20. Практическая работа «Программирование адаптивного поведения робота»

🎬 Открыть презентацию

Модуль: Интеллектуальные системы управления в робототехнике

Тема урока: 20. Практическая работа «Программирование адаптивного поведения робота»

Цель урока: Сформировать практические навыки разработки и программирования алгоритмов, позволяющих роботу адаптировать своё поведение к изменяющимся условиям окружающей среды.

Планируемые результаты:

Предметные:

• Знать принципы организации адаптивного поведения робота
• Понимать методы обработки данных от датчиков для принятия решений
• Уметь программировать алгоритмы, обеспечивающие адаптацию робота к условиям среды
• Владеть навыками тестирования и оптимизации адаптивных алгоритмов

Метапредметные:

• Регулятивные УУД: умение планировать алгоритм адаптивного поведения, анализировать результаты, корректировать параметры
• Познавательные УУД: развитие системного мышления, моделирование процессов адаптации по аналогии с живой природой
• Коммуникативные УУД: умение работать в команде над сложным алгоритмом, распределять роли, обсуждать проблемы и решения

Личностные:

• Формирование инженерного мышления и исследовательского подхода
• Развитие интереса к биоподобным системам и искусственному интеллекту
• Воспитание настойчивости при решении сложных задач

Задачи урока:

1. Актуализировать знания об интеллектуальных алгоритмах в робототехнике
2. Познакомить с принципами адаптивного поведения в природе и робототехнике
3. Научить разрабатывать алгоритмы адаптации к изменяющимся условиям
4. Организовать практическую работу по программированию и тестированию адаптивного поведения робота
5. Развить навыки анализа данных для корректировки поведения робота

Тип урока: Практическая работа

Учебно-методическое и материально-техническое обеспечение:

• Робототехнические наборы с контроллерами и моторами (по количеству групп)
• Набор датчиков (касания, света/цвета, ультразвуковые, гироскопы)
• Компьютеры с установленной средой программирования для роботов
• Тестовые полигоны с различными типами поверхностей или препятствий
• Инструкционные карты по разработке адаптивных алгоритмов
• Примеры программного кода для адаптивного управления
• Секундомеры для измерения времени выполнения задачи
• Таблицы для сбора и анализа данных эксперимента

Образовательные технологии: Проектная деятельность, проблемное обучение, работа в малых группах, эксперимент, моделирование

Межпредметные связи:

• Математика: реализация статистических методов обработки данных от датчиков, усреднение величин, фильтрация шумов
• Биология: моделирование адаптивного поведения по аналогии с живыми организмами, биомиметика, эволюционный подход
• Информатика: алгоритмы с обратной связью, обработка массивов данных, оптимизация
• Физика: механика движения, трение на различных поверхностях, сенсорные системы

Задача: Разработать робота, который адаптирует скорость и мощность моторов к различным типам поверхностей для поддержания стабильного движения. Необходимое оборудование:

• Датчик света/цвета (для определения типа поверхности)
• Гироскоп или акселерометр (для измерения отклонений от прямолинейного движения)
• Энкодеры моторов (для измерения фактической скорости) Механизм адаптации:

1. Робот собирает данные о соотношении между заданной мощностью моторов и фактической скоростью на разных поверхностях
2. На основе этих данных робот корректирует мощность моторов для поддержания заданной скорости
3. При переходе на новую поверхность робот определяет её тип и применяет оптимальные настройки

Задача: Создать робота, который адаптирует свою стратегию к различным типам препятствий. Необходимое оборудование:

• Ультразвуковой датчик расстояния
• Датчики касания
• Гироскоп Механизм адаптации:

1. Робот собирает данные о препятствиях (размер, форма, расстояние)
2. На основе этих данных выбирает оптимальную стратегию (объезд, преодоление, отступление)
3. Анализирует успешность выбранной стратегии и корректирует её для похожих препятствий в будущем

Задача: Разработать робота-сортировщика, который адаптирует свои алгоритмы распознавания цветов к различным условиям освещения. Необходимое оборудование:

• Датчик цвета
• Датчик освещенности Механизм адаптации:

1. Робот калибрует датчик цвета при разных условиях освещения
2. Создает таблицу соответствия показаний датчика реальным цветам при разном освещении
3. При изменении освещенности автоматически корректирует пороговые значения для распознавания

