A*-DWA менен өркүндөтүлгөн лазердик SLAM бак навигациясы системасы глобалдык жолду пландоодо өркүндөтүлгөн A* алгоритмин, реалдуу убакыттагы жергиликтүү тоскоолдуктан качууда Dynamic Window Approach (DWA) ыкмасын, жайгашууну аныктоодо AMCLди жана карта түзүүдө GMappingди бириктирген айыл чарба роботунун навигациялык архитектурасы. Hongsen Wang жана кесиптештери бул интеграцияланган системаны, айрыкча алмурут бактарында салттуу A* негизиндеги навигация тоскоолдуктарга зарыл болгондон ашык жакындашы, кескин жана керексиз бурулуштарды жаратышы, кыймылдуу тоскоолдуктарга жооп бере албашы жана энергия керектөөнү көбөйтүшү сыяктуу көйгөйлөрдү чечүү үчүн иштеп чыгышкан. Система глобалдык жолду алдын ала оптималдаштырып жатып, LiDAR аныктаган күтүлбөгөн тоскоолдуктарда DWA аркылуу жергиликтүү багытты өзгөртөт жана тоскоолдуктан өткөндөн кийин роботту кайра глобалдык жолго багыттайт.

Өркүндөтүлгөн A* пландоочусуна үч негизги өзгөртүү киргизилген: тоскоолдуктун бурчтарына жанаша жайгашкан жогорку тобокелдүү түйүндөрдү четтетүү, керексиз аралык түйүндөрдү алып салуу жана тоскоолдуктардын жыштыгын эвристикалык чыгым функциясына кошуу. Түзүлгөн жол андан кийин Bresenham өтүмдүүлүгүн текшерүү, кубдук сплайн интерполяциясы жана ийрилик чектөөсүн оптималдаштыруудан турган үч баскычтуу процесс менен жылмаланган. DWA тарабында багытталуу, тоскоолдукка чейинки аралык, сызыктуу ылдамдык, божомол горизонту жана ылдамдык ажыратуусу сыяктуу параметрлер чынжырлуу бак роботунун кинематикасына жана 0.8–1.2 m коопсуздук аралыгы талабына ылайык жөндөлгөн.

Matlab, Gazebo жана Rviz негизиндеги симуляциялар менен “Xinli No. 7” алмурут багындагы чыныгы роботтук тажрыйбалар сунушталган интеграцияланган ыкма изилденген шарттарда салттуу A*ка салыштырмалуу коопсузураак жана туруктуураак навигация камсыздаганын көрсөттү. Талаа тажрыйбаларында кубат керектөө үлүшү %23төн %13кө төмөндөп, орточо капталдык четтөө 0.021 mден 0.011 mге азайган жана бурулуш маалындагы эң жогорку капталдык четтөө 0.40 mден 0.14 mге түшүрүлгөн. Тоскоолдуктан качуу тажрыйбаларында колдонулган сценарийлерде A*-DWA %100 ийгилик көрсөтүп, болжол менен 1.05–1.12 m минималдуу коопсуздук аралыгын сактаган.

Бул натыйжалар A*-DWA ыкмасы үчүн изилдөөдө колдонулган алмурут багынын, робот платформасынын, LiDAR системасынын жана сыноо шарттарынын алкагында алынган. Натыйжалар башка айыл чарба жерлеринде, башка роботтордо же бардык айлана-чөйрө шарттарында дал ушундай өндүрүмдүүлүк автоматтык түрдө алынат дегенди билдирбейт. Изилдөөнүн маанилүү чектөөлөрүнүн бири кабылдоонун негизинен LiDARга таянышы.

Лазердик SLAM бак роботторунда кантип колдонулат?

Лазердик SLAM — мобилдик роботко LiDAR өлчөөлөрү менен айлана-чөйрөнүн картасын түзүү учурунда ошол картадагы өзүнүн жайгашуусун бир эле мезгилде баалоого мүмкүндүк берген навигациялык ыкма. Бул изилдөөдө LiDAR айланадагы геометриялык түзүлүштү кабылдайт, GMapping эки өлчөмдүү ээленүү картасын түзөт, AMCL роботтун картадагы жайгашуусун баалайт, A*-DWA катмары жүрүлүүчү жолду эсептейт, ал эми кыймылды башкаруу катмары эсептелген ылдамдык жана багыт буйруктарын чынжырлуу платформага колдонот.

