При керуванні групою мобільних робототехнічних платформ виникають специфічні задачі забезпечення оперативного аналізу та урахування змін параметрів функціонування кожної окремої платформи та впливу на неї та групу у цілому оточуючого середовища. Слід реалізувати не тільки узгоджене управління окремою робототехнічною платформою, але і забезпечувати взаємодію окремих платформ з метою виконання поставленого завдання у цілому. Одночасно слід аналізувати навігаційний стан оточуючого середовища, склад і координати платформ у групі, вести облік наявних ресурсів, необхідних для виконання завдання. Групи мобільних робототехнічних платформ можуть бути гомогенними або гетерогенними, що визначає особливості керування ними. Гібридний метод управління, який є поєднанням централізованого та розподіленого, у випадку гетерогенних платформ, що найчастіше трапляється на практиці, слід вважати найбільш адекватним. За умов гетерогенності платформ у групі слід реалізовувати алгоритми керування з безумовним урахуванням особливостей і характеристик кожної окремої платформи. Для реалізації вказаних задач удосконалено метод управління рухом групи мобільних робототехнічних платформ, який за рахунок врахування змінних параметрів платформ та змінного стану оточуючого середовища забезпечує ефективне управління групою платформ у режимі реального часу. Розроблено узагальнену схему процесу управління групою, що забезпечує адаптацію процесу керування групою до змінних умов оточуючого середовища. Розроблено блок-схему алгоритму автономного управління рухом окремої мобільної робототехнічної платформи, який забезпечує ефективне її функціонування з урахуванням змінних характеристик платформи і стану середовища.
1. Kawashima, K., & Ogawa, T. (2012). Complex-valued neural network for group-movement control of mobile robots. Proceedings of SICE Annual Conference (SICE), Akita, Japan, 1806-1809.
2. Yuqing, Chen, Yan, Zhuang, & Wei, Wang. (2006). Cooperative Control for Formations of Mobile Robots under the Nonholonomic Constraints. 6th World Congress on Intelligent Control and Automation, Dalian, 9042-9046.
https://doi.org/10.1109/WCICA.2006.1713749
3. Mariappan, M., Sing, J. C., Wee, C. C., Khoo, B. & Wong, W. K. (2014). Simultaneous rotation and translation movement for four omnidirectional wheels holonomic mobile robot. IEEE International Symposium on Robotics and Manufacturing Automation (ROMA), Kuala Lumpur, Malaysia, 69-73.
https://doi.org/10.1109/ROMA.2014.7295864
4. Huang, Q. et al. (2022). Resistant Compliance Control for Biped Robot Inspired by Humanlike Behavior. IEEE/ASME Transactions on Mechatronics, 27(5), 3463-3473.
https://doi.org/10.1109/TMECH.2021.3139332
5. Sun, C., Liu, C., Feng, X., & Jiao, X. (2021). Visual Servoing of Flying Robot Based on Fuzzy Adaptive Linear Active Disturbance Rejection Control. IEEE Transactions on Circuits and Systems II: Express Briefs, 68(7), 2558-2562.
https://doi.org/10.1109/TCSII.2021.3053083
6. Chang, S., Du, H., Cong, Y., Xie, F., & Zhang, J. (2020). Gait Planning of Quadruped Robot Based on ROS. 7th International Conference on Information, Cybernetics, and Computational Social Systems (ICCSS), Guangzhou, China, 761-766,
https://doi.org/10.1109/ICCSS52145.2020.9336765
7. Mehrjerdi, H., Saad, M., & Ghommam, J. (2010). Hierarchical Fuzzy Cooperative Control and Path Following for a Team of Mobile Robots. IEEE/ASME Transactions on Mechatronics, 16(5), 907-917,
https://doi.org/10.1109/TMECH.2010.2054101
8. Zhang, H., Meng, Z., & Lin, Z. (2012). Experimental verification of a multi-robot distributed control algorithm with containment and group dispersion behaviors. Proceedings of the 31st Chinese Control Conference, Hefei, China, 6159-6164.
