هوشمندسازی حرکت مسیر یک ربات چهارپای ماه نورد برمبنای طراحی حلقههای کنترل به روش یادگیری تقویتی

هدف از انجام این پژوهش هوشمندسازی حرکت یک ربات چهارپای ماه نورد دوازده درجه آزادی با استفاده از کنترل به روش یادگیری تقویتی است. ابتدا از فرمت توصیف رباتیک یکپارچه (URDF) یک ربات چهارپا برای شبیه سازی ساختار فیزیکی، مفاصل حسگرهای ربات در محیط شبیه ساز آیزاک جیم Isaac Gym استفاده می شود. سپس فرامین سرعت توسط حلقه هدایت برمبنای منظق تناسبی انتگرالی-مشتقی (PID) با دریافت موقعیت چهارپا و نیز با تنظیم زاویه سمت ربات به سیستم کنترل چهارپا ارسال می شود. در گام بعد کنترل کننده مبتنی بر یادگیری تقویتی (RL) فرمان موقعیت زاویه ای مفاصل ربات را با استفاده از مقدار مطلوب سرعت مستخرج از حلقه هدایت و نیز عامل بهینه سازی سیاست مجاورتی (PPO) که سیاست های بهینه را از طریق تعامل با محیط فرا می گیرد، صادر می کند. در گام بعد فرمان گشتاور مورد نیاز هر مفصل با استفاده از منطق کنترل کننده تناسبی مشتقی (PD) برمبنای موقعیت زاویه ای، مطلوب که از بخش یادگیری تقویتی حاصل شده است، صادر می شود. در نهایت ربات چهارپای می تواند یک مسیر مشخص را با توجه به محدودیت های ربات های چرخدار در پیمایش زمین های ناهموار استفاده از ربات های چهارپا به منظور پیمایش سطح ماه در سالیان اخیر بسیار مورد توجه واقع شده است.

کلیدواژه ها:

هدایت ، مسیر ربات چهارپا ، ماه نورد ، کنترل هوشمند ، یادگیری تقویتی