düzlem sankes
Transkript
düzlem sankes
Uluslararası Katılımlı 17. Makina Teorisi Sempozyumu, Izmir, 14-17 Haziran 2015 Yeni Bir Akıllı Nesneler Algoritması İle Yılansı Robotlarda Yörünge Analizi Ş. Yıldırım* Erciyes Üniversitesi Kayseri E. Yaşar† Gaziosmanpaşa Üniversitesi Tokat düzgün olmayan menfezlerde, kumda, sürülmüş tarla toprağında ve ağaç dalları gibi düzgün olmayan karmaşık ortamlarda hareket gibi birçok avantajlara sahiptir. Yılanın fiziksel özellikleri taklit edilerek yapılan yılan benzeri robotlar gereğinden çok serbestlik dereceli robot kolları ailesindendir. Bu tür robotlar pek çok uygulama alanında kullanılmaktadır. Bunlar; bilinmeyen alanların tetkiki, nükleer reaktörün içerisinin kontrolü, felaket durumlarında kazazedelerin kurtarılması ve hassas ameliyatların gerçekleştirilmesi gibi insanın ulaşamayacağı ya da ulaşmasının güvenli olmadığı uygulamalardır. Yılanlar konusunda ilk biyomekanik çalışmalar Hirose ile gerçek yılanlar üzerinden başlamış ve Hirose 1971 yılında ilk yılansı robotu yapmıştır. Hirose’nin çalışmaları özellikle yılansı hareketler üzerine olmuştur. Yılanların sıklıkla kullandığı dört farklı hareket biçimi vardır [1]. Bunlar yanal dalgalanma (serpentin = kıvrımlı olarak ta isimlendirilir), doğrusal, yan sarma ve akordiyon hareketleridir. Bunların dışında sinüs kaldırma, tırmanma, uçma ve atlama gibi diğer hareket biçimleri de vardır. Yılanlar farklı zamanlarda ve ortamlarda farklı hareket biçimlerini kullanmaktadırlar. Hatta yılanların bir parçası bir hareket biçimini uygularken diğer parçası farklı bir hareket biçimini uygulamaktadır. Yılansı robotlarında içerisinde bulunduğu tüm mobil robotlar, görevlerini etkin şekilde yerine getirmek için birçok yol planlama tekniğini kullanırlar [2]. Yol planlama çalışması robotun engellere çarpmadan hareket edebileceği ve başlangıç pozisyonundan bitiş noktasına doğru en kısa bir biçimde seyahatini sağlayacak bir yolu arama gayretidir. Robot hareket planlaması ise dinamik yapıyı ve sınırlandırmaları göz ardı ederek yalnızca robot nakline ve gerekli dönüşlere odaklanır[3]. 1970’li yıllarda hareket planlama robotik çalışmalara dâhil olmaya başlamıştır. İlk olarak 1969 da Nilsson hareket planlama kabiliyeti olan mobil robot tanımını yapmış ve görünürlük çizge (visibility graph) yönteminden bahsetmiştir. 1977 yılında Udupa, engelden sakınma algoritmaları için robotun nokta boyuta küçülme fikrini ortaya atmıştır. Lozano Perez ve Wesley bu fikirden yararlanarak çokyüzlü/çokgen engellere değmeden çokyüzlü/çokgen robotların yol planlaması için daha genel ve sistematik bir fikir önermişlerdir [4]. Bu çalışma yapılandırma alanı(CSpace) kavramına yol açmıştır[5]. Yapılandırma kavramı robotun serbestlik derecelerini tanımlayan parametre uzayında tek bir nokta olarak temsil edilmesini ifade eder [5]. Engeller Özet—Yılansı robotlar, ardışık sinüzoidal yapıda S hareketleri yardımıyla ilerlemektedir. Tekerlekli ve bacaklı robotlara göre kendi boyutlarından daha fazla alana ihtiyaç duymaktadırlar. Sinüzoidal yapıda S hareketinde genlik arttıkça, birim zamanda alınan yol miktarı da artmaktadır. Bu çalışmada akıllı nesneler algoritması yardımıyla üretilen olabildiğince büyük, farklı boyutlardaki nesneler yardımıyla yol ve devamında hareket planlama yapılmıştır. Test