Header

Shop : Details

Shop
Details
59,80 €
ISBN 978-3-8440-9655-2
Softcover
214 pages
87 figures
291 g
21 x 14,8 cm
German
Thesis
October 2024
Alexander Grever
Ein Beitrag zur hybriden Routenoptimierung und Bewegungsplanung – am Beispiel mobiler, landwirtschaftlicher Roboter
Mobilität ist ein wesentlicher Teil des täglichen Lebens, der in den letzten Jahren bedeutende Fortschritte erfahren hat. Bereits heute leisten Fahrerassistenzsysteme, mobile Roboter und autonom fahrende Fahrzeuge einen signifikanten Beitrag zur Steigerung von Komfort und Sicherheit im Alltag. Gleichzeitig ermöglichen sie eine effizientere Gestaltung der Mobilität von Menschen und Gütern sowie die Automatisierung und Optimierung von Arbeitsprozessen im privaten und industriellen Umfeld. Als technologische Grundlage rücken Themen wie die Umfeldwahrnehmung und die Planung kollisionsfreier und mechanisch ausführbarer Bewegungen sowie deren makroskopische Koordination zunehmend in den Fokus.

Im Rahmen dieser Arbeit werden hybride Methoden zur Bewegungsplanung und Routenoptimierung nichtholonomer Roboter konzipiert, durch die Roboter dazu befähigt werden, qualitativ hochwertig über Aufwände von Handlungsalternativen, wie zum Beispiel Fahrstrecken oder Fahrzeiten, zu schlussfolgern, um selbstständig effiziente Entscheidungen zu treffen und raumzeitliche Pläne zu erstellen. Die Methoden basieren auf dem Grundgedanken, einen domänenübergreifenden Wissensaustausch zwischen der Bewegungsplanung und der Routenplanung auf lokale Regionen innerhalb eines hybriden Suchraums zu beschränken, die mit hoher Wahrscheinlichkeit Bestandteil einer optimalen Lösung sind. Zur Identifikation der lokalen Regionen und zur Bewertung von Bewegungsalternativen wird ein generisches Verfahren präsentiert, mit dem eine datengetriebene Heuristik durch Techniken des maschinellen Lernens für nichtholonome Roboter zur Prädiktion von Bewegungsaufwänden erstellt werden kann. Mit Hilfe der Heuristik, die aus Simulations- und Lernvorgängen nichtlinearer Bewegungsmodelle gewonnen wird, kann Wissen über das Bewegungsverhalten zur quantitativen Bewertung von Handlungsalternativen sowohl in die Routenoptimierung als auch in die Bewegungsplanung transferiert und domänenübergreifend in Kostenfunktionen und Planungsvorgängen berücksichtigt werden.

Im Gegensatz zu traditionellen Ansätzen, bei denen Handlungsreihenfolgen und Bewegungen sequentiell und mit domänenspezifischen Wissen und unterschiedlichen Modellierungsgenauigkeiten der Kostenfunktionen geplant werden, begründet sich die Motivation dieser Arbeit in der Arbeitshypothese, dass eine Steigerung und Vereinheitlichung der Modellierungsgenauigkeit beim Schlussfolgern über Handlungsalternativen durch einen methodenübergreifenden Wissenstransfer zu einer Steigerung der Lösungsqualität und folglich zu effizienteren Routenplänen in realen Robotereinsätzen führt. Die Hypothese wird durch die Anwendung der hybriden Planungsmethoden an zwei landwirtschaftlichen Anwendungsbeispielen evaluiert und die Ausführbarkeit geplanter Bewegungen in Praxisversuchen an einem realen Roboter sichergestellt.
Keywords: Hybride Planung; raumzeitliche Planung; Routenoptimierung; Bewegungsplanung; mobile Roboter
Available online documents for this title
You need Adobe Reader, to view these files. Here you will find a little help and information for downloading the PDF files.
Please note that the online documents cannot be printed or edited.
Please also see further information at: Help and Information.
 
 DocumentDocument 
 TypePDF 
 Costs44,85 € 
 ActionDownloadPurchase in obligation and download the file 
     
 
 DocumentTable of contents 
 TypePDF 
 Costsfree 
 ActionDownloadDownload the file 
     
User settings for registered online customers (online documents)
You can change your address details here and access documents you have already ordered.
User
Not logged in
Shaker Verlag GmbH
Am Langen Graben 15a
52353 Düren
Germany
  +49 2421 99011 9
Mon. - Thurs. 8:00 a.m. to 4:00 p.m.
Fri. 8:00 a.m. to 3:00 p.m.
Contact us. We will be happy to help you.
Captcha
Social Media