Çoklu Robotlarda İşbirlikli Davranışların Karşılaştırılması ve Bulanık Mantık Yaklaşımı

Öz

Günümüzde pek çok karmaşık görev için donanım ve çalışma hızı açısından hantal ve maliyetli robotik sistemler kullanılmaktadır. Pahalı ve hantal bir robot yerine daha küçük ve basit robotlardan oluşan sistemlerle aynı karmaşık görevleri yerine getirme konusunda yapılan çalışmalar çoklu robotiği ortaya çıkarmıştır. Çoklu ajanlardan oluşan sürülerin hareketi için ilk çözüm modeli Reynolds tarafından hazırlanan Boids algoritmasıdır. Boids algoritması birleşme (cohesion), ayrılma (dispersion) ve hizalanma (align) kurallarının oluşturduğu vektörlerin her ajan için birleştirilip her ajana ayrı uygulanması olarak tanımlanmıştır. Diğer çalışmalardan farklı olarak bu çalışmada bulanık-işbirlikli bir algoritma tasarlanarak hem akın hem de düzen alma davranışlarının gerçekleştirilmesi amaçlanmıştır. Amaç doğrultusunda birden fazla robotun bireysel, işbirlikli ve bulanık-işbirlikli halde akın etmesi ve düzen alması incelenmiş ve türetilen bulanık-işbirlikli algoritmanın başarımı sınanmıştır. Çalışmada sırasıyla, benzetim ortamında kullanılan robot ve görev algoritmaları sunulmuş olup ardından benzetim sonuçları verilmiştir. Elde edilen bulgulara göre tasarlanan Bulanık akın algoritması, Boids algoritmasından daha kısa görev tamamlama süresi ve daha az haberleşme tekrarı sağladığı görülmüştür.

Anahtar Kelimeler

• Çoklu Robotik,Boids Algoritması,Akın Davranışı,Bulanık Mantık

Comparison of Cooperative Behaviors in Multiple Robots and Fuzzy Logic Approach

Öz

Today, cumbersome and costly robotic systems are used for many complex tasks in terms of hardware and operating speed. Instead, the work on performing the same complex tasks as the systems consisting of smaller and simpler robots reveals the multiple robotics, a sub-branch of robotics. The first solution model for the multiple agents flocking behaviors is the Boids algorithm prepared by Reynolds. The Boids algorithm is defined as the combination of cohesion, dispersion and align rules for each agent and application for individuals. Unlike other studies, a fuzzy-collaborative algorithm was designed in this study and it was aimed to perform both flock and formation behaviors. Within the scope of the aim; individual, cooperative and fuzzy-collaborative flocking and formation of multiple robots were examined and the performance of the fuzzy-cooperative algorithm was tested. In the study, robot and task algorithms used in simulation environment are presented and simulation results are given. According to the findings, the fuzzy flocking algorithm is faster and requires less communication cycle than the Boids algorithm.