Бак навигациясынын негизги көйгөйү

Мөмө багы толугу менен ачык аянт эмес. Дарак катарлары, бутактар, мөмө кутулары, жумушчулар, айыл чарба машиналары жана жерге түшкөн шайман же бутактар робот үчүн тоскоолдук жаратышы мүмкүн. Мындан тышкары, дарак катарларынын арасында робот манёвр жасай ала турган мейкиндик чектелүү.

Изилдөө жүргүзүлгөн алмурут багында катар аралыгы болжол менен 4 m, өсүмдүктөрдүн аралыгы 1.5–2 m жана талаа четиндеги боштук 3–5 m. Бул түзүлүш чөйрө иреттүү көрүнгөнү менен, навигация жагынан аны жарым-жартылай түзүмдөштүрүлгөн кылат.

Классикалык A* алгоритми баштапкы чекит менен максаттын ортосунда глобалдык жол таба алат. Бирок алдын ала түзүлгөн картага таянгандыктан, кийин пайда болгон адам же мөмө кутусу сыяктуу кыймылдуу же картада жок тоскоолдуктарды өз алдынча башкара албайт. DWA болсо роботтун учурдагы ылдамдыгын, бурулуу жөндөмүн жана жакынкы тоскоолдуктарды эске алып, реалдуу убакытта жергиликтүү чечим чыгара алат; бирок жергиликтүү маалымат менен гана аракеттенсе, туюк жолдорго же локалдык минимумдарга камалып калышы мүмкүн.

Изилдөөчүлөрдүн негизги мамилеси — бул эки ыкма бири-биринин алсыз жагын толуктайт: A* жалпы максатка жеткирүүчү глобалдык жолду аныктайт, ал эми DWA жолдо күтүлбөгөн тоскоолдук пайда болгондо кыска мөөнөттүү жергиликтүү качуу манёврун түзөт.

Системанын архитектурасы

Изилдөөдө навигациялык системаны беш негизги катмар катары кароого болот:

1. Аппараттык камсыздоо: чынжырлуу мобилдик робот жана LiDAR.
2. Кабылдоо: айланадагы объекттерди лазердик сканерлөө менен аныктоо.
3. Карта түзүү жана жайгашууну аныктоо: GMapping жана AMCL.
4. Жолду пландоо: өркүндөтүлгөн A* менен DWAнын биргелешкен иши.
5. Кыймылды башкаруу: сызыктуу жана бурчтук ылдамдык буйруктарын роботтун шассисине колдонуу.

Роботтун LiDARы эсептөө жүгүн азайтуу үчүн навигация учурунда алдыга караган 180° кабылдоо талаасын колдонгондой конфигурацияланган. Бул аймак робот бараткан коридорду байкоо жана жаңы тоскоолдуктарды өз убагында аныктоо үчүн колдонулат.

Өркүндөтүлгөн A* алгоритми салттуу A*тан эмнеси менен айырмаланат?

Өркүндөтүлгөн A* алгоритми салттуу A*тын негизги чыгым издөөсүн сактоо менен, мөмө багынын навигациясына ылайык тоскоолдуктардын бурчтарынан коопсуз аралык калтырат, керексиз аралык түйүндөрдү алып салат, тоскоолдук жыштыгын эвристикалык чыгымга кошот жана түзүлгөн жолду кинематикалык жактан жылмакай кылат. Ошентип, эң кыска геометриялык байланыш гана эмес, чыныгы чынжырлуу робот коопсузураак жана азыраак кескин бурулуштар менен ээрчий ала турган таяныч жол түзүү максат кылынат.

Салттуу A* чыгым функциясы

A* алгоритминин негизги баалоо функциясы төмөнкүдөй:

\[ f(n)=g(n)+h(n) \]

Бул жерде \(g(n)\) баштапкы чекиттен учурдагы \(n\) түйүнүнө чейинки чыныгы чыгымды; \(h(n)\) учурдагы түйүндөн максатка чейинки болжолдуу чыгымды; ал эми \(f(n)\) жалпы баалоо чыгымын билдирет.

Алгоритм ар бир кадамда эң төмөнкү \(f(n)\) маанисине ээ түйүндөргө артыкчылык берип, максатты көздөй жылат. Бирок тордо кыска жол табуу гана чыныгы роботтун коопсуздугу үчүн жетишсиз.

