Учебный проект робота, управляющего автомобилем

Цель данной работы – описать учебный проект для школьников старших классов по созданию робота-водителя, позволяющий обучать их программированию, схемотехнике, началам робототехники в процессе решения практически важных и интересных с научной точки зрения задач. При широком разнообразии современных человекоподобных роботов программные средства для них зачастую недостаточно качественны. Некоторые действия, выполняемые животными и людьми просто и без раздумий, например движение по неровной местности или подъем по лестнице, для биоподобных роботов очень сложны, требуют тонких настроек и могут привести к серьёзным авариям при ошибках. Аналогичная ситуация складывается с восприятием роботов: для повседневных задач распознавания образов и анализа сцен требуются сложные алгоритмы и огромные ресурсы. Однако, можно избежать многих проблем, если применить в робототехнике биологически инспирированные модели. Моделирование движений роботов путем копирования движений людей на практике используется часто. Однако, полное воспроизведение роботом работы центральных моторных программ человека может облегчить разработку систем управления и их проверку. Учебный проект позволяет школьникам сделать первые шаги в работе по этому перспективному направлению науки и техники. Кроме того, системы восприятия также могут более полно воспроизводить работу зрительных систем, что позволит лучше структурировать системы компьютерного зрения и облегчит их разработку. В качестве примера применения метода биоподобия учащимся предлагалось создать систему, способную управлять моделью автомобиля. В результате выполнения проекта школьники смогли освоить работу с андроидным роботом, способным манипулировать органами управления транспортными средствами (рычагами, рулевым колесом и кнопками), а также мобильной платформой для этого робота. Разработанная модель учебного робота YARP-3 позволяет легко вносить изменения в конструкцию, поощряяя творчество учащихся. Программное обеспечение позволяет системе самостоятельно выполнять часть задач водителя (распознавание элементов управления автомобилем, распознавание некоторых видов препятствий, движение без столкновений). Проект разработан с учётом специфических для робототехники особенностей: междисциплинарности и соревновательности; он допускает внесение изменений как в математические формулировки поставленных задач, так и в методы реализации программных и аппаратных средств. Кроме того, в работе приводятся некоторые соображения по организации других обучающих робототехнических проектов, способных заинтересовать учащихся техническим творчеством.

1. Давыдова-Мартынова Е.И., Зюзюкова М.О. Возможности современной школы: проектно-исследовательская деятельность как средство формирования ключевых компетенций. Открытое образование. 2016; (5): 61–67. DOI:10.21686/1818-4243-2016-5-61-67

2. Thom Markham. Project Based Learning Design and Coaching Guide: Expert Tools for Innovation and Inquiry for K-12 Educators. HeartIQ Press, San Rafael, California, 2012.

3. Rolf Pfeifer, Max Lungarella, Fumiya Iida. The Challenges Ahead for Bio-inspired ‘Soft’ Robotics // Communications of the ACM, November 2012, vol. 55, no. 11. DOI:10.1145/2366316.2366335

4. Juan Rosenzweig, Michael Bartl. A Review and Analysis of Literature on Autonomous Driving. The Making of innovation, e-journal, October 2015 // Электронный ресурс: http://www.michaelbartl. com/co-creation/wp-content/uploads/Lit-ReviewAD_MoI.pdf

5. Faieza A.A., Johari R.T., Anuar A.M., Rahman M.H.A., Johar A. Review on Issues Related to Material Handling using Automated Guided Vehicle. Advanced Robot Automation 5: 140.2006. DOI: 10.4172/2168-9695.1000140

6. Todd Litman. Autonomous Vehicle Implementation Predictions.Implications for Transport Planning. Victoria Transport Policy Institute, 27 February 2017 // Электронный ресурс: www.vtpi.org/ avip.pdf

7. REEM-C: робототехнические исследования // Электронный ресурс: http://pal-robotics. com/ru/products/reem-c/

8. Romeo robot development // Электронный ресурс: http://projetromeo.com/en/development

9. Evan Ackerman and Erico Guizzo. DARPA Robotics Challenge: Amazing Moments, Lessons Learned, and What’s Next. IEEE Spectrum, June 11, 2015. // Электронный ресурс: http://spectrum.ieee. org/automaton/robotics/humanoids/darpa-roboticschallenge-amazing-moments-lessons-learned-whatsnext

10. C. G. Atkeson, B.P.W. Babu, N. Banerjee et al. No falls, no resets: Reliable humanoid behavior in the DARPA robotics challenge. // IEEE-RAS 15th International Conference on Humanoid Robots (Humanoids), 2015. DOI: 10.1109/HUMANOIDS.2015.7363436

11. Christian Smith, Henrik I. Christensen. Robot Manipulators.Constructing a High-Performance Robot from Commercially Available Parts. // IEEE robotics & automation magazine, vol. 16, no 4, 2009. pp. 75–83 DOI: 10.1109/MRA.2009.934825

12. J.J. Craig. Introduction to Robotics: Mechanics and Control (3rd Edition). Pearson/Prentice Hall, 2005. ISBN-13: 978-0201543612

13. Andreas Aristidou, Joan Lasenby. Inverse Kinematics: a review of existing techniques and introduction of a new fast iterative solver // Электронный ресурс: http://www.andreasaristidou. com/publications/CUEDF-INFENG,%20TR-632. pdf

14. Yuquan Wang, Christian Smith, Yiannis Karayiannidis, and Petter Ögren. Whole Body Control of a Dual-Arm Mobile Robot Using a Virtual Kinematic Chain // International Journal of Humanoid Robotics, vol. 13, no. 01, 2016.

15. M.Wall, A.Rechtsteiner, L.Rocha. Singular value decomposition and principal component analysis // in book: A Practical Approach to Microarray Data Analysis (D.P. Berrar, W. Dubitzky, M. Granzow, eds.). Kluwer: Norwell, MA, 2003. Pp. 91–109.

16. Физиология человека: Учебник для вузов физ. культуры и факультетов физ. воспитания педагогических вузов / Под общ.ред. В.И. Тхоревского. – М.: Физкультура, образование и наука, 2001.

17. Linda G. Shapiro and George C. Stockman. Computer Vision, Upper Saddle River: Prentice– Hall, 2001.

18. Ömer Faruk Ertuğrul. Adaptive texture energy measure method. International Journal of Intelligent Information System, 2014, no 3(2), pp. 13–18.

19. Herault Jeanny. Vision: Images, Signals and Neural Networks-Models of Neural Processing in Visual Perception. WorldScientific, 2010.

20. Марр Д. Зрение: Информационный подход к изучению представления и обработки зрительных образов. – М., «Радио и связь», 1987.