Anahtar Kelimeler

• Multiple Robotics,Boids Algorithm,Flocking Behavior,fuzzy logic

Kaynakça

1. A. Ç. Seçkin. C. Karpuz. and A. Özek. “Feature matching based positioning algorithm for swarm robotics.” Comput. Electr. Eng.. 2016.
2. L. Bayındır. “A review of swarm robotics tasks.” Neurocomputing. vol. 172. pp. 292–321. 2016.
3. L. Bayindir and E. Şahin. “A review of studies in swarm robotics.” Turk. J. Electr. Eng. Comput. Sci.. vol. 15. no. 2. pp. 115–147. 2007.
4. A. Ç. Seçkin. C. Karpuz. and A. Özek. “Sürü Robotiği.” presented at the UBMK’16 - Uluslararası Bilgisayar Bilimleri ve Mühendisliği Konferansı. Tekirdağ Turkey. 2016. pp. 414–419.
5. S. Kloder and S. Hutchinson. “Path planning for permutation-invariant multirobot formations.” Robot. IEEE Trans. On. vol. 22. no. 4. pp. 650–665. 2006.
6. A. I. Mourikis and S. I. Roumeliotis. “Performance analysis of multirobot cooperative localization.” Robot. IEEE Trans. On. vol. 22. no. 4. pp. 666–681. 2006.
7. G. Vásárhelyi et al.. “Outdoor flocking and formation flight with autonomous aerial robots.” in Intelligent Robots and Systems (IROS 2014). 2014 IEEE/RSJ International Conference on. 2014. pp. 3866–3873.
8. G. López-Nicolás. M. Aranda. and C. Sagüés. “Multi-robot Formations: One Homography to Rule Them All.” in ROBOT2013: First Iberian Robotics Conference: Advances in Robotics. Vol. 1. M. A. Armada. A. Sanfeliu. and M. Ferre. Eds. Cham: Springer International Publishing. 2014. pp. 703–714.

9. M. Aranda. G. López-Nicolás. C. Sagüés. and Y. Mezouar. “Formation control of mobile robots using multiple aerial cameras.” IEEE Trans. Robot.. vol. 31. no. 4. pp. 1064–1071. 2015.
10. M. J. Mataric. “Designing emergent behaviors: From local interactions to collective intelligence.” in Proceedings of the Second International Conference on Simulation of Adaptive Behavior. 1993. pp. 432–441.
11. C. W. Reynolds. “Flocks. herds and schools: A distributed behavioral model.” ACM SIGGRAPH Comput. Graph.. vol. 21. no. 4. pp. 25–34. 1987.
12. C. W. Reynolds. “Steering behaviors for autonomous characters.” in Game developers conference. 1999. vol. 1999. pp. 763–782.
13. H. H. Lund and L. Pagliarini. “Robot soccer with LEGO mindstorms.” in Robot Soccer World Cup. 1998. pp. 141–151.
14. N. Bouraqadi. A. Doniec. and E. M. de Douai. “Flocking-based multi-robot exploration.” in National conference on control architectures of robots. 2009.
15. Ö. Ahmet and M. Sinecen. “KLİMA SİSTEM KONTROLÜNÜN BULANIK MANTIK İLE MODELLEMESİ.” Pamukkale Üniversitesi Mühendis. Bilim. Derg.. vol. 10. no. 3. pp. 353–358. 2004.
16. Ç. Gençer and A. Coşkun. “Robust Speed Control of Permanent Magnet Synchronous Motors Using Adaptive Neuro Fuzzy Inference System Controllers.” Asian J. Inf. Technol.. vol. 4. no. 10. pp. 918–919. 2005.
17. A. Coşkun and Y. Yılmaz. “Bone Age Assessment with Fuzzy Logic.”
18. F. Bozkurt. A. Ç. Seçkin. and A. Coşkun. “Integration of IMU Sensor on Low-Cost EEG and Design of Cursor Control System with ANFIS.”
19. I. L. Bajec. M. Mraz. and N. Zimic. Boids with a fuzzy way of thinking. Anaheim: ACTA Press. 2003.
20. I. L. Bajec. N. Zimic. and M. Mraz. “Simulating flocks on the wing: the fuzzy approach.” J. Theor. Biol.. vol. 233. no. 2. pp. 199–220. 2005.
21. Z. Wang and D. Gu. “Behaviour based fuzzy flocking systems.” in Fuzzy Systems Conference. 2007. FUZZ-IEEE 2007. IEEE International. 2007. pp. 1–6.
22. X. Zhong and G. Cao. “Fuzzy boids using a dynamic weighting method based on Gauss circle.” in Control Conference (CCC). 2016 35th Chinese. 2016. pp. 7567–7571.
23. E. Rohmer. S. P. Singh. and M. Freese. “V-REP: A versatile and scalable robot simulation framework.” in Intelligent Robots and Systems (IROS). 2013 IEEE/RSJ International Conference on. 2013. pp. 1321–1326.