Тоскоолдук бурчунун коопсуздугун текшерүү

Изилдөөдө GMapping торунун чечилиши 0.5 m деп белгиленген. Талапкер түйүн тоскоолдуктун бурчунан бир тор же андан аз, башкача айтканда эң көп 0.5 m алыстыкта болсо, жогорку тобокелдүү деп эсептелип, издөө тизмесинен чыгарылат.

Оптималдаштырылган жол тоскоолдук бурчтарынан кеминде эки тор, болжол менен 1 m алыстыкта калышы максат кылынган. Бул маани изилдөөдө көрсөтүлгөн 0.8–1.2 m айыл чарба машинасынын коопсуздук талабы жана роботтун 0.862 m туурасы эске алынып тандалган.

Бул өзгөртүү өзгөчө бурулуш чекиттеринде маанилүү. Тордо математикалык жактан бош көрүнгөн уяча чыныгы роботтун туурасы жана дарактын бутактары эске алынганда коопсуз болбой калышы мүмкүн.

Керексиз түйүндөрдү алып салуу

Салттуу A* түзгөн жол көп сандаган майда багыт өзгөртүүлөрүн камтышы мүмкүн. Бул жагдай чынжырлуу унаада бурулуштардын санын да, энергия керектөөнү да көбөйтүшү мүмкүн.

Өркүндөтүлгөн ыкмада удаалаш жол бөлүктөрүнүн жантаюулары бааланат. Ортодогу түйүн багыт маалыматын өзгөртпөсө же түз байланыш тоскоолдук менен кесилишпей курулса, ал түйүн алып салынат. Ошентип, робот ээрчиши керек болгон waypointтердин саны жана бурулуу көлөмү азаят.

Тоскоолдук жыштыгын камтыган эвристикалык функция

Изилдөөдө өркүндөтүлгөн чыгым функциясы төмөнкүдөй аныкталган:

\[ f(n)=w\,g(n)+\left(1-\log(P)\right)h(n) \]

Бул жерде \(P\) учурдагы түйүн менен максаттын ортосундагы издөө коридорундагы тоскоолдук жыштыгын; \(w\) болсо чыныгы жол чыгымы менен тоскоолдук жыштыгына сезгич эвристикалык чыгымдын тең салмагын аныктаган статикалык коэффициентти билдирет.

Изилдөөчүлөр \(w\) үчүн 0.3–0.6 аралыгын сынап, өз тажрыйба шарттарында \(w=0.4\) маанисин колдонушкан.

Тоскоолдук жыштыгы \(P\) учурдагы түйүн менен максаттын ортосундагы таяныч сызыктын айланасында төрт тор, башкача айтканда болжол менен 2 m туурасында издөө коридорун түзүү аркылуу эсептелет:

\[ P=\frac{N_{\mathrm{obs}}}{N_{\mathrm{total}}} \]

\(N_{\mathrm{obs}}\) коридордогу ээленген торлордун, ал эми \(N_{\mathrm{total}}\) бааланган жалпы торлордун саны. GMapping ээленүү ыктымалдыгында %70тен жогору уячалар тоскоолдук, %30дан төмөн уячалар бош деп классификацияланган.

Үч баскычтуу жолду жылмалоо

Алгачкы A* жолу түзүлгөндөн кийин изилдөө үч баскычтуу өркүндөтүүнү колдонот:

1. Bresenham текшерүүсү: эки маанилүү түйүндүн ортосундагы түз сызык тоскоолдук менен кесилишеби же жокпу текшерилип, керексиз аралык түйүндөр алынат.
2. Кубдук сплайн интерполяциясы: кескин бурчтардын ордуна туундулары үзгүлтүксүз, жылмакайыраак жол түзүлөт.
3. Ийрилик чектөөсүн оптималдаштыруу: робот ээрчүүдө кыйнала турган кескин ийрилик өзгөрүүлөрү азайтылат.

Алгачкы оптималдаштыруудан кийин жол түйүндөрү төмөнкүдөй көрсөтүлөт:

\[ P=\{(x_1,y_1),(x_2,y_2),\ldots,(x_n,y_n)\} \]

Ар бир түйүн үчүн жолдун башынан тартып топтолмо жаа узундугу эсептелет:

\[ t_1=0 \]

\[ t_k=\sum_{i=2}^{k}\sqrt{(x_i-x_{i-1})^2+(y_i-y_{i-1})^2} \]

Бул параметр эки координата компоненти үчүн бөлүк-бөлүк кубдук функцияларды түзүүдө колдонулат:

\[ x=S_x(t), \qquad y=S_y(t) \]

Сплайн бөлүктөрү түйүндөрдө жайгашуу боюнча гана бирикпейт; биринчи жана экинчи туундулардын үзгүлтүксүздүгү да сакталат. Ошентип, жолдун багыты менен ийрилигинде кескин секириктер болбошу максат кылынат.

