Hibrid Yol Planlaşdırılması (Hybrid Path Planning, HPP), meşə biçmə robotlarında geniş ərazi əhatəsini ağac gövdələrinin çox yaxınlığında təhlükəsiz biçmə hərəkəti ilə birləşdirmək üçün qlobal Boustrophedon əhatə yolu ilə iki-cisim mexanikasından ilhamlanan lokal orbital idarəetməni bir araya gətirən yol planlaşdırma çərçivəsidir. Sistem bütün meşəni orbital problem kimi modelləşdirmir; yalnız həmin anda işlənən ağacı lokal virtual cazibə mərkəzi qəbul edərək robotu gövdənin ətrafında orbitəbənzər hərəkətlə istiqamətləndirir. Biçmə irəlilədikcə ağacın virtual kütləsi azaldılır, cazibə zəiflədilir və sonlu vəziyyət maşını robotu yenidən qlobal əhatə yoluna qoşur. MATLAB əsaslı simulyasiyalarda HPP, eyni qlobal tarama skeleti üzərində qiymətləndirilən APF və RFP kimi itələmə əsaslı lokal yayınma üsulları ilə müqayisədə ağac gövdəsi yaxınlığındakı biçilmiş sahəni artırarkən gövdəyə nüfuzun qarşısını almışdır. Bununla belə, nəticələr ideallaşdırılmış holonomik nöqtə robot modelinə əsaslanır və real meşə sahəsindəki performansı təkbaşına sübut etmir.

50 simulyasiya gedişinin orta göstəricilərində HPP ümumi sahənin %95,3-ni biçmiş, ağaca yaxın qiymətləndirmə zolağında %55,9 əhatə təmin etmiş və sıfır gövdə toqquşması yaratmışdır. Minimum gövdə aralığı 0,29 m olaraq qalmışdır. Bunun əksinə, təhlükəsizlik marjasının −0,34 m olması robotun gövdəyə daxil olmamasına baxmayaraq müəyyən edilmiş nominal təhlükəsizlik buferinin hər vəziyyətdə tam qorunmadığını göstərir. Buna görə üsulun əsas nəticəsi “tam təhlükəsizlik təmin edildi” deyil; daha düzgün şərh odur ki, sınaqdan keçirilən simulyasiyalarda ağac ətrafında daha güclü biçmə ilə gövdəyə nüfuzdan yayınma arasında daha əlverişli tarazlıq qurmaq mümkün olmuşdur.

Meşə biçməsində əsas idarəetmə ziddiyyəti

Meşə biçmə robotunun vəzifəsi yalnız açıq ərazidə hərəkət etmək deyil. Robot geniş iş sahəsindəki bitki örtüyünü sistemli şəkildə təmizləməli, eyni zamanda qorunmalı olan ağac gövdələrinə zərər verməməlidir. Bu iki məqsəd xüsusilə gövdə ətrafında bir-birinə zidd hala gəlir.

Klassik maneədən yayınma alqoritmləri adətən robotla maneə arasındakı məsafəni artırmağa çalışır. Artificial Potential Field (APF) və ya oxşar itələmə əsaslı yanaşmalar baxımından ağac gövdəsi robotun yaxınlaşmamalı olduğu maneədir. Lakin biçmə tapşırığı baxımından gövdənin dərhal ətrafındakı bitki örtüyünün də təmizlənməsi lazımdır. Robot çox erkən uzaqlaşarsa təhlükəsizliyi artıra bilər, lakin ağacın ətrafında geniş biçilməmiş zolaq saxlaya bilər.

HPP-nin çıxış nöqtəsi məhz bu ziddiyyətdir: ağac yalnız yayınmalı maneə kimi deyil, müəyyən təhlükəsizlik məsafəsi daxilində ətrafında idarə olunan şəkildə hərəkət edilməli lokal hədəf kimi nəzərdən keçirilir.

HPP Meşə Biçmə Robotunda Necə İşləyir?

HPP geniş sahə üçün Boustrophedon əsaslı Coverage Path Planning yolunu izləyir; robot aktiv ağacın təsir zonasına daxil olduqda sonlu vəziyyət maşını idarəetməni lokal orbital rejimə keçirir, robot virtual cazibə, tangensial dövr etmə və qısa məsafəli itələmə komponentlərinin birləşməsi ilə gövdənin ətrafında hərəkət edir və lokal biçmə tamamlandıqda ən yaxın uyğun nöqtədən qlobal əhatə yoluna yenidən qoşulur.

