Hindernisvermeidungs-Simulator für mobile Roboter

Steuerung

Die Arbeitsfläche bietet verschiebbare Hindernisse, Robotertempo, Erfassungsreichweite, Sichtfeld, Messrauschen und Sicherheitsschwelle. Sensorstrahlen und vorausberechneter Anhalteweg bleiben sichtbar. Der Schrittmodus zeigt exakt, welche Beobachtung jeden Lenkentscheid verursachte.

Theorie

Ein Roboter muss stoppen oder drehen, bevor sein überstrichener Grundriss ein Hindernis schneidet. Sichere Distanz hängt von aktuellem Tempo, Reglerlatenz, Bremsvermögen, Messunsicherheit und physischem Roboterradius ab — nicht nur vom jüngsten Abstandswert.

Reaktivregler wie Potenzialfelder machen aus nahen Hindernissen Abstoßungsvektoren und aus dem Ziel einen Anziehungsvektor. Sie reagieren schnell, können aber in lokalen Minima festsitzen. Ein praxistauglicher Stapel paart reaktive Sicherheit mit globalem oder lokalem Planer.

Algorithmus

1. Alte und physikalisch unmögliche Abstandswerte verwerfen.
2. Gültige Beobachtungen in Roboterkoordinaten transformieren.
3. Jedes Hindernis um Roboterradius plus Sicherheitsmarge erweitern.
4. Anhalteweg aus Geschwindigkeit und geschätzter Verzögerung berechnen.
5. Stoppen, wenn der Vorwärtskorridor unsicher ist; sonst zur freiesten zielausgerichteten Sektor lenken.
6. Beschleunigung und Drehrate vor Motorbefehlen begrenzen.

Quellcode

Halte die Notentscheidung klein genug zum erschöpfenden Testen:

def safe_velocity(target, ranges, stop_distance):
    front = [r for angle, r in ranges if abs(angle) < 0.35]
    if not front or min(front) <= stop_distance:
        return 0.0, choose_clear_turn(ranges)
    return limit_acceleration(target), steer_toward_clearance(ranges)

Erfasse in einem echten System Sensorzeitstempel und gehe in sicheren Halt, wenn benötigte Daten ausbleiben.

Annahmen und Unterschiede zur Hardware

Die Welt ist von oben und zweidimensional: Sensorstrahlen sind instantan, perfekt dünn und nie vom eigenen Körper verdeckt, der Roboter eine Scheibe, die impulsfrei auf null bremsen kann. Am Raspberry-Pi-Roboter spreizt der Ultraschallkegel 15°, ToF-Messwerte hängen von Fläche und Sonne ab, und der Anhalteweg steht aus echter Masse, Motormoment und Erfassen-Entscheiden-Stellen-Latenz — alles behandelt im Lernpfad Reaktive Navigation. Der Simulator ignoriert zudem Schleifenjitter und Spannungseinbruch — behandle die Anhaltewegkurve als zu verinnerlichende Form, nicht als zu kopierende Zahl.

Schaltplan

Pegelwandle jedes 5-V-Echosignal, bevor es Raspberry-Pi-GPIO erreicht. Versorge Motoren separat und verbinde Massen an bewusstem gemeinsamem Punkt.

Geführte Experimente

1. Stoppschwelle herleiten statt raten

Setze niedriges Tempo und senke die Stoppschwelle, bis der Roboter Hindernisse zu streifen beginnt. Notiere den Wert. Verdopple nun das Tempo und wiederhole.

Die nötige Schwelle verdoppelt sich nicht, denn sie ist Summe eines tempoproportionalen und eines quadratischen Terms:

stop_distance = (v x t_latency) + (v^2 / (2 x a_brake)) + robot_radius + margin

Darum beginnt ein Roboter, der im Schritttempo zuverlässig ausweicht, bei höherem Tempo zu treffen — und darum ist die Lösung eine tempabhängige Schwelle statt eines großen Festwerts, der den Roboter überall ängstlich macht.

2. Schwellenzittern erzeugen, dann beheben

Parke den Roboter so, dass er genau an der Stoppdistanz schwebt. Mit einer einzigen Schwelle flippt er mehrfach pro Sekunde zwischen Fahren und Drehen.

Trenne nun beides: Stoppe bei 20 cm und fahre erst ab 30 cm weiter. Das Zittern verschwindet, denn das Verhalten muss sich festlegen. Diese Lücke ist Hysterese, und dasselbe Muster fixt fast jede schwellengetriebene Schwingung in Robotercode.

3. Absichtlich einsperren

Baue eine konkave Ecke — ein Hufeisen — und lasse den Roboter hineinfahren. Mit deterministischer „Drehe zur offensten Richtung“-Regel dreht er, fährt und kommt zurück, wo er startete, für immer.

Das ist kein zu behebender Bug. Es heißt kein Gedächtnis zu haben — die klarstmögliche Demonstration der Decke reaktiver Navigation. Milderungen sind eine Zufallskomponente im Abbiegen und ein Feststeckdetektor, der nach mehreren Fehlversuchen eskaliert; die echte Lösung ist Gedächtnis — ein ganz anderer Pfad.

4. Abtastauflösung gegen Abtastzeit vergleichen

Erhöhe die Zahl der Abtastwinkel und beobachte zwei gegenläufige Dinge: Die Abbiegeentscheide werden besser, und der Roboter steht länger still.

Eine Abtastung ist ein blinder Moment — der Roboter steht und kommt nicht voran. Drei bis fünf Winkel sind der übliche Sweet Spot; darüber rechtfertigt die Extrainfo selten die Extrazeit.

Was du beobachten solltest

Umsetzung auf Hardware

Die Simulatorstrahlen sind instantan, rauschfrei und unendlich dünn. Ein echter Ultraschallsensor ist nichts davon — die Unterschiede sind die ganze Hardware-Arbeit:

Finde hier sichere Stoppdistanz und Freiraumregel, wo ein Fehler nichts kostet. Dann auf Hardware Medianfilter, Servo-Beruhigungsverzug und Kontaktsensorik dazu — das Vermeidungsalgorithmus-Tutorial hat jedes als Code.