この例では、差動駆動型ロボットの距離センサーの読み取り値とロボットの姿勢を使用して環境マップを作成する方法を説明します。rangeSensor オブジェクトを使用してシミュレートされた距離センサー読み取り値から、マップを作成します。differentialDriveKinematics 運動モデルは、速度コマンドに基づいて室内を移動するロボットの駆動をシミュレートします。rangeSensor は、パスを追従しているロボットの姿勢に基づいて、距離の読み取り値を提供します。

この例では、Probabilistic Roadmap (PRM) パス プランナーを使用して、指定されたマップ上の 2 つの位置間で障害物のないパスを計算する方法を説明します。PRM パス プランナーは、フリー スペース内でランダムにサンプリングされたノードを使用し、それらを相互に接続することにより、指定されたマップのフリー スペースにロードマップを構築します。ロードマップが構築されたら、マップ上の指定した開始位置から指定した終了位置へのパスをクエリできます。

この例では、指定されたマップ上の 3 点の位置間で、モバイル ロボット用の障害物のないパスを実行する方法を説明します。ロボットは倉庫内にある充電ステーション、荷積みステーション、荷降ろしステーションの 3 か所を訪れる必要があります。これらの位置の訪問順序はスケジューラによって決定されます。スケジューラは、各ロボットのナビゲート先のゴール姿勢を指定します。ロボットはパスを計画し、Pure Pursuit コントローラーを使用して、ロボットの現在姿勢に基づきウェイポイントを追従します。Differential Drive Kinematic Model ブロックは簡略化された運動学をモデル化し、Pure Pursuit コントローラーから線形速度と角速度を受け取ります。この例は、Simulink での差動駆動型ロボットのパスの計画の例に基づいています。

倉庫施設や配送センターで作業する複数のロボットの制御とシミュレーションを行う。

この例では、Gazebo で倉庫ロボットをシミュレートする方法を説明します。Gazebo により、シミュレーション環境で特定のタスクを実行しながら、距離センサーを使用するモバイル ロボットをシミュレートすることが可能になりました。この例では、シミュレーターを使用して、倉庫のシナリオでロボットがパッケージを配達する倉庫ロボットのタスクの実行の例を適用する方法を詳細に説明します。ロボットは、Gazebo のシミュレートされた距離センサーを利用して、動的環境での衝突の可能性を検出し、衝突を回避します。

この例は、Gazebo を使用した倉庫内でのモバイル ロボットのシミュレーションの例の拡張です。例では、障害物を回避するために A* プランナーで PRM パス プランナーを変更し、Vector Field Histogram (VFH) アルゴリズムを追加することを説明します。

この例では、Deep Deterministic Policy Gradient (DDPG) ベースの強化学習を使用して、モバイル ロボットが障害物を回避する手法を開発します。DDPG アルゴリズムの簡単な概要については、Deep Deterministic Policy Gradient (DDPG) Agents (Reinforcement Learning Toolbox)を参照してください。