Задача: Создать робота, который оптимизирует своё энергопотребление в зависимости от выполняемой задачи и условий среды. Необходимое оборудование:

• Датчик тока/напряжения
• Различные сенсоры для определения условий среды Механизм адаптации:

1. Робот измеряет энергопотребление при разных режимах работы
2. Анализирует эффективность выполнения задачи при разных уровнях мощности
3. Автоматически выбирает оптимальный режим работы, балансирующий между энергопотреблением и эффективностью

 1// Алгоритм адаптации скорости робота к типу поверхности
 2
 3// Глобальные переменные
 4float targetSpeed = 30;           // Целевая скорость (см/с)
 5float currentPower = 50;          // Текущая мощность моторов (%)
 6float surfaceCoefficient = 1.0;   // Коэффициент поверхности
 7int sampleSize = 5;               // Размер выборки для усреднения
 8float samples[5];                 // Массив для хранения измерений
 9int sampleIndex = 0;              // Индекс текущего измерения
10
11// Основной цикл
12task main() {
13    // Инициализация
14    initMotors();
15    initSensors();
16    
17    while(true) {
18        // Движение с текущей мощностью
19        setMotorPower(currentPower);
20        
21        // Измерение фактической скорости
22        float actualSpeed = measureActualSpeed();
23        
24        // Добавление измерения в массив
25        samples[sampleIndex] = actualSpeed;
26        sampleIndex = (sampleIndex + 1) % sampleSize;
27        
28        // Расчет среднего значения скорости
29        float averageSpeed = calculateAverage();
30        
31        // Определение типа поверхности по соотношению мощности и скорости
32        surfaceCoefficient = identifySurface(averageSpeed, currentPower);
33        
34        // Корректировка мощности для достижения целевой скорости
35        currentPower = adjustPower(targetSpeed, surfaceCoefficient);
36        
37        // Вывод информации на экран
38        displayData(averageSpeed, currentPower, surfaceCoefficient);
39        
40        // Пауза перед следующим измерением
41        sleep(100);
42    }
43}
44
45// Функция расчета среднего значения
46float calculateAverage() {
47    float sum = 0;
48    for(int i = 0; i < sampleSize; i++) {
49        sum += samples[i];
50    }
51    return sum / sampleSize;
52}
53
54// Функция определения типа поверхности
55float identifySurface(float speed, float power) {
56    // Расчет коэффициента поверхности
57    float coefficient = speed / power;
58    
59    // Фильтрация выбросов
60    if(coefficient > 1.5 || coefficient < 0.2) {
61        return surfaceCoefficient; // Возвращаем предыдущее значение
62    }
63    
64    // Обновление коэффициента с небольшим весом для сглаживания
65    return surfaceCoefficient * 0.8 + coefficient * 0.2;
66}
67
68// Функция корректировки мощности
69float adjustPower(float target, float coefficient) {
70    // Расчет необходимой мощности на основе целевой скорости и коэффициента поверхности
71    float requiredPower = target / coefficient;
72    
73    // Ограничение значений мощности
74    if(requiredPower > 100) requiredPower = 100;
75    if(requiredPower < 20) requiredPower = 20;
76    
77    return requiredPower;
78}

1. Скользящее среднее

    1// Функция расчета скользящего среднего
    2float movingAverage(float newValue) {
    3    static float values[WINDOW_SIZE];
    4    static int index = 0;
    5    static float sum = 0;
    6
    7    // Вычитаем старое значение и добавляем новое
    8    sum = sum - values[index] + newValue;
    9    values[index] = newValue;
   10    index = (index + 1) % WINDOW_SIZE;
   11
   12    return sum / WINDOW_SIZE;
   13}
   

2. Фильтрация выбросов

    1// Функция фильтрации выбросов (медианный фильтр)
    2float medianFilter(float newValue) {
    3    static float values[FILTER_SIZE];
    4    static float sortedValues[FILTER_SIZE];
    5    static int index = 0;
    6
    7    // Добавляем новое значение в массив
    8    values[index] = newValue;
    9    index = (index + 1) % FILTER_SIZE;
   10
   11    // Копируем значения для сортировки
   12    for(int i = 0; i < FILTER_SIZE; i++) {
   13        sortedValues[i] = values[i];
   14    }
   15
   16    // Простая сортировка (для небольших массивов)
   17    for(int i = 0; i < FILTER_SIZE-1; i++) {
   18        for(int j = 0; j < FILTER_SIZE-i-1; j++) {
   19            if(sortedValues[j] > sortedValues[j+1]) {
   20                float temp = sortedValues[j];
   21                sortedValues[j] = sortedValues[j+1];
   22                sortedValues[j+1] = temp;
   23            }
   24        }
   25    }
   26
   27    // Возвращаем медианное значение
   28    return sortedValues[FILTER_SIZE / 2];
   29}
   