aşamasında ise daha çok düz zeminlerde, yılanların kullandığı ve yılanın değme noktalarını kendisinin oluşturduğu sinüs-kaldırma hareket çeşidi kullanılmıştır. Yılansı robotun başlangıç noktasından, bitiş noktasına en kısa sürede gidebilmesi için en uygun yol belirlenmeye çalışılmıştır. Anahtar kelimeler: Yılansı robotlar, akıllı nesneler, sinüs-kaldırma, hareket planlama. Abstract—Snake-like robots are advancing with the help of successive sinusoidal structure S movements. Wheeled and legged robots than they need more than their own size. In sinusoidal structure S movement the amplitude increases the amount of time taken in the path the unit is also increasing. In this study, produced with the help of intelligent objects algorithm as large as possible, act in the path planning is done with the help of objects of different sizes and than motion planning. Sinus-lifting movement type is mostly used by snakes on the flat ground and has the touch points of the snakes created by itself is used in the test phase. The snake-like robot from the starting point to the ending point is conducted to determine the most appropriate path to go as soon as possible. Keywords: Snake-like robots, the intelligent objects, sinus-lifting, motion planning. I. Giriş1 Günümüzde mobil robotlar geniş bir uygulama alanını kapsayan birçok görevi yerine getirmektedirler. Mobil robotlar içerisinde yılansı tip robotlar ise kol ve ayakları olmayan basit vücut şekli yapısındayken tırmanma ve yüzme gibi büyük hareket kabiliyetlerine sahiptirler. Ayaklı ve tekerlekli robotların yapamadığı kendi boyundan daha yüksek engeller üzerinden geçmek, dar ve * [email protected] † [email protected] 1 Uluslararası Katılımlı 17. Makina Teorisi Sempozyumu, Izmir, 14-17 Haziran 2015 yapılandırma alanında yasaklı bölgeleri temsil ederken bu alanın tersi serbest uzayı (Cfree) temsil Eder [5]. Robotun olası hareket alanı bu alandır. 1983 yılında Andrews ve Hogan ve 1985 yılında Khatib [6], robotun çalıştığı ortamın hayali potansiyel alan(potential field) içerisinde olduğundan hareketle potansiyel alan metodunu geliştirmişlerdir. Robotun içerisinde bulunduğu potansiyel alanda hedef nokta çekici, engeller ise itici bir potansiyel alan oluşturmaktadır. B. Chazelle 1987 yılında geliştirdiği teknikle engelli ortamı belirli boyutlarda hücrelere(approximate decomposition cells) bölerek engellere değmeyen hücreler üzerinden hedefe giden yolu aramıştır. 1991 yılında F. Aurenhammer’in Voronoi diyagram tekniği düzlemi en yakın komşu kuralına göre ayırır [7]. 1994 yılında ise Kavraki ve arkadaşları [8], olasılık temelli yol (PRM) bulma çalışmasında yapılandırma alanından alınan rasgele bir nokta eğer serbest uzaya(Cfree) ait ise onu bir köşe noktası olarak kabul edip yakın köşeleri yerel planlayıcı yardımıyla bir hatla birleştirme yoluna gitmişlerdir. 