Андан кийин жолдо үлгүлөө жыштыгы \(m=5n\) боло тургандай жаңы чекиттер эсептелип, жалпы ийрилик квадратын азайтууга багытталган оптималдаштыруу колдонулат:

\[ \min \sum_{i=2}^{n-1} k_i^2 \]

Түз жол бөлүгүндө \(k_i\) кичине болуп, кескин бурулуштарда чоңоёт. Демек, бул максат функциясын азайтуу чынжырлуу робот үчүн жылмакайыраак кыймыл геометриясын түзүүгө жардам берет.

DWA кыймылдуу тоскоолдуктардан качууну кантип камсыздайт?

Dynamic Window Approach робот жете ала турган сызыктуу жана бурчтук ылдамдык айкалыштарын кыска божомол горизонту боюнча симуляциялап, ар бир талапкер кыймылды максат багыты, тоскоолдукка чейинки аралык жана ылдамдык жагынан баалап, колдонууга боло турган жергиликтүү ылдамдык буйругун тандайт. Бул изилдөөдө DWA LiDAR глобалдык A* жолунда жок жаңы тоскоолдукту аныктаганда ишке кирип, роботту глобалдык жолдон убактылуу четтетет, тоскоолдукту коопсуз аралыктан айланып өтөт жана андан соң кайра таяныч жолго кошот.

Роботтун кыймыл модели

Чынжырлуу дифференциалдык жетектүү платформанын кыска убакыт аралыгындагы кыймылы төмөнкү теңдемелер менен моделденет:

\[ x_{t+\Delta t}=x_t+v\Delta t\cos(\theta_t) \]

\[ y_{t+\Delta t}=y_t+v\Delta t\sin(\theta_t) \]

\[ \theta_{t+\Delta t}=\theta_t+\omega\Delta t \]

Бул жерде \(v\) сызыктуу ылдамдык, \(\omega\) бурчтук ылдамдык, \(\theta\) роботтун багыты, ал эми \(\Delta t\) кыска божомол убакыт аралыгы.

Бул убакытта өтүлүүчү болжолдуу сызыктуу аралык:

\[ \Delta S=v\Delta t \]

түрүндө эсептелет.

DWA баалоо функциясы

Талапкер кыймылдарды баалоодо изилдөө төмөнкү жалпы түзүлүштү колдонот:

\[ G(v,\omega)=\sigma\left[ \alpha\,heading(v,\omega) +\beta\,dist(v,\omega) +\gamma\,velocity(v,\omega) \right] \]

\(heading(v,\omega)\) болжолдонгон кыймылдын максат багытына шайкештигин; \(dist(v,\omega)\) болжолдонгон жол менен эң жакын тоскоолдуктун аралыгын; \(velocity(v,\omega)\) болсо сызыктуу ылдамдык компонентин билдирет.

Бул түзүлүш үч муктаждыкты бир учурда тең салмактайт: максатка багыт алуу, тоскоолдуктан коопсуз аралыкта калуу жана керексиз түрдө өтө төмөн ылдамдыкта жүрбөө.

DWA параметрлери

Сезгичтик тажрыйбаларында \(\alpha\) маанисинин 0.3төн төмөндөшү U түрүндөгү дарак боштуктарында локалдык минимум көйгөйлөрүн көбөйткөн, ал эми 0.5тен жогорулашы жол узундугун арттырган. \(\beta=0.5\) изилдөөдө коопсуздук аралыгы менен жооп берүү убактысынын ылайыктуу тең салмагын камсыздаган. Божомол горизонту 0.8 s болуп тандалышы LiDAR үлгүлөө ыргагы менен реалдуу убакыттагы эсептөө жүгүнүн ортосунда тең салмак түзгөн.

