Robotik ass eng eenzegaarteg Mëschung aus Wëssenschaft an Technologie déi Maschinnen produzéiert déi d'Aktiounen vu Mënschen mimikéieren.
Am fréien 2000er waren 90% vun de Roboter an Autosfabrikatiounsanlagen, déi Mënschen fir repetitive Aufgaben ersetzen. Elo kënnen Roboter Haiser Staubsauger a souguer a Restauranten déngen.
E Roboter besteet normalerweis aus dräi Zorte vu Komponenten; de mechanesche Kierper; den elektresche Skelett, an endlech e Gehir gemaach mat Code.
Dës Komponenten erlaben engem Roboter Daten ze sammelen (dacks vu Sensoren), Entscheedungen iwwer programméiert Logik ze huelen fir Verhalen unzepassen an Aufgaben ze kompletéieren.
Roboter kënnen dräi Zorte vu Programmer hunn; Fernsteierung (RC), Kënschtlech Intelligenz (AI), oder Hybrid.
RC Programmer erfuerderen d'Interventioun vun engem Mënsch, deen den Start an / oder d'Stop-Signal fir d'Ausféierung vum Code dem Roboter ka ginn. Programmer besteet aus verschiddenen Aarte vun Algorithmen, jidderee mat enger anerer Funktioun.
Wat ass en Algorithmus?
En Algorithmus ass eng Serie vu Codelinnen déi e Roboter benotze kann fir gewësse Instruktiounen auszeféieren. Et iwwersetzt d'Iddie vum Entwéckler an eng Sprooch déi vu Roboter versteet gëtt.
Algorithmen kënnen a villen Aarte vun Notatioun ausgedréckt ginn, dorënner Pseudocode, Flowcharts, programméiere Sproochen, oder Kontroll Dëscher.
An dësem Artikel wäerte mir e puer allgemeng Aarte vun Algorithmen diskutéieren, déi an dëse Programmer benotzt ginn.
Aarte vun Algorithmen déi an der Robotik benotzt ginn
1. All Moment A * Algorithmus
Den A* Algorithmus ass e Wee Sich Algorithmus dee benotzt gëtt fir den optimalste Wee tëscht zwee Punkten ze fannen, also mat de klengste Käschten.
Anytime A* Algorithmus huet flexibel Zäitkäschte a kann de kuerste Wee zréckginn, och wann et ënnerbrach ass, well et als éischt eng net optimal Léisung generéiert an se dann optiméiert.
Dëst erlaabt eng méi séier Entscheedung ze huelen well de Roboter op fréiere Berechnunge ka bauen anstatt vun Null unzefänken.
Wéi heescht et schaffen?
Et mécht dëst andeems en e 'Bam' formt, dee vum Startknuet erweidert bis d'Critèrë fir d'Ennung ausgeléist ginn, wat heescht datt et e manner deiere Wee verfügbar ass.
En 2D Gitter gëtt mat Hindernisser gemaach an eng Startzell an Zilzelle si pin-pointed.
Den Algorithmus definéiert de "Wäert" vun engem Node mat f, wat d'Zomm vun de Parameteren g ass (d'Käschte fir vum Startknuet op de betreffend Node ze plënneren) an h (d'Käschte fir vum Node a Fro an den Zilknuet ze plënneren).
Applicatioun
Vill Spiller a Web-baséiert Kaarten benotzen dësen Algorithmus fir de kuerste Wee effizient ze fannen. Et kann och fir mobil Roboteren benotzt ginn.
Dir kënnt och komplex Problemer léisen wéi de Newton-Raphson Iteratioun applizéiert fir d'Quadratwurz vun enger Zuel ze fannen.
Et gëtt och a Trajectoireproblemer benotzt fir d'Bewegung an d'Kollisioun vun engem Objet am Raum virauszesoen.
2. D* Algorithmus
D*, Focused D* an D* Lite sinn inkrementell Sichalgorithmen fir de kuerste Wee tëscht zwee Punkten ze fannen.
Si sinn awer eng Mëschung aus A * Algorithmen an nei Entdeckungen, déi et hinnen erlaben Informatiounen op hir Kaarten fir onbekannt Hindernisser ze addéieren.
Si kënnen dann eng Streck op Basis vun neien Informatioun nei berechnen, sou wéi de Mars Rover.
Wéi heescht et schaffen?
D'Aarbecht vum D * Algorithmus ass ähnlech wéi dee vun A *, den Algorithmus definéiert als éischt f, h a erstellt eng oppen a zougemaach Lëscht.
Duerno bestëmmt den D* Algorithmus den g-Wäert vum aktuellen Node mam g-Wäert vu sengen Nopeschnoden.
All Nopeschnode mécht eng roden iwwer den aktuelle g-Wäert an de kürzeste g-Wäert gëtt als den neie g-Wäert ugepasst.
Applicatioun
D * a seng Varianten si wäit benotzt fir mobil Roboter an autonom Gefier Navigatioun.
Esou Navigatiounssystemer enthalen e Prototyp System getest op de Mars Rovers Opportunity and Spirit an den Navigatiounssystem deen d' DARPA Urban Challenge.