1998 yılında LaValle ve Kuffner [9] rasgele ağaç yapıda hızlı arama (RRT) çalışmalarında geliştirdikleri algoritmada, yapılandırma alanından alınan ilk örneği kademeli genişleterek komşu en yakın noktaları bulmak suretiyle uç uca bağlayarak ağaç yapı oluşturulur. Yıldırım Ş. ve Yaşar E. 2014 yılında geliştirdikleri akıllı nesneler algoritması diğer çalışmalardan farklı olarak nesne tabanlı programlama tekniğinden faydalanılarak oluşturulmuştur. Başlangıç ve bitiş noktasını birleştiren doğru üzerine belirli sayıda ve boyutta nesne yerleştirerek bunları doğruya dik şekilde engellerin üzerinden kaydırarak her engelin bittiği yerde yeni bir nesne oluşturup tüm nesnelerden birbirini görenler arasında herhangi bir arama yöntemi ile en kısa mesafe bulunmuştur. Bu metodun diğerlerinden farkı nesnelerin birbirini görmesi sadece tek bir çizgi şeklinde aradan değil her iki nesnede boydan birbirini görebilmesi gerekmektedir. Bu şekilde iki nesne arasında nesne yüksekliği kadar bir boşluk belirlenmiş olur. Ayaklı ve tekerlekli robotlar başlangıç noktasını bitişe birleştiren engelden uzak en kısa mesafeyi en kısa sürede alabilirken, yılansı robotlar için aynı durum söz konusu değildir. Çünkü yılansı robotlar hızlı hareket için geniş alanlara ihtiyaç duyarlar [10]. Şekil 1’de bu durum gösterilmiştir. Literatürde geçen tüm yöntemler mesafe olarak en kısa yolu bulabilirken yılansı robotlar için bulunan bu yol en kısa sürede alınabileceği anlamına gelmez. Yılansı robotların bu mesafeyi en kısa sürede alabilmeleri için olabildiğince büyük genliğe sahip engelden uzak bir yolun belirlenmesi gerekmektedir. Şekil. 1. Yılası robotlar için akıllı nesneler algoritması yardımıyla en hızlı yolun bulunması Bu çalışmada akıllı nesneler algoritması ile yılansı robotlar için hedef noktaya engellerden uzak en hızlı varılabilecek bir yol belirlenmiştir. Uygulamada akıllı nesneler algoritması içerisinde önceden belirlenen olabildiğince çoklu boyuta sahip olabilen nesneler kullanılmıştır. Bu şekilde olası büyük alanlar bulunarak daha yüksek genlikli harekete ortam sağlanmıştır. II Genlik – Hız ilişkisi Yılansı robotlar hareket edebilmesi için genişliğinden büyük alanlara ihtiyaç duyarlar. Tekerlekli veya ayaklı robotlarda böyle bir durum söz konusu değildir. S hareketi ile yapılan ilerleme robotun boyutlarını aşmaktadır. Denklem-1, i. eklemin sinüzoidal yapıda S biçimini alması için gerekli açı değerini vermektedir. (1) Denklem 1 e göre yılansı robotlara ait sinüzoidal S hareketinin genliği robotun eklem sayısına(M) (denklemde L parametresi yılanın toplam uzunluğu olarak verilmiştir), sinüzoidal yapıda S dalga sayısına(Kn) ve başlangıç dalgalanma açısına(α) bağlıdır. M, Kn ve α parametrelerinin harekete olan etkileri yapılan simülasyon üzerinde aşağıdaki şekilde oluşmuştur. M 16 14 12 10 6 Kn 2 2 2 2 2 α 75 75 70 65 60 Adım(cm) 17 15 14 10.5 3 TABLO 1. Sinüzoidal S hareketi bileşenlerinin adım parametresine etkisi Kn değeri 2 seçilmiştir. Çünkü yılansı robotlarda sinüzoidal yapıda S hareket biçiminin kararlı olabilmesi için Kn değerinin en az 2 olması gerekmektedir[10]. Kn değeri arttıkça genlik büyüklüğü düşmekte olup hıza negatif etki etmektedir. 2 Uluslararası Katılımlı 17. Makina Teorisi Sempozyumu, Izmir, 14-17 Haziran 2015 M = 10, Kn=2, α=70 m M = 16, Kn=2, α=70 Şekil. 2. Sinüzoidal S hareketi bileşenlerinin S şekline olan etkisi y2 y1 x2 x1 m x mn = -1 Genliğin harekete olan etkisi ise Şekil 3’de görülmektedir. Genlik değerlerinin ∆A1>∆A2 olduğu ve buna bağlı olarak ilerleme mesafesinin ∆X1>∆X2 olduğu şekilden de görülmektedir. (3) (4) y y1 mn .