[論文レビュー] Motion Planning Of an Autonomous Mobile Robot Using Artificial Neural Network

Gyanendra Nath Tripathi, V. Rihani|arXiv (Cornell University)|Jul 20, 2012

Robotic Path Planning Algorithms参考文献 16被引用数 6

ひとこと要約

本論文では、人工ニューラルネットワーク（ANN）を用いて直線走行と正確な旋回の意思決定を学習・最適化する自律移動ロボット向けの運動計画システムを提示する。学習済みのANNは最適な重みを計算し、マイコンに実装されることで、実時間での自律走行が可能となり、実験的検証において優れた性能を示した。

ABSTRACT

The paper presents the electronic design and motion planning of a robot based on decision making regarding its straight motion and precise turn using Artificial Neural Network (ANN). The ANN helps in learning of robot so that it performs motion autonomously. The weights calculated are implemented in microcontroller. The performance has been tested to be excellent.

研究の動機と目的

• 人工知能を用いてリアルタイムで自律的な運動計画システムを開発すること。
• ロボットがニューラルネットワークの学習を通じて、直線走行と正確な旋回の意思決定を学習・適応可能にするための手段を提供すること。
• 学習済みの重みをマイコンに実装し、埋め込み型リアルタイム制御を実現すること。
• 自律走行タスクにおけるシステムの性能を検証すること。
• 制限されたハードウェア環境における低レベルのロボット運動制御にANNを用いる実現可能性を示すこと。

提案手法

• センサ入力を最適な運動命令（直進または旋回）にマッピングするための人工ニューラルネットワーク（ANN）を訓練する。
• 環境状態とそれに対応する望ましいロボット動作のデータセットを用いてネットワークを訓練する。
• ANNから得られた重みをマイコンに転送し、実時間実行用に実装する。
• ロボットは搭載されたセンサからのフィードバックを用いて、ANNが出力する意思決定に基づき運動を調整する。
• ハードウェア（マイコン、モーター、センサ）とANNベースの意思決定論理を統合し、クローズドループ制御を実現する。
• 制御された環境で事前に定義された経路を用いた実験的テストを通じて性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 ANNは、自律移動ロボットの直進対旋回の意思決定を効果的に学習し、一般化できるか？
• RQ2 学習済みのANNは、マイコンに実装され、リアルタイムの運動制御に適しているか？
• RQ3 ANNベースのシステムのナビゲーション精度と安定性の観点での性能はいかがなものか？
• RQ4 適応性の観点から、伝統的なルールベースの運動計画法と比較して、ANNベースのアプローチはどのように異なるか？
• RQ5 明示的なプログラミングを各シナリオごとに行わずに、正確な旋回と直線走行を達成できるか？

主な発見

• ANNベースのシステムは、入力条件に基づいて直線走行と正確な旋回の意思決定を的確に学習した。
• 学習済みネットワークの重みは、マイコンに成功裏に実装され、リアルタイム動作が可能となった。
• 実験的結果から、自律走行タスクにおいて優れた性能が示された。
• さまざまな環境入力下でも、信頼性が高く再現性のある運動制御が達成された。
• ANNと埋め込み型マイコンハードウェアの統合は、リアルタイム意思決定に有効であることが実証された。
• このアプローチは、適応的で低コストな自律ロボット運動計画の強力な可能性を示した。