Qlobal əhatə skeleti

Tədqiqat yeni qlobal Complete Coverage Path Planning alqoritmi təklif etmir. Bunun əvəzinə Boustrophedon decomposition yanaşmasına əsaslanan mövcud CPP strukturundan ümumi qlobal istinad kimi istifadə edir. İş sahəsi sistemli irəli-geri taramalarla əhatə olunacaq alt sahələrə bölünür və yaranan istinad yolu:

\[ P_{\mathrm{CPP}}=\{p_k\in\mathbb{R}^2\mid k=1,\ldots,N\} \]

şəklində göstərilir. Yol nöqtələri arasındakı məsafə effektiv kəsmə eni \(w_{\mathrm{cut}}\) və tələb olunan üst-üstə düşmə miqdarına görə müəyyən edilir.

HPP-nin yeniliyi bu qlobal yolun yerinə başqa yol qoymaq deyil. Əsas töhfə robot ağacın yaxınlığında işləyərkən işə düşən lokal gövdə-yaxın manevr qatıdır.

İki-cisim mexanikasından gələn fikir

Klassik iki-cisim problemində iki kütlə arasındakı cazibə Nyutonun ümumdünya cazibə qanunu ilə ifadə edilir:

\[ \mathbf{F}_{ij} = G\frac{m_i m_j}{\|\mathbf{r}_{ij}\|^3}\mathbf{r}_{ij} \]

Burada \(G\) cazibə sabiti, \(m_i\) və \(m_j\) iki cismin kütlələri, \(\mathbf{r}_{ij}\) isə cisimlər arasındakı nisbi mövqe vektorudur. Uyğun başlanğıc şərtlərində bu qarşılıqlı təsir məhdud orbitlər yarada bilər.

Tədqiqatçılar bu fiziki əlaqəni birbaşa robot dinamikasının real cazibəsi kimi istifadə etmirlər. Bunun əvəzinə iki-cisim davranışını idarəetmə analogiyası kimi yenidən şərh edirlər. Aktiv hədəf ağac sabit mərkəz, robot isə bu mərkəzin yaratdığı virtual cazibə sahəsindən təsirlənən hərəkətli sistem kimi modelləşdirilir.

Ağac gövdəsindən virtual kütlənin yaradılması

Hər ağacın idarəetmə üzərindəki virtual təsiri qavranılan gövdə həndəsəsindən törədilir. Cəzbedici potensial:

\[ U_{\mathrm{att}}(r) = -G_v\frac{m_{\mathrm{tree}}}{r} \]

kimi təyin edilir.

Ağacın virtual kütləsi isə:

\[ m_{\mathrm{tree}} = \rho\pi \left(\frac{\mathrm{DBH}}{2}\right)^2 H_{\mathrm{ref}} \]

şəklindədir.

Burada:

• \(G_v\): virtual cazibə qazancıdır.
• \(r\): robotla hədəf ağacın mərkəzi arasındakı Evklid məsafəsidir.
• DBH: LiDAR tərəfindən təxmin edilən döş hündürlüyündə gövdə diametridir.
• \(\rho\): virtual sıxlıq parametridir.
• \(H_{\mathrm{ref}}\): qavrama və idarəetmənin miqyaslandırılmasında istifadə olunan istinad gövdə hündürlüyüdür.

\(H_{\mathrm{ref}}\) bütün biçmə robotları üçün fiziki baxımdan optimal qəbul edilən universal ağac hündürlüyü deyil. Mənbə uyğun dəyərin LiDAR konfiqurasiyası, baxış sahəsi, bitki quruluşu və robot həndəsəsindən asılı ola biləcəyini açıq şəkildə bildirir.

Virtual cazibə təcili

Cəzbedici potensialın mənfi qradiyenti robotu hədəf ağaca yönəldən virtual təcil əmrini yaradır:

\[ \mathbf{a}_{g} = -G_v\frac{m_{\mathrm{tree}}}{r^3}\mathbf{r} \]

\(\mathbf{r}\), hədəf ağacın mərkəzindən robota uzanan nisbi mövqe vektorudur. Riyazi olaraq robot ağaca yaxınlaşdıqca \(r^{-3}\) termini virtual qarşılıqlı təsirin güclənməsinə səbəb olur. Lakin sistem robotu birbaşa ağaca çəkmək üçün nəzərdə tutulmayıb; cazibə ilə yanaşı itələyici təhlükəsizlik sahəsi və tangensial dövr etmə komponenti də mövcuddur.