( x x1 ) (5) Formüllerde (x1, y1) başlangıç koordinatları, (x2,y2) hedef koordinatları ve m ise doğrunun eğimidir. Tüm engellerin üzerinden nesneler atladıktan sonra mevcut nesnelerden birbirini görenler, arama algoritmasına girdi olarak uygulanarak en kısa mesafe bulunur. Bulunan bu mesafe nesne genişliğinde yılansı robot için sinüzoidal yapıda S hareketi oluşturulacak alandır. Bu alan Şekil 4’te düz kalın çizgi şeklinde gösterilmiştir. Şekil. 3. Genlik hız ilişkisi III Akıllı Nesneler Algoritması Bu çalışmada engelden uzak bir yol belirleme işlemi, nesne tabanlı programlama tekniğine dayalı bir çözüm yoludur. Literatürdeki tekniklerle akıllı nesneler algoritmasının, uygulama potansiyellerine bakıldığında akıllı nesneler algoritmasının bir çok üstün tarafı görünmekle beraber henüz karşılaştırmalı bir çalışma yapılmamıştır. Bu algoritmanın girdisi başlangıç, bitiş noktaları ve engellerin olduğu bitmap tabanlı resimdir. Algoritmanın çıktısı ise tüm robotlar için engelden uzak en kısa yol, yılansı robotlar için en hızlı yol ve tüm robotlar için en güvenilir yoldur[11]. Tüm robotlar için en hızlı yol ise robotun hareket biçimine göre algoritmaya uyarlanarak yapılabilir. Çünkü nesneler altındaki hareket alanının yapısını, engele olan uzaklığı ve istenen ölçüde geniş alanları bulabilmektedir. Nesne tabanlı programlama teknikleri ile oluşturulan nesneler bir takım özelliğe ve olaya sahiptir[11]. Nesneler başlangıç noktasından bitiş noktasına doğru bir çizgi üzerinde istenen miktarda Denklem 2’ye göre sıralanırlar. Nesneler altında engel olup olmadığını algılayarak Denklem 2’nin gösterdiği doğruya dik doğrultuda hareket ettirilir. Denklem 2’nin eğimi Denklem 3’te verilmiştir. Denklem 2’deki doğruya dik doğruyu bulmak için Denklem 4 yardımıyla hesaplanan yeni eğim Denklem 5’te yerine konularak nesnelerin engeller üzerinden kayma doğrultusu hesaplanır[11]. y2 y1 y y2 x2 x1 x x2 Şekil. 4. Akıllı nesneler algoritması ile engelden uzak yol belirleme Nesneler engellerin üzerinden kaydıktan sonra kayma doğrultusunda engele yakın fakat değmeksizin yerleşmektedir. Nesnenin engele yakınlığının maksimum değeri algoritmaya girdi olarak belirtilebilmektedir. Yuvarlak nesneler kullanıldığından bir nesne, altındaki engeli Denklem 6 yardımıyla algılamaktadır. (x - a)2 + (y - b)2 = r2 (6) Denklemde a ve b parametreleri çemberin merkez koordinatları, x ve y parametreleri ise çemberin merkezden r(yarıçap) uzaklıktaki çember sınırlarında bir noktayı ifade eder. Yarıçap değeri (0<r<nesne yarıçapı) aralığında tüm hayali iç içe çember koordinatlarında engele ait koordinat olup olmadığı araştırılarak eğer engele ait noktaya rastlanırsa nesnenin engelin üzerinde olduğuna karar verilir. Nesnelerin en kısa yolu bulmada birbirinin devamı olması için gerek şart birbirini görmesidir. Her iki nesnenin birbirini görecek doğrultuda hayali çaplarından birbirlerine karşı olası minimum aralıkta hayali çizgi doğruları Denklem 2 yardımıyla bulunur. Bu doğruya ait noktaların engele ait olup olmadığı belirlenerek iki nesnenin boydan boya birbirini görüp görmediği belirlenebilir. (2) 3 Uluslararası Katılımlı 17. Makina Teorisi Sempozyumu, Izmir, 14-17 Haziran 2015 yerleştirilmiştir. Şekil 7’de akış diyagramı ile ifade edilen algoritmaya göre o alana sığabilecek maksimum büyüklükteki nesneler engelli ortama engellere değmeden Şekil 8’de görüldüğü üzere yerleştirilmiştir. Yerleştirme sırasında en küçük nesneden başlanılmış olup eğer en küçük nesne engelden sonra yerleşebiliyorsa bu alana diğer nesnelerin sığıp sığmadığı kontrol edilmektedir. Eğer herhangi bir nesne sığmıyorsa ilk sığan nesne oraya yerleştirilir. Şekil. 