3. PRM Algorithmus
E PRM, oder probabilistesche Fahrplang, ass eng Netzwierkgrafik vu méigleche Weeër baséiert op fräi a besat Plazen op enger bestëmmter Kaart.
Si ginn a komplexe Planungssystemer benotzt an och fir bëlleg Weeër ronderëm Hindernisser ze fannen.
PRMs benotzen eng zoufälleg Probe vu Punkten op hirer Kaart, wou e Roboter-Apparat méiglecherweis beweege kann an da gëtt de kuerste Wee berechent.
Wéi heescht et schaffen?
PRM besteet aus enger Bau- an Ufrophase.
An der éischter Phase gëtt e Fahrplang graphéiert, déi méiglech Beweegungen an engem Ëmfeld unzeschätzen. Eng zoufälleg Konfiguratioun gëtt dann erstallt a mat e puer Noperen verbonnen.
D'Start- an d'Zilkonfiguratioune si mat der Grafik an der Ufrophase verbonnen. De Wee gëtt dann duerch eng Dem Dijkstra säi kuerzste Wee Ufro.
Applicatioun
PRM gëtt a lokale Planer benotzt, wou den Algorithmus e riichter Linn Wee tëscht zwee Punkte berechent, nämlech den initialen an Zilpunkten.
Den Algorithmus kann och benotzt ginn fir Weeplanung a Kollisiounserkennungsapplikatiounen ze verbesseren.
4. Zero Moment Point (ZMP) Algorithmus
Zero Moment Point (ZMP Technik) ass en Algorithmus, dee vu Roboteren benotzt gëtt fir déi total Inertie géint d'Reaktiounskraaft vum Buedem ze halen.
Dësen Algorithmus benotzt d'Konzept fir den ZMP ze berechnen an applizéiert se op eng Manéier fir bipedal Roboteren ze balanséieren. Mat dësem Algorithmus op enger glater Buedemoberfläche scheinbar erlaabt de Roboter ze goen wéi wann et kee Moment wier.
Fabrikatiounsfirmen wéi ASIMO (Honda) benotzen dës Technik.
Wéi heescht et schaffen?
D'Bewegung vun engem Walking Roboter ass geplangt mat der Wénkelmomentumgleichung. Et garantéiert datt déi generéiert Gelenkbewegung dynamesch postural Stabilitéit vum Roboter garantéiert.
Dës Stabilitéit gëtt quantifizéiert duerch d'Distanz vum Null-Momentpunkt (berechent vum Algorithmus) bannent de Grenze vun enger virdefinéierter Stabilitéitsregioun.
Applicatioun
Null Moment Punkte kënnen als Metrik benotzt ginn fir d'Stabilitéit géint d'Kippen vu Roboter wéi den iRobot PackBot ze bewäerten wann Dir Rampen an Hindernisser navigéiert.
5. Proportional Integral Differenziell (PID) Kontroll Algorithmus
Proportional Integral Differential Kontroll oder PID, erstellt eng Sensor Feedback Loop fir Astellunge fir mechanesch Komponenten unzepassen andeems de Fehlerwäert ausgerechent gëtt.
Dës Algorithmen kombinéieren all dräi Basiskoeffizienten, dh Proportioun, Integral an Derivat, sou datt et e Kontrollsignal produzéiert.
Et funktionnéiert an Echtzäit a gëlt Korrekturen wou néideg. Dëst kann gesi ginn an Autoen.
Wéi heescht et schaffen?
De PID Controller benotzt dräi Kontrollbegrëffer vu Proportionalitéit, integralen an derivéierter Afloss op seng Ausgab fir eng korrekt an optimal Kontroll anzesetzen.
Dëse Controller berechent kontinuéierlech e Feelerwäert als den Ënnerscheed tëscht engem gewënschten Setpoint an enger gemoosser Prozessvariabel.
Et gëlt dann eng Korrektur fir de Feeler mat der Zäit ze minimiséieren duerch Upassung vun der Kontrollvariabel.
Applicatioun
Dëse Controller kann all Prozess kontrolléieren deen e moossbare Output huet, e bekannten ideale Wäert fir dësen Output, an en Input zum Prozess deen de moossbare Output beaflosst.
Controller ginn an der Industrie benotzt fir Temperatur, Drock, Kraaft, Gewiicht, Positioun, Geschwindegkeet an all aner Variabel fir déi eng Messung existéiert ze regléieren.
Konklusioun
Also, dëst waren e puer vun den allgemengsten Algorithmen déi an der Robotik benotzt ginn. All dës Algorithmen si zimmlech komplex mat enger Mëschung aus Physik, linearer Algebra a Statistike benotzt fir Aktiounen a Bewegung ze kartéieren.
Wéi och ëmmer, wéi d'Technologie fortschrëtt, wäerte Robotik Algorithmen sech entwéckelen fir nach méi komplex ze ginn. D'Robotere wäerte fäeg sinn méi Aufgaben auszeféieren a méi fir sech selwer ze denken.
Wann Dir dësen Artikel genoss hutt, abonnéieren op HashDork's Weekly Updates iwwer E-Mailen, wou mir déi lescht AI, ML, DL, Programméiere & Future Tech Neiegkeeten deelen.
Hannerlooss eng Äntwert