ترکیب اطلاعات سنسورها برای مکان‌یابی ربات با استفاده از تئوری شواهد

وقتی که یک ربات سیار وارد محیط ناشناخته‌ای می‌شود، تنها با استفاده از اطلاعات سنسورهایش می‌تواند به درستی در محیط حرکت کرده و ماموریتش را با موفقیت به انجام برساند. اگر اطلاعات سنسورها دقیق و سازگار باشند، این کار چندان مشکل نیست. اما در دنیای واقعی اطلاعات سنسورها به دلایل مختلف دقیق و سازگار نیستند. اما ربات چگونه می‌تواند از نادقیق بودن اطلاعات سنسورها آگاهی یابد؟ چگونه می‌تواند از ناسازگار بودن اطلاعات ارائه شده توسط دو سنسور مختلف مطلع شود؟ و در نهایت چگونه می‌تواند این اطلاعات نادقیق را با یکدیگر ترکیب نموده و ماموریتش را با موفقیت به پایان برساند؟

هدف از این پژوهش پیدا کردن جواب‌هایی برای سوالات فوق است. در این تحقیق برای اینکه بتوان اطلاعات سنسورهایی که دارای عدم قطعیت هستند را با هم ترکیب نمود از تئوری شواهد دمپستر شفر استفاده شده است. این تئوری یکی از ابزارهایی است که از آن برای ترکیب اطلاعات به‌دست آمده از منابع مختلف استفاده می‌شود. این تئوری میتواند به‌عنوان جایگزینی برای دیدگاه بیزی در مساله ترکیب اطلاعات سنسورها باشد، علت آن نیز برتری آن در تجمیع اطلاعات سنسورها و قابلیت آن در اندازه‌گیری میزان ناسازگاری در نقشه اشغال محیط است.

 تا کنون راه حل موثری که از این تئوری در مکان یابی روبات متحرک استفاده شده باشد انجام نشده بود. در این تحقیق توانستیم روش جدیدی برای ترکیب اطلاعات موقعیت حاصل از دو سنسور دوربین و انکدر چرخ های روبات، با استفاده از تئوری شواهد ارائه دهیم که کاهش چشمگیری در خطای مکان یابی روبات ایجاد می‌کند.

 قبل از این‌که بتوانیم اطلاعات به‌دست آمده از سنسورها را ترکیب کنیم، بایستی معتبر بودن اطلاعات تشخیص داده شود. به این منظور به کمک فاصله ماهالانوبیس سازگار بودن اطلاعات جدید با اطلاعات قبلی بررسی شده و فقط از اطلاعات سنسورهایی استفاده میشود که به اندازه کافی سازگار باشند. به‌کمک این  روش جدید که از قاعده ترکیب یاگر استفاده می‌کند، می‌توان اطلاعات به‌دست آمده از سنسورهایی را که دچار اختلالات ناگهانی می‌شوند به‌خوبی شناسایی و از تاثیر آنها بر نتیجه کلی کار جلوگیری نمود. این روش نسبت به‌روش‌های متداول نظیر فیلتر کالمن برتری زیادی داشته است.

نتایج حاصل از این پژوهش در چند کنفرانس داخلی و بین المللی به‌چاپ رسیده است.