9. Trilaksono, B. R. (2015). Distributed consensus control of robot swarm with obstacle and collision avoidance. 2nd International Conference on Information Technology, Computer, and Electrical Engineering (ICITACEE), Semarang, Indonesia, pp. 2-2,
https://doi.org/10.1109/ICITACEE.2015.7437759
10. Chen, H., Qi, J., Dong, Y., and Zhong, S. (2021). Multi-Robot Formation Control And Implementation. 40th Chinese Control Conference (CCC), Shanghai, China, 879-884,
https://doi.org/10.23919/CCC52363.2021.9549282
11. Wen-Ran, Zhang. (1997). Neurofuzzy agents and neurofuzzy laws for autonomous machine learning and control. Proceedings of International Conference on Neural Networks (ICNN'97), Houston, TX, USA, vol.3, pp. 1732-1737.
https://doi.org/10.1109/ICNN.1997.614157
12. Yusof, Y., Mansor, H.M.A.H., Ahmad, A. (2016). Formulation of a lightweight hybrid ai algorithm towards self-learning autonomous systems. Proc. of the 2016 IEEE Confer. on Systems, Process and Control (IC-SPC), Melaka, Malaysia, 16 18 December 2016, pp. 142 147.
https://doi.org/10.1109/SPC.2016.7920719
13. Chen, G., Hou, B., Guo, S. & Wang, J. (2020). Dynamic Balance and Trajectory Tracking Control of Quadruped Robots Based on Virtual Model Control. 39th Chinese Control Conference (CCC), Shenyang, China, pp. 3771-3776.
https://doi.org/10.23919/CCC50068.2020.9189645
14. Reguii, I., Hassani, I., & Rekik, C. (2022). Neuro-fuzzy Control of a Mobile Robot IEEE 21st international Ccnference on Sciences and Techniques of Automatic Control and Computer Engineering (STA), Sousse, Tunisia, pp. 45-50.
https://doi.org/10.1109/STA56120.2022.10018999
15. Ovur, S. E. , Candan, F., Beke, A., & Kumbasar, T. (2018). YAFT: A Fuzzy Logic based Real Time Two-Wheeled Inverted Pendulum Robot. 6th International Conference on Control Engineering & Information Technology (CEIT), Istanbul, Turkey, pp. 1-6.
https://doi.org/10.1109/CEIT.2018.8751767
16. Wildani, F., Mardiati, R., Mulyana, E., Setiawan, A. E., Nurmalasari, R. R., & Sartika, N. (2022). Fuzzy Logic Control for Semi-Autonomous Navigation Robot Using Integrated Remote Control. 8th International Conference on Wireless and Telematics (ICWT), Yogyakarta, Indonesia, pp. 1-5.
https://doi.org/10.1109/ICWT55831.2022.9935458
17. Oultiligh, A., Ayad, H., Pozna, C., Mogan, G., ELbouzekraoui, M. and Elkari, B. (2020). Obstacle Avoidance using Fuzzy Controller for Unicycle Robot. International Conference on Control, Automation and Diagnosis (ICCAD), Paris, France, pp. 1-6.
https://doi.org/10.1109/ICCAD49821.2020.9260553
18. Gao, J., Chen, K., Wu, C. and Wang, S. (2023). Obstacle avoidance and formation transformation of multi-agent groups based on six-wheeled robot. First International Conference on Cyber-Energy Systems and Intelligent Energy (ICCSIE), Shenyang, China, pp. 1-5.
https://doi.org/10.1109/ICCSIE55183.2023.10175276
19. Zheng, S, Lin, Z., Zeng, Q., Zheng, R., Liu, C. and Xiong, H. (2018). IAPcloud: A Cloud Control Platform for Heterogeneous Robots. IEEE Access, 6, 30577-30591.
https://doi.org/10.1109/ACCESS.2018.2837904
20. Zhang, Z., Ling, Q., & Yang, Z. (2019). Formation Control with Obstacle Avoidance of Multi-Robot Systems with Second-Order Dynamics. Chinese Control Conference (CCC), Guangzhou, China, pp. 5978-5983.
https://doi.org/10.23919/ChiCC.2019.8866564
21. Jeong, D. B., & Ko, N. Y. (2022). Dead Reckoning of a Mobile Robot in 2-Dimensional Special Euclidean Group. 22nd International Conference on Control, Automation and Systems (ICCAS), Jeju, Korea, Republic of, pp. 1069-1071.
https://doi.org/10.23919/ICCAS55662.2022.10003795
22. Nubert, J., Köhler, J., Berenz, V., Allgöwer, F., & Trimpe, S. (2020). Safe and Fast Tracking on a Robot Manipulator: Robust MPC and Neural Network Control. IEEE Robotics and Automation Letters, 5(2), pp. 3050-3057.
https://doi.org/10.1109/LRA.2020.2975727
23. Bai, Y., Svinin, M., & Magid, E. (2020). Multi-Robot Control for Adaptive Caging and Tracking of a Flood Area. 59th Annual Conference of the Society of Instrument and Control Engineers of Japan (SICE), Chiang Mai, Thailand, pp. 1452-1457.
https://doi.org/10.23919/SICE48898.2020.9240385