Təhlükəsizlik üçün itələyici potensial

Ağacın ətrafında qısa məsafəli itələyici potensial təyin edilmişdir:

\[ U_{\mathrm{rep}}(r) = \begin{cases} \frac{1}{2}K_{\mathrm{rep}} \left( \frac{1}{r}-\frac{1}{r_0} \right)^2, & r<r_0 \\ 0, & r\geq r_0 \end{cases} \]

\(K_{\mathrm{rep}}\) itələmə qazancıdır. \(r_0\), təhlükəsizlik aralığı ilə kəsici həndəsəni birlikdə nəzərə alan təsir radiusudur:

\[ r_0 = r_{\mathrm{safe}} + \frac{1}{2}w_{\mathrm{cut}} \]

Burada \(r_{\mathrm{safe}}\) ağac üçün təhlükəsizlik məsafəsi, \(w_{\mathrm{cut}}\) isə kəsmə enidir. Buna görə \(r_0\) birbaşa hədəf orbit radiusu deyil; təhlükəsizlik və kəsici həndəsəsinin itələmə sahəsində təsirli olduğu sərhədi təmsil edir.

Cazibə ilə itələmə arasındakı tarazlıq

Lokal orbital enerji:

\[ E_{\mathrm{orb}}(r) = U_{\mathrm{att}}(r) + U_{\mathrm{rep}}(r) \]

kimi təyin edilir. Hədəf orbit radiusu \(r_{\mathrm{tgt}}\), aktiv itələmə zonasında bu birləşmiş enerjinin stasionar nöqtəsinə uyğun gələcək şəkildə müəyyən edilir.

Təxmini radial qüvvə tarazlığı:

\[ \frac{\partial E_{\mathrm{orb}}}{\partial r}=0 \]

şərti ilə:

\[ G_v m_{\mathrm{tree}} = K_{\mathrm{rep}} \left( \frac{1}{r_{\mathrm{tgt}}} - \frac{1}{r_0} \right) \]

əlaqəsi əldə edilir. Beləliklə, hədəf gövdə məsafəsi cazibə ilə təhlükəsizlik baryerinin bir-birini tarazladığı idarəetmə səviyyəli həndəsi hədəfə çevrilir.

Orbital hərəkət niyə birbaşa ağaca düşmür?

Yalnız cəzbedici sahədən istifadə edilsəydi robot hədəf mərkəzə doğru hərəkət edərdi. Orbitəbənzər davranış yaratmaq üçün alqoritm əlavə olaraq tangensial dövr etmə termini tətbiq edir:

\[ \mathbf{a}_{\mathrm{circ}} = \omega^2r_{\mathrm{tgt}}\hat{\mathbf{t}} \]

\(\omega\) bucaq sürəti parametridir, \(\hat{\mathbf{t}}\) isə ağaca nisbətən tangensial vahid vektordur. Mənbə xüsusilə bu terminin klassik iki-cisim fizikasından birbaşa çıxarılan sərt fiziki tangensial təcil bərabərliyi kimi deyil, orbitəbənzər hərəkəti davam etdirmək məqsədilə istifadə olunan idarəetmə yönümlü dövr etmə termini kimi şərh edilməli olduğunu bildirir.

Lokal ümumi təcil əmri:

\[ \mathbf{a} = \mathbf{a}_{g} + \mathbf{a}_{\mathrm{circ}} + \mathbf{a}_{\mathrm{rep}} \]

şəklindədir. Cazibə ağaca yaxınlaşmanı, tangensial komponent onun ətrafında dövr etməni, itələmə komponenti isə sərhədin keçilməsinin qarşısını almağı hədəfləyir.

Gövdə diametri ilə hərəkət idarəetməsinin əlaqələndirilməsi

LiDAR skanında gövdəyə aid üfüqi bucaq açıqlığı \(\Delta\phi\), təxmin edilən gövdə məsafəsi isə \(R_{\mathrm{det}}\) kimi götürülür. Gövdə diametri:

\[ D_{\mathrm{est}} \approx 2R_{\mathrm{det}}\sin\left(\frac{\Delta\phi}{2}\right) \approx R_{\mathrm{det}}\Delta\phi \]

ilə təxmin edilir. İkinci yaxınlaşma kiçik bucaq fərziyyəsinə əsaslanır.