5. Nesnelerin birbirini görmesi durumu için gerekli hayali doğrular Başla IV Yılansı Robotlar İçin Hareket Planlama Başlangıç noktasını bitiş noktasına birleştiren en kısa mesafeyi Yıldırım Ş. ve Yaşar E. geliştirdikleri akıllı nesneler algoritması ile bulmuşlardır. Bu yol sabit genişliğe sahip herhangi bir robot için en kısa mesafedir. Bu algoritmada sabit tek bir büyüklükte nesneler kullandığından belirlenen yol yılansı robot için en hızlı yol değildir. Çünkü sabit bir büyüklükte ve büyüklüğü en küçük yılanın boyutu kadar seçilebilen bir yol belirlemede yılansı robot için hareket alanı dar kalabilmektedir. Yılanlar dar alanlarda daha yavaş hareket etmektedirler. Yapılan çalışmada önceden belirlenen çeşitli büyüklere sahip nesneleri engelli ortam üzerine yerleştirilerek, olabildiğince daha geniş alanlar bulunmaya çalışılmıştır. Daha geniş alanlar yılansı robotun sinüzoidal yapıda S hareketleri için daha hızlı hareket alanları olarak kullanılacaktır. a = En küçük nesnenin indeksi a. Nesneyi yerleştir a. Nesneyi kaldır E a. Nesne engele değiyor mu? H a. Nesneyi kaldır a=a+1 A. Hareket planlama adımları Akıllı nesneler algoritmasına ek olarak algoritmada yapılan düzenlemeler aşağıda verilmiştir. 1- Nesnelerimizin şeklini yuvarlak olarak belirledik. Yuvarlak nesneler keskin kenarlara sahip olmadığından sinüzoidal yapıda S hareketi için çok daha doğru sonuçlar vermektedir. 2- Engellerin bulunduğu ortama göre farklı büyüklükte önceden istenilen kadar farklı çapta nesneler tanımlanır. Bunlar küçük çap birden başlayarak sıra ile numaralandırılır. Birbirine yakın ölçülerde gereksiz fazladan nesne boyutu tanımlamak algoritmanın hızını negatif yönde etkilediğinden bu konuda dikkatli davranılmıştır. Uygulamamızda 3 farklı boyutta(çap) nesne belirledik. Bu nesneler Şekil 6’da gösterilmiştir. Bu nesnelerin büyüklüğü yılansı robotun hareketi esnasında üreteceği S sinüzoidal hareket biçiminin genliğini belirlemektedir. a. Nesneyi yerleştir E a. Nesneyi kaldır a=a-1 a.Nesne engele değiyor mu? H Max nesne çeşidi sayısına ulaşıldı mı? H a. Nesneyi yerleştir E Bitir Şekil. 6. Hareket planlamada kullanılan çeşitli boyutlardaki akıllı nesneler Şekil. 7. Çok boyutlu akıllı nesnelerin yerleştirilmesine ait algoritmanın akış diyagramı ile gösterimi. 3- Belirlenen nesneler engeller arasına yerleştirilmiştir. Bulunan boşluklara olabildiğince büyük nesneler 4 Uluslararası Katılımlı 17. Makina Teorisi Sempozyumu, Izmir, 14-17 Haziran 2015 Şekil. 11. En hızlı ve en kısa yol için S hareketi genliğinin karşılaştırmalı olarak gösterimi Şekil. 8. Çoklu boyutlu akıllı nesneler algoritması uygulamasında nesnelerin engeller arasına yerleşimi. 