KaydedilenlerDerginizi ekleyin

Dergiler / EMO Bilimsel Dergi / 2023 / Cilt: 13 Sayı: 3

Akıllı Tarım Uygulamalarında Robotik Kablosuz Sensör Ağlarında Çoklu Robot Görev Tahsisi

Multi-Robot Task Allocation in Robotic Wireless Sensor Networks in Smart Agricultural Applications

Ömer Melih GÜL
Sayfa
35–44
Yayın Tarihi
2023-10-18
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Performansı, 5 görev içeren 6-robotlu ve 10 görev içeren 11-robotlu senaryo için farklı enerji hasatlama yöntemleri altında incelenmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu bildiri, akıllı tarım uygulamalarında bir baz istasyonu ve birkaç robot kümesi içeren bir robot ağ kümesinde enerji farkında çok robotlu görev tahsisi (ÇRGT) problemi incelemektedir.
📊
Temel Bulgular & Veri:Her turda M sayıda görev ve M +1 robot bulunur.
💡
Sonuç & Katkı:Performansı, 5 görev içeren 6-robotlu ve 10 görev içeren 11-robotlu senaryo için farklı enerji hasatlama yöntemleri altında incelenmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Çok robotlu sistemler · görev tahsisi · kablosuz ağlar

Özet

Bu bildiri, akıllı tarım uygulamalarında bir baz istasyonu ve birkaç robot kümesi içeren bir robot ağ kümesinde enerji farkında çok robotlu görev tahsisi (ÇRGT) problemi incelemektedir. Her turda M sayıda görev ve M +1 robot bulunur. Bir robot, küme başkanı seçilir ve o turdaki her robota bir görev verir. Kalan M robotlarından veri toplar ve bunu baz istasyonuna gönderir. Bu çalışma, her bir düğümün seyahat mesafesi, her görev için gereken enerji, pil seviyesi ve enerji toplama kapasitelerini göz önünde bulundurarak M görevlerini kalan M robotlarına optimum veya ideale yakın olarak tahsis eder. Bu bildiri, makine öğrenmesi tabanlı yeni bir algoritma tanıtmaktadır. Performansı, 5 görev içeren 6-robotlu ve 10 görev içeren 11-robotlu senaryo için farklı enerji hasatlama yöntemleri altında incelenmiştir.

Abstract

This paper studies an energy-aware multi-robot task-allocation (MRTA) problem in a robot network cluster with a base station and several clusters of robots in smart agricultural applications. Each round has M number of tasks and M+1 robots. A robot is elected cluster head and assigns one duty to each robot in that round. It gathers data from the remaining M robots and sends it to the BS. This work allocates M tasks to the remaining M robots optimally or near ideally by considering each node’s distance to travel, energy required for each task, battery level, and energy-harvesting capabilities. This paper introduces a new machine learning-based algorithm. Its performance is examined under different energy-harvesting methods for 6-robot for 5 tasks and 11-robot scenario for 10 tasks.

🔖

Bu Makaleye Atıf Yap

GÜL, Ö. M. (2023). Akıllı Tarım Uygulamalarında Robotik Kablosuz Sensör Ağlarında Çoklu Robot Görev Tahsisi. EMO Bilimsel Dergi, Cilt: 13 Sayı: 3, 35–44. https://ajindex.com/articles/967406

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (14)

  1. P. Samuel S., K. Malarvizhi, S. Karthik and M. Gowri S.G., "Machine Learning and Internet of Things based Smart Agriculture," 2020 6th International Conference on Advanced Computing and Communication Systems (ICACCS), Coimbatore, India, 2020, pp. 1101-1106
  2. Baek, E.T.; Im, D.Y. ROS-Based Unmanned Mobile Robot Platform for Agriculture. Appl. Sci. 2022, 12, 4335
  3. Devanna, R.P.; Milella, A.; Marani, R.; Garofalo, S.P.; Vivaldi, G.A.; Pascuzzi, S.; Reina, G. In-field automatic identification of pomegranates using a farmer robot. Sensors 2022, 22, 5821
  4. Yoshida, T.; Onishi, Y.; Kawahara, T.; Fukao, T. Automated harvesting by a dual-arm fruit harvesting robot. ROBOMECH J. 2022, 9, 19
  5. Moraitis, M.; Vaiopoulos, K.; Balafoutis, A.T. Design and Implementation of an Urban Farming Robot. Micromachines 2022, 13, 250
  6. Chong, C.-Y.; Kumar, S.P. Sensor networks: Evolution, opportunities, and challenges. Proc. IEEE 2003, 91, 1247–1256
  7. Akyildiz, I.F.; Su, W.; Sankarasubramaniam, Y.; Cayirci, E. A survey on sensor networks. IEEE Commun. Mag. 2002, 40, 102–114
  8. Lukic, M.; Barnawi, A.; Stojmenovic, I. Robot Coordination for Energy-Balanced Matching and Sequence Dispatch of Robots to Events. IEEE Trans. Comput. 2015, 64, 1416–1428
  9. Gautam, A.; Thakur, A.; Dhanania, G.; Mohan, S. A distributed algorithm for balanced multi-robot task allocation. In Proceedings of the 2016 11th International Conference on Industrial and Information Systems (ICIIS), Roorkee, India, 3–4 December 2016; pp. 622–627
  10. Shue, S.; Conrad, J. A Survey of Robotic Applications in Wireless Sensor Networks. In Proceedings of the IEEE Southeastcon 2013, Jacksonville, FL, USA, 4–7 April 2013; pp. 1–5
  11. Ryu, J.H.; Irfan, M.; Reyaz, A. A review on sensor network issues and robotics. J. Sens. 2015, 2015, 1–14
  12. Ghosh, P.; Gasparri, A.; Jin, J.; Krishnamachari, B. Robotic wireless sensor networks. In Mission-Oriented Sensor Networks and Systems: Art and Science. Studies in Systems, Decision and Control; Springer: Cham, Switzerland, 2019; Volume 164
  13. Dasgupta, P. Multi-robot task allocation for performing cooperative foraging tasks in an initially unknown environment. In Innovations in Defence Support Systems-2: Socio-Technical Systems; Jain, L.C., Aidman, E.V., Abeynayake, C., Eds.; Springer: Berlin, Germany, 2011; pp. 5–20
  14. Lim, S.; Rus, D. Stochastic motion planning with path constraints and application to optimal agent, resource, and route planning. In P