Bu təxmin daha sonra:

\[ m_{\mathrm{tree}} = \rho \frac{\pi D_{\mathrm{est}}^2}{4} H_{\mathrm{ref}} \]

əlaqəsi ilə virtual kütləyə çevrilir. Beləliklə, qavranılan ağac həndəsəsi yalnız xəritədə maneə nöqtəsi olaraq qalmır; lokal hərəkət idarəedicisinin virtual cazibə miqyasını müəyyən edən girişlərdən birinə çevrilir.

Mənbə bu həndəsi dəyərlərin dəqiq fiziki ölçmələr kimi qiymətləndirilməməli olduğunu da qeyd edir. Təxmin keyfiyyəti LiDAR ayırdetməsindən, qismən örtülmədən, gövdənin görünürlüğündən və sahə şəraitindən təsirlənə bilər.

Orbital sürətin həndəsi əlaqəsi

Aktiv hədəf üçün virtual cazibə ilə uyğun dairəvi sürət təxminən:

\[ v_{\mathrm{circ}} = \omega r_{\mathrm{tgt}} \approx \sqrt{\frac{G_vm_{\mathrm{tree}}}{r_{\mathrm{tgt}}}} \]

şəklində təyin edilmişdir.

Gövdə həndəsəsi ilə əlaqə qurulduqda:

\[ v_{\mathrm{circ}} \propto D_{\mathrm{est}} \sqrt{\frac{\rho H_{\mathrm{ref}}}{r_{\mathrm{tgt}}}} \]

alınır. Bu ifadə qavranılan gövdə ölçüsünün virtual kütlə vasitəsilə lokal idarəetmə davranışına necə bağlandığını göstərir.

Virtual Kütlə Niyə Zamanla Azaldılır?

Virtual kütlə real ağacın fiziki kütləsini dəyişdirmək üçün deyil, lokal biçmə tapşırığının gedişini idarəetmə sistemində təmsil etmək üçün azaldılır; \(m_{\mathrm{tree}}\) kiçildikcə virtual cazibə zəifləyir, hədəf orbit radiusu \(r_{\mathrm{tgt}}\) xaricə doğru böyüyür və robotun yaxın-orbit rejimindən çıxaraq qlobal əhatə yoluna qayıtması asanlaşır.

Diskret zamanda virtual kütlə:

\[ m_{\mathrm{tree}}(k+1) = \alpha(k)m_{\mathrm{tree}}(k), \qquad 0<\alpha(k)<1 \]

ilə azaldılır.

Tədqiqatın simulyasiyalarında kütlə azalma əmsalı \(\alpha=0{,}95\) olaraq sabitlənmişdir.

Davamlı zaman üçün verilən konseptual qarşılıq:

\[ \dot{m}_{\mathrm{tree}}(t) = -\alpha \left( m_{\mathrm{tree}}(t)-m_{\min} \right) \]

şəklindədir. \(m_{\min}\), lokal tapşırığın tamamlandığını müəyyən etmək üçün istifadə olunan aşağı kütlə həddidir.

Yenilənən hədəf orbit radiusu:

\[ \frac{1}{r_{\mathrm{tgt}}(k)} = \frac{1}{r_0} + \frac{G_vm_{\mathrm{tree}}(k)} {K_{\mathrm{rep}}+\varepsilon} \]

və ekvivalent şəkildə:

\[ r_{\mathrm{tgt}}(k) = \left( \frac{1}{r_0} + \frac{G_vm_{\mathrm{tree}}(k)} {K_{\mathrm{rep}}+\varepsilon} \right)^{-1} \]

kimi ifadə edilir. \(\varepsilon\) ədədi sabitlik üçün istifadə olunan kiçik müsbət sabitdir. Virtual kütlə azaldıqca ikinci termin kiçilir və \(r_{\mathrm{tgt}}\) dəyəri \(r_0\)-a doğru böyüyür. Beləliklə, sistem ağacın ətrafındakı yaxın orbitdən tədricən uzaqlaşır.

Sonlu vəziyyət maşını

Finite State Machine (FSM) üç əsas iş rejimini idarə edir:

1. Qlobal keçid: Robot CPP istinad yolunu izləyir.
2. Lokal orbit: Ağac aktivləşmə zonasına daxil olduqda virtual cazibə, tangensial dövr etmə və itələmə komponentləri ilə gövdə yaxınlığında hərəkət edilir.
3. Yola yenidən qoşulma: Lokal biçmə tamamlandıqda robot ən yaxın tətbiq oluna bilən qlobal yol seqmentinə qoşulur və əhatə tapşırığına davam edir.