A*-DWAнын “четте–кач–кайт” механизми

Системанын негизги иш агымы төмөнкүдөй:

1. Өркүндөтүлгөн A* баштапкы чекиттен максатка глобалдык таяныч жол түзөт.
2. Робот ушул жолду ээрчийт.
3. LiDAR картада жок жаңы тоскоолдукту аныктайт.
4. DWA учурдагы ылдамдык мейкиндигиндеги коопсуз траекторияларды баалайт.
5. Робот глобалдык жолдон убактылуу четтейт.
6. Тоскоолдуктун айланасынан ылайыктуу коопсуздук аралыгы менен өтөт.
7. A* аныктаган жалпы максат багытын сактайт.
8. Тоскоолдуктан өткөндөн кийин глобалдык таяныч жолго кайра кошулат.

Бул кызматташтык эки өзүнчө алгоритм көйгөйүн бутага алат: глобалдык A* кыймылдуу тоскоолдуктарды көрө албаса, DWA менен гана иштеген системалар U түрүндөгү же окшош жергиликтүү туюктарда максат багытын жоготушу мүмкүн.

Изилдөөнүн методу жана жыйынтыктары

Симуляциялык инфраструктура

Өркүндөтүлгөн A* глобалдык пландоочусу Matlab 2023bде сыналган. Салттуу A*, Bidirectional Adaptive A*, Obstacle-Density-Weighted A*, Bézier-Smoothed A* жана изилдөөчүлөр иштеп чыккан A* болуп, беш ыкма жөнөкөй, орточо жана татаал тоскоолдук карталарында салыштырылган.

Баалоо көрсөткүчтөрү:

• бурулуштардын саны,
• жолдун узундугу,
• кеңейтилген түйүндөрдүн саны,
• эсептөө убактысы.

Булактын тексттик талдоосунда өркүндөтүлгөн A* үчүн жөнөкөй, орточо жана татаал шарттарда тиешелүүлүгүнө жараша 2, 5 жана 11 бурулуш айтылганы менен, Table 1де орточо сценарий үчүн 8 бурулуш көрсөтүлгөн. Булактын ичиндеги бул айырма унчукпай оңдолбоого тийиш. Verianla жагынан таблица source-of-truth катары кабыл алынганда, орточо сценарийдин мааниси 8 бойдон сакталган; булак текстиндеги 5 саны өзүнчө редакциялык дал келбестик катары белгиленген.

Gazebo-ROS1 тоскоолдуктан качуу тажрыйбалары

Чөйрөдө бактарда кезиге турган үч өкүлчүлүктүү тоскоолдук колдонулган:

• 0.6 × 0.4 × 0.3 m мөмө кутусу,
• болжол менен 1.7 × 0.7 m адам/жумушчу тоскоолдугу,
• диаметри 0.05 m жана узундугу 1.2 m жыгач таяк.

Кошумча Gazebo-ROS1 симуляцияларында жалпы 45 сыноо жүргүзүлгөн.

Ошол эле симуляция шарттарында салттуу A* үчүн билдирилген тоскоолдуктан качуунун ийгилик көрсөткүчү %72–78, жооп берүү убактысы болжол менен 1.03–1.23 s жана минималдуу коопсуздук аралыгы 0.36–0.42 m чегинде болгон.

Чыныгы робот платформасы

Чыныгы талаа сыноосу

Талаа тажрыйбасы 14 Июль 2025-жылы “Xinli No. 7” алмурут багында жүргүзүлгөн. Бак 1.2 гектар. Тажрыйба үчүн үч дарак катарын камтыган болжол менен 500 m² кичи аймак колдонулган. Борбордук навигация коридорунун туурасы болжол менен 3–4 m. Сыноо маалында аба ырайы ачык болуп, чөйрөнүн температурасы 32 °C экени билдирилген.

Робот адегенде GMapping менен бактын лазердик SLAM картасын түзүп, андан соң AMCL менен картадагы жайгашуусун баалап навигациялык тажрыйбаларды жүргүзгөн.

Чыныгы талаа изилдөөсүндө салттуу A* жана A*-DWA үчүн алтыдан кайталанган жүрүш жасалып, тоскоолдуктардын ар башка жайгашуусу менен жалпы 36 жарактуу талаа тажрыйбасы билдирилген.

A*-DWA талаа сыноолорунда канчалык жакшыруу берди?