4- Yerleştirilen nesneler arasında boydan boya birbirini görenler belirlenirler. Birbirini görenler arasındaki mesafe bulunur. Mesafeden sonra iki nesnenin boyutu küçük olanın genliğinde hareket edeceği için küçük genlikte yılansı robotun hızı bulunur. Mesafe de bilindiği için o mesafeyi alma süresi hesaplanır. Arama algoritmasına süreler girilerek minimum süre bulunur. Yapılan uygulamada Dijkstra en kısa yol arama algoritması kullanılarak yılansı robot için en kısa süre ile alınacak yol bulunmuştur. En kısa yol için Dijkstra algoritmasına iki nesne arasındaki mesafeler girilir. En güvenli yol için ise yine Dijkstra algoritmasına iki nesne arasındaki yola uygun güven risk katsayısı belirlenerek girilir. Sonuçta Dijkstra algoritması kendisine girdi olarak uygulanan düğüm değerlerine bakarak başlangıçtan bitişe doğru en küçük değerlere sahip yolu bulmaktadır. V Sinus-Kaldırma Hareket Biçimi Özellikle düzgün yatay ortamlarda yılanların kullandığı hareket biçimidir. Yılanlar serpentine hareket biçiminin değişik bir formunu kullanarak bu hareketi gerçekleştirirler. Sinus-Kaldırma hareket biçiminde yılan kendisine düşeyde destek noktaları oluşturarak serpentine hareket biçiminden daha hızlı hareket eder. Denklem 7’de görüldüğü gibi aşağı-yukarı ve sağ-sol hareket arası faz farkı -90 derece ve dalga uzunluğu ise aşağı-yukarı hareket /sağ-sol hareket = 1/2 dir. (7) Kn, S hareket biçimi sayısı, L uzunluk, n eklem sayısı, α0, başlangıç açısı ve s, vücut eğrisi boyunca ki uzunluğu ifade etmektedir. Şekil. 9. Nesne büyüklüğü ve genlik ilişkisi VI Simulasyon 5- Dijkstra en kısa yol bulma algoritmasının belirlediği yol kırmızı çizgi ile birleştirilerek Şekil 10’da gösterilmiştir. Bu yolu yılansı robot olası diğer yollardan daha kısa sürede katedecektir. Başlangıç ve bitiş noktasındaki nesnelerin aynı boyutta daha küçük yapıda olmaları o iki nesnenin hesaplamalarda dahil edilmediğinden kaynaklanmaktadır. Algoritma istenen nesneleri hesaba katılmamasına imkan vermektedir. Simulasyon, ODE(Open Dynamic Environment) ile gerçekleştirilmiştir. ODE, OpenGL tabanlı bir katı cisim dinamiği yazılım kütüphanesidir. ODE yazılımı karmaşık eklemli yapıların hızlı simülasyonlarına imkan verir[12]. Yılansı robota ait fiziksel parametreler Tablo 2’ de gösterilmiştir. Bileşen Eklem sayısı Çap Birim ağırlığı Toplam uzunluk Kn Ölçü 24 0.1m 0.07kg 2.4m 2 TABLO 2. Simülasyonda tasarlanan robota ait parametreler. Şekil. 10. Yılansı robot için bulunan en hızlı yol Aşağıdaki Şekil 12’de görüldüğü üzere engelli ortamda belirlenen tekli ve çoklu boyutlu akıllı nesneler algoritması ile oluşturulan yollarda yılansı robotun farklı ve sabit genlikteki hareketi üzerine çalışılmıştır. Yüksek genliğe ve dolayısı ile hıza imkan veren yol planlaması Şekil 12’de solda A harfi ile etiketlenerek gösterilmiştir. Algoritmada nesne boyutları sırayla 115, 85, 70 ve 40cm olarak seçilmiştir. A yolunda kullanılan nesne boyutları sırayla 115cm, 85cm, 70cm olurken B yolunda kullanılan 115cm, 70cm ve 40cm olarak belirlenmiştir. Küçük 6- Belirlenen yolda yılansı robota ait S hareketinin genliği değişken olup ilk başta orta nesne boyutunda sonrasında büyük nesne boyutu ve bitişte tekrar orta nesne boyutunda bir hareket ortaya çıkmıştır. Akıllı nesneler algoritmasının aynı engelli ortam için tekli ve çoklu büyüklüğe ait çözümlemede ortaya çıkan S hareketi genliği aşağıda Şekil 11’da karşılaştırmalı olarak verilmiştir. 