning and motion control and offers software implementations for the involved algorithms
• Provides a tutorial for motion planning introductory courses or related simulation-based projects using a MATLAB package called RMTool (Robot Motion Toolbox)
• Includes simulations for problems solved by methodologies presented in the book

Path Planning of Cooperative Mobile Robots Using Discrete Event Models is an ideal book for undergraduate and graduate students and college and university professors in the areas of robotics, artificial intelligence, systems modeling, and autonomous control.