“Xinli No. 7” алмурут багындагы тажрыйбаларда A*-DWA салттуу A*ка салыштырмалуу кубат керектөө, жолду капталдан көзөмөлдөө катасы, бурулуштун туруктуулугу, тоскоолдуктан качуудагы жооп убактысы жана коопсуздук аралыгы боюнча жакшыраак маанилерди көрсөткөн. Эң көрүнүктүү натыйжалардын бири бурулуш учурунда эң жогорку капталдык четтөөнүн 0.40 mден 0.14 mге төмөндөшү, экинчиси кубат керектөө үлүшүнүн %23төн %13кө азайышы.

Бурулуштагы эң жогорку четтөөнүн 0.40 mден 0.14 mге түшүшү болжол менен %65 азаюуга туура келет. Глобалдык капталдык четтөөнүн стандарттык четтөөсү 0.061 mден 0.029 mге түшүп, болжол менен %52.5 азайса, бурулуш аймагындагы стандарттык четтөө 0.162 mден 0.045 mге төмөндөгөн.

Чыныгы бакта тоскоолдуктан качуу

A*-DWA чыныгы талаа тажрыйбаларында сактаган 1.05–1.12 m минималдуу тоскоолдук аралыгы изилдөөчүлөр колдонгон 0.8–1.2 m айыл чарба машинасынын коопсуздук чегинин ичинде. Салттуу A* үчүн өлчөнгөн 0.35–0.41 m маанилери бул эксперименттик талаптан кыйла төмөн.

Энергия керектөө эмне үчүн азайышы мүмкүн?

Булактагы маалыматтар A*-DWA жолунда бурулуштардын саны төрттөн экиге, жолдун узундугу 820 mден 813 mге жана жалпы жүрүү убактысы 1210 sден 1050 sге азайганын көрсөтөт. Бул өзгөрүүлөр керексиз түйүндөрдү алып салуу жана жылмакайыраак жол геометриясы энергия керектөөнүн азайышы менен бирге пайда болгонун көрсөтөт. Бирок тажрыйба бул факторлордун өз алдынча энергетикалык салымдарын бөлүп өлчөбөгөндүктөн, %10дук энергия айырмасынын баарын бир механизмге байланыштыруу туура эмес.

Изилдөө колдогон жыйынтыктар

• Өркүндөтүлгөн A* сыналган бак карталарында тоскоолдуктардан коопсузураак аралыкта жол түзө алат.
• Керексиз түйүндөрдү азайтуу жана жолду жылмалоо изилденген шарттарда бурулуш жана жолду көзөмөлдөө четтөөлөрүн азайткан.
• DWA статикалык глобалдык жолдо кийин пайда болгон тоскоолдуктар үчүн реалдуу убакыттагы жергиликтүү качууну камсыздай алган.
• A*тын глобалдык максат маалыматы DWAнын локалдык минимум көйгөйүн азайтуу үчүн колдонулган.
• Gazebo-ROS1 симуляцияларында жана чыныгы алмурут багындагы сыноолордо система изилденген тоскоолдуктардан ийгиликтүү өткөн.
• Чыныгы талаа сыноосунда энергия керектөө үлүшү, капталдык четтөө жана навигация убактысы салттуу A*ка караганда азайган.

Изилдөө колдобогон жалпылоолор

• %100 тоскоолдуктан качуу көрсөткүчү бардык бактар жана бардык шарттар үчүн кепилдик дегенди билдирбейт.
• Изилдөө өтө жогорку ылдамдыктагы кыймылдуу тоскоолдуктарда кеңири текшерүүнү бербейт.
• LiDAR кабылдоосу объекттин түрүн бардык шарттарда ишенимдүү классификациялай турганын көрсөтпөйт.
• Системанын башка дарак түрлөрүндө, катар геометрияларында, жантайыңкы жерлерде же катаал аба ырайында ошол эле өндүрүмдүүлүктү көрсөтөрү ырасталган эмес.
• Бул изилдөө толук автономдуу мөмө жыйноо системасынын баарын ырастабайт; навигация катмарына багытталган.
• A*-DWA бардык роботтук жол пландоо алгоритмдеринен универсалдуу түрдө артык деген жыйынтык чыгарууга болбойт.

Чектөөлөр жана келечектеги иштер

Изилдөөчүлөр кабылдоо катмарынын LiDARга көбүрөөк таянышын негизги чектөөлөрдүн бири деп көрсөтүшөт. LiDAR айлана-чөйрөнүн геометриясын жакшы өлчөсө да, тоскоолдуктун семантикалык түрүн айырмалоо мүмкүнчүлүгү чектелүү.