5 Uluslararası Katılımlı 17. Makina Teorisi Sempozyumu, Izmir, 14-17 Haziran 2015 [4] Lozano Perez T. ve Wesley M.A., An Algorithm for Planning Collision Free Paths Among Polyhedral Obstacles, Comm. ACM 22(10):560-570 1979. [5] J.C. Latombe, Motion Planning: A Journey of Robots Molecules Digital Actors and Other Artifacts, The International Journal of Robotics Research 30: 846-894 1999. [6] O.Khatib, Real-Time Obstacle Avoidance for Manipulators and Mobile Robots, The International Journal of Robotics Research, Vol. 5, No. 1, 1986. [7] F. Aurenhammer, ‘‘Voronoi diagrams—A survey of a fundamental geometric data structure,’’ ACM Comput. Surv., vol. 23, no. 3, pp. 345–405, 1991. [8] Kavraki, L. E., P. Svestka, J-C. Latombe, ve M. Overmars, "Probabilistic Roadmaps for Path Planning in High Dimensional Configuration Spaces", IEEE Transactions on Robotics and Automation, vol. 12, issue 4, no. 4, pp. 566-580, 1996. [9] S. M. LaValle and J. J. Kuffner, Randomized kinodynamic planning. In Proceedings, IEEE International Conference on Robotics and Automation, pages 473--479, 1999. [10] J. G. Gomez Modular "Robotics an locomotion: Application to Limbless Robot" Universidad Autonoma de Madrid 2008. [11] Yıldırım Ş, Yaşar E. "An algorithm of avoiding obstacles with intelligent objects" Recent Innovations in Mechatronics (RIiM) Vol. 2. No. 1-2. 2015. [12] P. Liljeb¨ack, K. Y. Pettersen, Ø. Stavdahl, J. T. Gravdahl, "A 3D Motion Planning Framework for Snake Robots" Intelligent Robots and Systems 2014 IEEE/RSJ International Conference (IROS) 2014. kesikli çizgiler dar genliğe sahip bir S hareketine imkan sağladığından daha küçük hıza sahip bir harekete neden olmaktadır. Şekil. 12. Simülasyon çalışması ve belirlenen yollar. Simülasyonda robotun hız, mesafe, zaman parametreleri her iki yol için aşağıdaki tabloda verilmiştir. Bu parametrelerden hız ve süre, servo motorların tahrik aralığına göre değişim arz etmektedirler. Simülasyonda her iki yol için servo motor tahrik zaman aralığı eşit şekilde uygulanmıştır. Büyüklükler Mesafe Ort. robot hızı(m/s) Mesafeyi alma süresi(s) Ort. Genlik(m) A Yolu 7.5 m 0.260 31.5 0.88 B Yolu 6.1 m 0.158 39.12 0.55 TABLO 3. Simülasyonda ortaya çıkan hız ve zaman ilişkisi. Yukarıda A ve B yolunu almadaki ortalama hız ile geçen toplam süre arasındaki oran farkı dönüşlerdeki zaman kaybıdır. VII. Sonuçlar Literatürdeki diğer yöntemler en kısa mesafeyi sabit boyutlardaki robotlar için bulmaktadır. Yılansı robotların ise daha hızlı hareket edebilmeleri için kendi genişliğinden ve boyundan(hareket tipine göre değişmektedir) daha büyük boş alanlara ihtiyacı vardır. Bu çalışmada engellerin olduğu bir ortamda başlangıç ve bitiş arasındaki engelden uzak en hızlı alınabilecek yolun belirlenmesine çalışılmıştır. Bunun için geliştirilen akıllı nesneler algoritması ile olası büyük alanlar çıkartılarak yılansı robot için izlenebilecek bir yol bulunmuştur. Simülasyon sonuçlarındanda görüleceği üzere yılan daha uzun mesafeyi daha kısa sürede aldığı gözlenmiştir. Algoritmanın literatürdeki diğer yöntemlerle karşılaştırılması ileriki çalışmalarda yapılarak algoritmanın özgün tarafı pekiştirilecektir. Kaynakça [1] Bruce C. Jayne “Kinematics of Terrestrial Snake Locomotion” Copeia, No. 4. pp.915-927. 1986. [2] Jaradat M. A., Garibeh M. H., Feilat E. A., “Autonomous mobile robot dynamic motion planning using hybrid fuzzy potential field” Springer-Verlag Soft Comput 16:153–164 (2012). [3] Steven M. LaValle, Planning Algorithms, Cambridge University Press, ISBN 0-521-86205-1, 2006. 6