se.moevm.info

Робот-пылесос
Исходная постановка задачи:
Построить траекторию (и пройти по ней), которая покрывает всю территорию карты (пропылесосит весь пол).
Исходные данные:
Робот начинает движение около “базы” в неизвестном мире. Строит карту мира и определяет своё местоположение (знает всегда координаты базы относительно себя). Робот знает габариты своего чистящего устройства, исходя из этого должен построить траекторию очистки всей территории.
Ограничения на исходные данные:
Окружающий мир - такая замкнутая область, из каждой точки которого видно базу (выпуклая область).
У робота есть лазерный дальномер (нет одометрии).
Усложнения:
Нет базы (но появляется одометрия), мир может быть произвольным.

Искатель сокровищ
Исходная постановка задачи:
Разведать подземелье, найти золото.
Исходные данные:
Робот ищет золото в подземелье. Робот не знает карту подземелья, должен также определять, в какой части подземелья он находится. Необходимо обойти всё подземелье (также предоставить траекторию перемещения) и найти спрятанные сокровища.
Ограничения на исходные данные:
Окружающий мир состоит из прямых линий (комнаты, коридоры). Участки карты, на которых находятся сокровища отличаются от окружающего мира (например, имеют хаотичную, стостящую не из прямых линий, область). У робота есть лазерный дальномер и данные одометрии. Усложнения: В подземельях могут присутствовать ловушки, которые также необходимо распознать и объехать.

Футбол Исходная постановка задачи: Симулировать игру двух команд роботов с целью закатить мяч в чужие ворота Исходные данные: Две команды, один мяч. Можно давать пас, можно вести мяч. Наезжать друг на друга нельзя. Можно отобрать мяч (как во время паса, так и у едущего с ним робота). Игра до победного гола (нескольких голов) Ограничения на исходные данные: В команде три-пять роботов, один из которых вратарь. Разрешено использование коллективного разума для принятия решения или наличие одного централизованного мозга. У роботов есть координаты других относительно друг друга, а также координаты мяча. Усложнения: Роботы имеют разные характеристики игры (точность паса, скорость движения). Отдавать пас надо не только лучше позиционированному роботу, но и выбирать будет ли этот пас оптимальным.

Битва роботов Исходная постановка задачи: Две армии роботов бьются друг с другом. Исходные данные: Есть несколько типов роботов, (быстрый, сильный, далеко стреляющий) которые должны расположится на карте и одолеть команду противника. Они подчиняются командиру, который раздаёт приказы, решает, когда робота нужно перебросить на другой фланг и прочее. Необходимо уничтожить вражеского командира. Ограничения на исходные данные: У роботов есть полоска здоровья. Роботам известна карта. Командир знает координаты каждого из своих роботов. Роботы могут видеть вражеских юнитов, но изначально не знают их координат. Усложнения: Командиров может быть несколько, и каждый из них отвечает за свой фланг. Карта неизвестна (ни изначальное место противника, ни примерные габариты, ни примерную точку десанта на карте)

Робот-матка Исходная постановка задачи: Обеспечить жизнеобеспечение матке колонии роботов. Исходные данные: Есть единственная матка-робот. Для её жизнеобеспечения необходимо пропитание. В колонии присутствуют роботы-рабочие, которые могут быть отправлены в разведку или для добычи пищи из уже известного источника пропитания. Ограничения на исходные данные: Роботов рабочих большое, но ограниченное число. Им пища не нужна. Матка - единый мозг, отдающий приказы. Карта неизвестна, её отображение, которое построили роботы-разведчики хранится у матки, но не у других роботов. Матка даёт исчерпывающие команды, например: “принести пищу из этой точки, куда следует добраться так-то.” Или: “Отправится в эту точку и снять развед-данные”. Усложнения: Роботы могут пропадать (их может кто-то съедать), причём матка не может узнать, что кого-то съели, она лишь может узнать о невыполненном задании по истечении времени. Роботы не могут наезжать друг на друга.

Разобрать статью. Статья посвящённая amcl (adaptive Monte-Carlo localization). http://papers.nips.cc/paper/1998-kld-sampling-adaptive-particle-filters.pdf Разобрать принцип работы скан-матчера. Реализовать. Протестировать на тестовом окружении. Статья посвящённая base_local_planner. www.cs.washington.edu/ai/Mobile_Robotics/postscripts/colli-ieee.ps.gz http://cs.stanford.edu/group/manips/publications/pdfs/Brock_1999_ICRA.pdf Разобрать принцип планировщика. Реализовать. Протестировать на тестовом окружении.