Келечектеги иштерде LiDAR менен RGB-D камераны бириктирүү, жогорку ылдамдыктагы кыймылдуу тоскоолдуктар үчүн DWA божомол горизонтун өркүндөтүү жана навигациялык системага мөмө жыйноочу акыркы эффекторлорду кошуу сунушталат.

Бул багыт изилдөөнүн бүгүнкү жыйынтыгы толук автономдуу түшүм жыйноо системасы эмес, коопсуз жана арзан бак роботу навигациясы үчүн текшерилген негиз экенин көрсөтөт.

Булак жана метод боюнча эскертүү

Түпнуска аталыш: An A*-DWA Algorithm Enhanced Laser SLAM System for Orchard Navigation: Design and Performance Analysis

Авторлор: Hongsen Wang, Xiuhua Zhang, Zheng Huang, Yongwei Yuan, Degang Kong жана Shanshan Li

Жооптуу автор: Xiuhua Zhang

Мекемелер: College of Mechanical and Electrical Engineering, Hebei Agricultural University; Hebei Intelligent Agriculture Technology Innovation Center, Baoding, Кытай.

Журнал: Agriculture

Басмакана: MDPI

Том / сан / макала: 16(4), 469

Жарыяланган күнү: 18 Февраль 2026

DOI: 10.3390/agriculture16040469

Булактын түрү: Рецензияланган оригиналдуу изилдөө макаласы.

Лицензия: Creative Commons Attribution (CC BY).

Каржылоо: Hebei Agriculture Research System (HARS), Grant No. HBCT2024170207.

Маалыматтардын жеткиликтүүлүгү: Авторлор изилдөөнүн оригиналдуу салымдары макалада камтылганын жана кошумча суроолор жооптуу авторго жөнөтүлүшү мүмкүн экенин билдиришет.

Кызыкчылыктардын кагылышы: Авторлор кызыкчылыктардын кагылышын билдиришкен эмес.

Тажрыйбанын түрү: Matlab негизиндеги глобалдык жол пландоо симуляциялары; Gazebo-ROS1/Rviz тоскоолдуктан качуу симуляциялары; чыныгы чынжырлуу робот менен алмурут багындагы талаа текшерүүсү.

Талаа: “Xinli No. 7” алмурут багы; жалпы аянты болжол менен 1.2 гектар жана тажрыйба үчүн болжол менен 500 m² кичи аймак.

Негизги сенсор: RoboSense 16 сызыктуу LiDAR.

Карта түзүү: GMapping.

Жайгашууну аныктоо: AMCL.

Глобалдык пландоо: тоскоолдук-бурч коопсуздугун текшерүү, керексиз түйүндөрдү четтетүү, тоскоолдук жыштыгы менен салмакталган эвристикалык функция жана үч баскычтуу жол жылмалоону камтыган өркүндөтүлгөн A*.

Жергиликтүү пландоо: бак шарттарына калибрленген Dynamic Window Approach.

Негизги методологиялык чек: Натыйжалар белгилүү робот платформасынын, LiDAR системасынын, алмурут багынын геометриясынын жана сыноо тоскоолдуктарынын шартында алынган. Өзгөчө LiDAR-only кабылдоосу жана ылдамыраак кыймылдуу тоскоолдуктар үчүн учурдагы DWA божомол түзүлүшү изилдөөчүлөр тарабынан өркүндөтүлүүгө тийиш болгон багыттар катары белгиленген.

Булак ичиндеги маалымат эскертүүсү: Глобалдык A* симуляция жыйынтыктарынын баяндоо бөлүгүндө орточо татаалдыктагы сценарий үчүн бурулуштардын саны 5 деп айтылса, Table 1де өркүндөтүлгөн A* үчүн маани 8 болуп көрүнөт. Булактагы бул дал келбестик Verianla тарабынан унчукпай оңдолгон эмес; таблицанын мааниси маалымат таблицасында сакталып, айырма ачык белгиленген.

Verianla баяндоо ыкмасы: Бул мазмун булактагы академиялык макаланын сүйлөммө-сүйлөм котормосу же жакын кайра жазылышы эмес. Булактагы алгоритмдер, теңдемелер, тажрыйба шарттары, өлчөөлөр, жыйынтыктар жана чектөөлөр илимий маалымат деңгээлинде чыгарылып, өз алдынча кыргызча окутуучу түзүмдө кайра уюштурулган.