Lokal tapşırıq virtual kütlə \(m_{\min}\) həddindən aşağı düşdükdə və ya orbit sayı \(N_{\mathrm{th}}\) həddini keçdikdə tamamlanmış sayılır. Tamamlanan ağacın mərkəzi \(T_{\mathrm{done}}\) çoxluğuna əlavə edilir.

Daha sonra tamamlanmış ağacların ətrafındakı itələyici sahələr robotun eyni işlənmiş sahəyə dərhal geri daxil olmasının qarşısını almağa kömək edir. Qlobal yola qayıdış bütün sahə üçün yenidən bahalı optimallaşdırma aparmaq əvəzinə ən yaxın tətbiq oluna bilən Boustrophedon yol nöqtəsinə qısa birləşdirici hərəkətlə təmin edilir.

Robot hərəkətinin ədədi yenilənməsi

Simulyasiyada sürət sönümlənməsi və maksimum sürət həddi tətbiq edilmişdir:

\[ \dot{\mathbf{v}} = \left( \mathbf{a}_{g} + \mathbf{a}_{\mathrm{circ}} + \mathbf{a}_{\mathrm{rep}} \right) - c_d\mathbf{v}, \qquad \|\mathbf{v}\|\leq v_{\max} \]

Diskret zaman yenilənməsi:

\[ \mathbf{v}(t+\Delta t) = \mathbf{v}(t) + \left[ \mathbf{a}_{g} + \mathbf{a}_{\mathrm{circ}} + \mathbf{a}_{\mathrm{rep}} - c_d\mathbf{v}(t) \right]\Delta t \]

və mövqe yenilənməsi:

\[ \mathbf{r}_r(t+\Delta t) = \mathbf{r}_r(t) + \mathbf{v}(t+\Delta t)\Delta t \]

şəklindədir. Beləliklə, idarəetmə sahəsindən əldə edilən təcil komponentləri hər zaman addımında robotun sürətinə və mövqeyinə çevrilir.

Tədqiqatın Metodu və Nəticələri

Simulyasiya mühiti

HPP alqoritmi MATLAB R2024b istifadə edilərək ədədi mühitdə qiymətləndirilmişdir. Simulyasiya kompüterində Intel Core i7-12700 prosessoru, 12 nüvə və 32 GB RAM mövcuddur.

Müqayisə müxtəlif ağac yerləşimlərinə malik çoxsaylı 50 × 50 m meşə sahəsində aparılmışdır. Hər ağac silindrik maneə kimi təmsil edilmişdir. Tədqiqatın daxili simulyatoru meşə həndəsəsini başladıb, təsadüfi və ya istifadəçi tərəfindən müəyyən edilmiş ağac mövqeləri yaradıb və LiDAR əsaslı mühit qavrayışını simulyasiya edib.

LiDAR modeli üçün maksimum aşkarlama məsafəsi 10 m, dərinlik ayırdetməsi 0,1 m, baxış sahəsi 360° və bucaq ayırdetməsi 1° olaraq təyin edilmişdir. Hər simulyasiya gedişi təxminən 3000–4000 diskret zaman addımı ehtiva etmişdir.

Müqayisə olunan üsullar

Bütün üsullar eyni yüksək səviyyəli qlobal əhatə skeleti altında qiymətləndirilmişdir:

• HPP: təklif olunan iki-cisim ilhamlı lokal gövdə-yaxın manevr üsulu.
• CPP: ağaca həssas lokal manevr daxil etməyən sabit tarama istinadı.
• CPP+GapFollow: qlobal taramanı lokal boşluq izləmə ilə birləşdirən reaktiv variant.
• APF: itələmə əsaslı Artificial Potential Field lokal maneədən yayınma yanaşması.
• RFP: tədqiqatda istifadə olunan digər itələmə-mərkəzli lokal yayınma istinadı.

Bu quruluşun məqsədi müxtəlif qlobal marşrut planlaşdırıcılarını yarışdırmaqdan çox, eyni əhatə skeleti üzərində fərqli lokal ağac qarşılıqlı təsirlərinin nəticələrini müqayisə etməkdir.

Üç mərhələli davranışın doğrulanması

Mənbə Şəkil 1 HPP-nin üç əsas davranışını göstərir: ağacın ətrafında orbitəbənzər lokal manevr, qlobal istinad yoluna yenidən qoşulma və qlobal əhatənin davam etdirilməsi.