3. Экспоненциальное сглаживание

    1// Функция экспоненциального сглаживания
    2float exponentialSmoothing(float newValue) {
    3    static float smoothedValue = 0;
    4    static bool firstRun = true;
    5
    6    // Инициализация при первом запуске
    7    if(firstRun) {
    8        smoothedValue = newValue;
    9        firstRun = false;
   10        return smoothedValue;
   11    }
   12
   13    // Экспоненциальное сглаживание
   14    float alpha = 0.2; // Коэффициент сглаживания (0-1)
   15    smoothedValue = alpha * newValue + (1 - alpha) * smoothedValue;
   16
   17    return smoothedValue;
   18}
   

 1Таблица результатов адаптации робота к различным поверхностям
 2
 3Группа: _________   Тип робота: __________
 4
 5|--------------|-----------|-----------|-----------|--------------|--------------|
 6| Поверхность  | Начальная | Начальная | Конечная  | Время        | Успешность   |
 7|              | мощность  | скорость  | мощность  | адаптации    | адаптации    |
 8|--------------|-----------|-----------|-----------|--------------|--------------|
 9| Гладкая      |           |           |           |              |              |
10| поверхность  |           |           |           |              |              |
11|--------------|-----------|-----------|-----------|--------------|--------------|
12| Ковровое     |           |           |           |              |              |
13| покрытие     |           |           |           |              |              |
14|--------------|-----------|-----------|-----------|--------------|--------------|
15| Наклонная    |           |           |           |              |              |
16| поверхность  |           |           |           |              |              |
17|--------------|-----------|-----------|-----------|--------------|--------------|
18| Неровная     |           |           |           |              |              |
19| поверхность  |           |           |           |              |              |
20|--------------|-----------|-----------|-----------|--------------|--------------|
21
22Выводы о факторах, влияющих на адаптацию:
23________________________________________________________________________
24________________________________________________________________________
25
26Предложения по улучшению алгоритма:
27________________________________________________________________________
28________________________________________________________________________

Конструкция робота (0-3 балла):

• Функциональность конструкции (0-1)
• Правильный выбор и размещение датчиков (0-1)
• Устойчивость и надежность (0-1)

Алгоритм адаптации (0-7 баллов):

• Корректность базового алгоритма (0-2)
• Реализация механизма адаптации (0-2)
• Эффективность статистической обработки данных (0-2)
• Наличие защиты от ошибочных измерений (0-1)

Результаты адаптации (0-6 баллов):

• Успешность адаптации к различным условиям (0-2)
• Скорость адаптации (0-1)
• Стабильность работы после адаптации (0-2)
• Сбор и анализ данных (0-1)

Демонстрация и защита (0-4 балла):

• Качество демонстрации адаптивного поведения (0-1)
• Понимание принципов адаптации (0-1)
• Объяснение результатов и выводы (0-1)
• Предложения по улучшению (0-1)

Максимальный балл: 20 Шкала перевода в оценку:

• 18-20 баллов - “5”
• 14-17 баллов - “4”
• 10-13 баллов - “3”
• менее 10 баллов - “2”

 1Фамилия, имя: _________________________
 2Группа: _______
 3
 4Результат:
 5Чего удалось достичь в ходе практической работы?
 6_________________________________________________
 7_________________________________________________
 8
 9Особенности:
10Какие особенности адаптивного поведения вашему роботу удалось реализовать?
11_________________________________________________
12_________________________________________________
13
14Применение:
15Где еще можно применить разработанный вами алгоритм адаптации?
16_________________________________________________
17_________________________________________________
18
19Чему новому вы научились на этом уроке? _______________________
20_________________________________________________
21
22Оцените свой вклад в работу группы (от 1 до 5): _______________