Соберите робота для лабиринта из ленты с памятью LSRB

Робот, следующий по линии, следует за линией. Робот для прохождения лабиринта принимает решения. Именно это и есть весь переход, который делает этот проект, и он больше, чем кажется: робот перестаёт быть контуром управления с колёсами и становится системой, которая исследует незнакомую среду, запоминает найденное и действует на основе этой памяти.

Хитрость в том, что ничего из этого не заменяет робота, следующего по линии, — все эти функции располагаются поверх него. Ниже тот же массив датчиков отражения и тот же контур ПИД-регулятора удерживают робота по центру ленты, ничего не зная о лабиринтах. Над ними тонкий слой принятия решений отслеживает моменты, когда линия разветвляется, определяет тип перекрёстка, выбирает направление и записывает один символ. Именно такое разделение делает проект реализуемым, и это же двухуровневое разделение используют настоящие роботы повсеместно.

Поэтому порядок сборки здесь важнее обычного. Сначала добейтесь действительно стабильного движения по линии — настройте его в симуляторе, затем на большом овале из реальной ленты — и только после этого добавляйте перекрёстки. Нарушение этой дисциплины приведёт к тому, что каждая механическая проблема, каждый дрейф калибровки и каждое колесо, смещённое на 2 mm, проявятся под видом ошибки решения лабиринта.

Следуйте по дереву технологий сверху вниз. Каждый узел открывается после выполнения его предварительных требований, а прогресс сохраняется на этом устройстве, поэтому робота можно собрать за выходные, не потеряв место.

Список компонентов

Итого: примерно $35–45. 8-канальный массив — единственная деталь, на которой не стоит экономить, и причина вполне конкретна: робот обнаруживает левую ветвь, замечая, что крайние левые датчики стали тёмными, пока центр всё ещё находится на линии. Массив, который лишь немного шире ленты, физически не может этого увидеть, поэтому обнаружение перекрёстков превращается в догадки, как бы хорош ни был код.

Почему массив должен быть шире линии

   left branch                    array (8 channels, ~60 mm wide)
   ────────────────┐          [ x x x . . . . . ]   outer left dark -> a branch
                   │
   ════════════════╪═══════   [ . . . x x . . . ]   centre still on the line
                   │

Ориентировочное правило: ширина массива должна быть как минимум в три раза больше ширины ленты. Для ленты 19 mm это около 60 mm, и именно такую ширину обеспечивает 8-канальный массив с шагом 8 mm между датчиками. Если массив уже, робот не сможет отличить «линия резко повернула» от «линия разветвилась», а это ключевое решение, на котором держится весь проект.

Соберите проект по этапам

Здесь порядок сборки важнее, чем в любом другом проекте на сайте. Робот для прохождения лабиринта — это робот, следующий по линии, с добавленным слоем принятия решений, и каждая механическая неисправность или ошибка калибровки в роботе, следующем по линии, снова проявится под видом ошибки решения лабиринта.

Этап 1 не подлежит обсуждению. «В основном следует за линией» превращается в «иногда придумывает перекрёсток», и вы проведёте вечер, отлаживая упрощение пути из-за неисправности, которая на самом деле заключается в колесе, смещённом на 2 mm.

Этап 2 пропускают чаще всего. Робот для прохождения лабиринта выполняет сотни поворотов за один проход, а поворот, который постоянно не добирает 5°, накапливает ошибку, пока робот полностью не сходит с линии. Именно здесь проявляется люфт редуктора — ошибка, меняющая знак в зависимости от направления, имеет механическую природу, а не связана с настройкой.

Двухуровневое разделение в коде

Стоит явно показать разделение, которое делает этот проект реализуемым:

             ┌─────────────────────────────────────┐
   decision  │  classify junction -> choose turn   │   runs only at junctions
     layer   │  record a character -> simplify     │   knows nothing about PWM
             └──────────────────┬──────────────────┘
                                │ "turn left" / "keep going"
             ┌──────────────────▼──────────────────┐
   following │  read array -> position -> PID      │   runs every loop, ~200 Hz
     layer   │  -> left and right wheel speeds     │   knows nothing about mazes
             └─────────────────────────────────────┘

Нижний слой никогда не узнаёт, что такое лабиринт. Верхний слой никогда не управляет двигателем напрямую. Когда что-то идёт не так, эта граница подсказывает, в какой половине искать причину; если вы не можете сказать, к какой половине относится ошибка, слои разделены неправильно.

Как выглядит хороший результат

Точность распознавания перекрёстков действительно работает по принципу «всё или ничего», и это удивляет людей. Один неверно распознанный перекрёсток портит записанную строку, упроститель затем создаёт правдоподобный, но неверный путь, а обратный проход уверенно упирается в стену. Частичного успеха нет — поэтому этап исследования проходит медленно, а время экономится на обратном проходе.

Устранение неполадок

Куда двигаться дальше

Добавьте энкодеры и выполняйте поворот по расстоянию, а не по времени. Повороты по времени — главный источник ненадёжности первого робота для прохождения лабиринта, поскольку требуемое время меняется в зависимости от напряжения батареи и поверхности. Повороты по энкодерам от этого не зависят.

Перейдите к лабиринту со стенами — робот для прохождения лабиринта — который заменяет ленту стенами, а правило LSRB — алгоритмом заливки. Это действительно более крупный шаг: LSRB — эвристика движения вдоль стен, которая находит один путь, а flood fill вычисляет кратчайший и перепланирует маршрут по мере обнаружения новых стен.

Оптимизируйте обратный проход. Когда путь известен, решения больше не нужны, поэтому робот может разгоняться на прямых и замедляться только перед поворотами. Профиль движения для известного маршрута — именно здесь появляются значительные сокращения времени, часто вдвое.