نگاشت کروموزمی مسئله عبور از مانع: چارچوبی تطبیقی مبتنی بر الگوریتم ژنتیک-فازی برای ربات شش چرخ-پا

ربات های هیبریدی چرخ دار-راه رونده با تلفیق بازدهی حرکتی چرخ ها و قابلیت سازگاری پاها، توانمندی بالایی برای حرکت در محیط های ناهموار دارند. با این حال، عبور کارآمد از موانع پیچیده مستلزم راهبردهای هوشمندی است که حرکات پا، سرعت چرخ ها و وضعیت بدنه را هماهنگ سازد. این مقاله یک چارچوب یادگیری یکپارچه برای استخراج سیاست های تغییر پیکربندی بهینه جهت عبور یک ربات شش چرخ-پا از مانع پله نامتقارن ارائه می دهد. در ابتدا، روابط سینماتیکی حاکم بر تعامل چرخ-پا با زمین و تنظیم سرعت چرخ ها بدون لغزش استخراج شده است. به عنوان نوآوری کلیدی، مسئله عبور از مانع به یک فضای بهینه سازی پارامتری کم بعد و پیوسته نگاشت شده و بر این اساس چارچوب یادگیری مبتنی بر الگوریتم ژنتیک ارائه می شود. این چارچوب، بدون تحمیل مفروضات محدودکننده، پیچیدگی فضای جستجو را به طور چشمگیری کاهش می دهد. در کنار این رویکرد، از منطق فازی جهت انتقال خبرگی انسان به تابع هزینه و تطبیق ضرایب وزنی آن بهره گرفته شده است که امکان کشف خودکار سیاست های عملی را بدون نیاز به توالی های حرکتی از پیش تعریف شده فراهم می آورد. نتایج شبیه سازی با آزمایش های تجربی بر روی ربات ویراکس اعتبارسنجی شده و تطابق نزدیکی بین توالی حرکات پا، گذار چندضلعی تکیه گاه و کاهش انحرافات ناخواسته بدنه مشاهده شده است. در مجموع، این رویکرد راه حلی موثر و مقیاس پذیر برای بهینه سازی عبور از مانع در ربات های هیبریدی ارائه می دهد و پتانسیل استراتژی های مبتنی بر یادگیری را در محیط های پیچیده برجسته می سازد.

کلیدواژه ها:

ربات چرخ دار-راه رونده ، تطبیق پیکربندی ، مدل سازی سینماتیک ، عبور از مانع ، الگوریتم ژنتیک