Bu nümunədə robotun təxminən üç dövrə vurması üçün bəzi azalma parametrləri vizual aydınlığı artıracaq şəkildə tənzimlənmişdir. Mənbə bunun universal və ya məcburi “üç dövrə” qaydası olmadığını xüsusi olaraq bildirir. Bu nümunə yalnız vəziyyət keçidlərini görünən etmək məqsədilə istifadə edilmişdir.

Müxtəlif meşə quruluşlarındakı yollar

Mənbə Şəkil 2 üç müxtəlif meşə yerləşimində HPP, CPP, CPP+GapFollow, APF və RFP yollarını yanaşı göstərir. HPP aktiv ağacın yaxınlığında dairəvi/orbitəbənzər hərəkət yaratdıqdan sonra qlobal istinad yoluna geri qayıdır.

APF və RFP yolları daha mühafizəkar uzaqlaşma davranışı göstərdiyinə görə ağac ətrafında daha geniş biçilməmiş sahələr yaranır. Bunun əksinə, yalnız traversal davamlılığını üstün tutan CPP əsaslı istinadlar gövdəyə həddindən artıq yaxınlaşa bilər.

Əhatə xəritələri nə göstərir?

Mənbə Şəkil 3 və Şəkil 4 müxtəlif meşə quruluşları üçün biçilmiş və biçilməmiş sahələri vizuallaşdırır. HPP, APF və RFP ilə müqayisədə gövdə ətrafında daha çox sahəni işləyərkən, CPP və CPP+GapFollow üsullarında müşahidə olunan ciddi gövdə nüfuzu davranışını göstərmir.

Bu vizuallar kəmiyyət cədvəlinin vacib şərhini dəstəkləyir: yalnız ümumi əhatə faizinə baxmaq kifayət deyil. Bir üsul yüksək əhatə təmin edərkən ağacın qorunan sahəsinə daxil ola bilər; başqa bir üsul sıfır toqquşma təmin edərkən gövdə ətrafında böyük miqdarda bitki örtüyü saxlaya bilər.

50 simulyasiya gedişinin kəmiyyət nəticələri

Ümumi əhatə niyə təkbaşına kifayət edən ölçü deyil?

CPP %100,0 və CPP+GapFollow %98,6 ümumi əhatə təmin etmişdir. İlk baxışda bu dəyərlər HPP-nin %95,3 göstəricisindən yüksək görünür. Lakin eyni üsulların minimum gövdə aralıqları mənfidir və 563 ilə 57 gövdə nüfuzu qeydə alınmışdır.

Buna görə yüksək nominal əhatənin bir hissəsi qorunmalı ağac gövdəsi sərhədlərinin pozulması bahasına əldə edilmişdir. HPP qiymətləndirilərkən əhatə ilə toqquşma məlumatı birlikdə oxunmalıdır.

Ağac ətrafındakı biçmə səmərəliliyi

HPP-nin ağac ətrafı zolaq əhatəsi %55,9-dur. Sıfır toqquşma təmin edən üsullar arasında bu ən yüksək dəyərdir.

APF-də eyni metrik yalnız %3,3-dür. APF-nin minimum gövdə aralığı 1,12 m, təhlükəsizlik marjası isə 0,39 m-dir. Bu nəticə üsulun gövdədən kifayət qədər mühafizəkar şəkildə uzaqda qaldığını və bunun əvəzində ağacın ətrafında geniş biçilməmiş sahə saxladığını göstərir.

RFP isə %42,7 ağac ətrafı zolaq əhatəsi, 0,81 m minimum aralıq və 0,32 m müsbət təhlükəsizlik marjası təmin etmişdir. Buna görə RFP APF-dən daha çox gövdə-yaxın sahəni biçmiş, lakin HPP-nin %55,9 göstəricisinə çatmamışdır.

HPP-də sıfır toqquşma ilə mənfi təhlükəsizlik marjası necə birlikdə ola bilər?

Toqquşma sayı ilə təhlükəsizlik marjası eyni şeyi ölçmür. HPP simulyasiyalarında robotun gövdə sərhədini fiziki olaraq keçməsi mənasında gövdə nüfuzu müşahidə edilməmiş və toqquşma sayı sıfır qalmışdır; lakin −0,34 m təhlükəsizlik marjası üsulun müəyyən edilmiş nominal qoruma buferinin daxilinə bəzi hallarda girdiyini göstərir. Buna görə tədqiqat HPP-nin bütün təhlükəsizlik buferini qüsursuz qoruduğunu deyil, gövdəyə toqquşmadan daha yaxın biçmə həyata keçirə bildiyini dəstəkləyir.

Yol uzunluğu

HPP-nin orta yol uzunluğu 2706,2 m-dir. APF, RFP və CPP+GapFollow təxminən 2489–2490 m ətrafında daha qısa yollar yaradır, CPP isə 4449,2 m ilə nəzərəçarpacaq dərəcədə daha uzun ümumi yol formalaşdırmışdır.

Beləliklə, HPP-nin gövdəyə yaxın biçmə uğuru əlavə lokal orbital hərəkətlər səbəbindən bəzi müqayisə üsullarına nisbətən yol uzunluğunu artırır. Tədqiqatın nəticələri yalnız minimum yol uzunluğunu optimallaşdıran üsul iddiası deyil.

Tədqiqatın dəstəklədiyi nəticələr

• HPP sınaqdan keçirilən MATLAB simulyasiyalarında aktiv ağacların ətrafında orbitəbənzər lokal manevrlər yarada bilmişdir.
• FSM lokal biçmə tamamlandıqda robotu qlobal Boustrophedon əhatə yoluna yenidən qoşa bilmişdir.
• HPP sıfır gövdə toqquşması təmin edən müqayisə üsulları arasında ən yüksək ağac ətrafı zolaq əhatəsini yaratmışdır.
• HPP APF və RFP ilə müqayisədə ağac ətrafında daha güclü biçmə təmin etmişdir.
• CPP və CPP+GapFollow yüksək nominal əhatə yaratmış, lakin gövdə nüfuzları və mənfi təhlükəsizlik marjaları göstərmişdir.
• HPP-nin nominal təhlükəsizlik buferi bütün şərtlərdə tam qorunmamışdır.

Bu Simulyasiya Real Meşə Sahəsindəki Performansı Sübut Edirmi?

Xeyr. Tədqiqatda robot holonomik nöqtə platforması kimi modelləşdirilmiş və nəticələr ideallaşdırılmış MATLAB simulyasiyalarından əldə edilmişdir; real biçmə robotlarında holonomik olmayan sükan məhdudiyyətləri, təkər sürüşməsi, nahamar ərazi, asqı, aktuator doyma həddi, LiDAR qeyri-müəyyənliyi, qismən örtülmə, lokalizasiya sürüşməsi və dəyişən yer meyli ayrıca fiziki təcrübələrlə doğrulanmalıdır.

Modelin əsas məhdudiyyətləri

• Robot real biçmə maşını həndəsəsi əvəzinə holonomik nöqtə robot kimi təmsil edilmişdir.
• Holonomik olmayan sükan məhdudiyyətləri modelləşdirilməmişdir.
• Təkər sürüşməsi və nahamar səthdən yaranan dinamik pozuntular ətraflı nəqliyyat vasitəsi modelində yer almır.
• Asqı və aşağı səviyyəli aktuator məhdudiyyətləri simulyasiyanın əsas modeli deyil.
• Qavrama uğursuzluqları və qismən LiDAR örtülmələri tam sahə doğrulamasına tabe tutulmamışdır.
• Lokalizasiya sürüşməsi qiymətləndirməyə daxil edilməmişdir.
• Müxtəlif real ərazi meyllərində fiziki biçmə testi aparılmamışdır.
• HPP-nin təhlükəsizlik buferi bütün şərtlərdə tam qorunmamışdır.

Bu məhdudiyyətlər üsulun dəyərsiz olduğu mənasına gəlmir; lakin nəticələrin düzgün elmi miqyasını müəyyən edir. Tədqiqatın göstərdiyi şey real kommersiya biçmə robotunun hazır və təsdiqlənmiş sahə performansı deyil, iki-cisim ilhamlı lokal orbital idarəetmənin qlobal əhatə planına əlavə edilməsinin alqoritmik baxımdan tətbiq oluna bilməsidir.

Gələcək tədqiqat

Müəlliflər üsulun daha yüksək dəqiqlikli nəqliyyat vasitəsi modellərinə, real biçmə platformalarına və nahamar meşə mühitlərinə köçürülməsini təklif edirlər. Gələcək doğrulamalarda daha real LiDAR qeyri-müəyyənliyinin və sıx çox-ağaclı vəziyyətlərin də araşdırılması planlaşdırılır.

Tədqiqatın ümumi mövqeləndirilməsinə görə HPP gələcəkdə qabaqcıl qlobal CPP üsullarını əvəz edəcək müstəqil sistemdən daha çox, bu planlayıcıların üzərinə əlavə oluna bilən ağac-gövdəsi fərqindəliyinə malik lokal manevr modulu kimi qiymətləndirilə bilər.

Mənbə və Metod Qeydi

Bu Verianla məzmunu Sun-Ho Jang, Woo-Jin Ahn, Yong-Jun Lee və Myo-Taeg Lim tərəfindən hazırlanmış A Hybrid Path Planning Framework for Forest Mowing Using Two-Body-Inspired Orbital Control adlı akademik tədqiqat əsasında müstəqil şəkildə yaradılmışdır.

Tədqiqat Actuators jurnalında 2026-cı ildə, Cild 15, Məqalə 179 olaraq dərc edilmişdir. DOI: 10.3390/act15040179. PDF qeydlərinə görə nəşr tarixi 25 Mart 2026-dır. Nəşriyyat MDPI-dir və tədqiqat Creative Commons Attribution (CC BY) açıq giriş lisenziyası ilə dərc edilmişdir.

Müəllif afiliyasiyalarına Korea Institute of Robotics Technology Convergence, Korea University School of Electrical Engineering və Inha University Department of Artificial Intelligence daxildir. Yong-Jun Lee və Myo-Taeg Lim corresponding author kimi göstərilmişdir.

Tədqiqatın əsas üsulu Boustrophedon əsaslı qlobal Coverage Path Planning skeleti üzərinə iki-cisim mexanikasından ilhamlanan lokal gövdə-yaxın orbital idarəetmənin və sonlu vəziyyət maşını əsaslı tapşırıq keçidlərinin əlavə edilməsidir. Ağacın LiDAR ilə təxmin edilən həndəsəsi virtual kütləyə çevrilir; virtual cazibə, tangensial dövr etmə və itələmə komponentləri robotun lokal hərəkətini yaradır. Virtual kütlənin zamanla azaldılması robotun yaxın orbitdən ayrılmasını və qlobal əhatə yoluna yenidən qoşulmasını dəstəkləyir.

Qiymətləndirmə MATLAB R2024b mühitində aparılmış və müxtəlif meşə yerləşimlərində 50 gedişin orta nəticələri HPP, CPP, CPP+GapFollow, APF və RFP üsulları arasında müqayisə edilmişdir. Tədqiqat real sahə təcrübəsi deyil. Robot holonomik nöqtə robot kimi modelləşdirilmiş və real biçmə maşınlarındakı sükan, sürüşmə, ərazi, asqı, aktuator və qavrama məhdudiyyətlərinin hamısı modelləşdirilməmişdir.

Mənbədə təqdim olunan şəkillər bu mətndə eynilə yenidən dərc edilməmişdir. Üsulun riyazi əlaqələri, simulyasiya parametrləri və Cədvəl 2-dəki kəmiyyət dəyərləri mənbəyə sədaqət qorunaraq öyrədici Azərbaycan dili quruluşu daxilində yenidən izah edilmişdir.

Tədqiqat Korea Forest Service tərəfindən təmin edilən Forest Science Technology R&D Programı çərçivəsində IRIS RS-2025-02213970 layihəsi və National Research Foundation of Korea Basic Science Research Programı çərçivəsində RS-2025-24523431 qrantı ilə dəstəklənmişdir. Müəlliflər maraqlar toqquşmasının olmadığını bildirmişdir. Məlumat əlçatanlığı bölməsində bu tədqiqatda yeni məlumat yaradılmadığı və ya təhlil edilmədiyi, məlumat paylaşımının tətbiq oluna bilmədiyi qeyd edilmişdir.

Bu mətndəki “cazibə”, “kütlə” və “orbit” anlayışları real ağacın fiziki cazibə sahəsini ifadə etmir. Bunlar iki-cisim mexanikasından ilhamlanan idarəetmə modelinin virtual dəyişənləridir. HPP-nin simulyasiyada sıfır gövdə toqquşması yaratması da müəyyən edilmiş təhlükəsizlik buferinin bütövlükdə qorunduğu mənasına gəlmir; HPP üçün bildirilən təhlükəsizlik marjası −0,34 m-dir.