11.5.

1 Seek-Goal Behavior The problem addressed in this section is to navigate a rover on a natural terrain from a known initial position to a user-specified goal position. The rover control variables for this behavior are the translational speed v and the rotational speed ,. The vehicle speed v is represented by four fuzzy sets with linguistic labels {STOP, SLOW, MODERATE, FAST}. Triangular membership functions are defined which are equally distributed throughout a range of allowable rover speeds. Similarly, the rover turn rate is represented by five fuzzy sets with linguistic labels {FAST-LEFT, SLOW-LEFT, ON-COURSE, SLOW-RIGHT, FAST-RIGHT}, defined by equally spaced triangular membership functions over a range of allowable turn rates. The fuzzy navigation rules for the seek-goal behavior direct the rover to initially perform an in place rotation toward the goal to nullify the heading error, , which is the relative angle by which the rover needs to turn to face the goal directly. Once the rover is aligned with the goal direction, it then proceeds toward the goal position. A similar rule set can also be formulated for robots that cannot perform in place rotation. The fuzzy rules for rover rotational motion are listed below, where the heading error input is represented by five fuzzy sets with linguistic labels {GOAL-FAR LEFT, GOAL-LEFT, GOAL-HEAD ON, GOAL-RIGHT, GOAL-FAR RIGHT}. The turn rules are followed by a list of fuzzy rules used for rover translational motion, where the position error input (goal distance) d is represented by four fuzzy sets with linguistic labels {VERY NEAR, NEAR, FAR, VERY FAR}. The universe of discourse for both and d is partitioned by an equal distribution of triangular membership functions.
IF is GOAL-FAR LEFT, THEN is FAST-LEFT. IF is GOAL-LEFT, THEN is SLOW-LEFT. IF is GOAL-HEAD ON, THEN is ON-COURSE. IF is GOAL-RIGHT, THEN is SLOW-RIGHT. IF is GOAL-FAR RIGHT, THEN is FAST-RIGHT. IF d is VERY NEAR OR is NOT GOAL-HEAD ON, THEN v is STOP. IF d is NEAR AND is GOAL-HEAD ON, THEN v is SLOW. IF d is FAR AND is GOAL-HEAD ON, THEN v is MODERATE. IF d is VERY FAR AND is GOAL-HEAD ON, THEN v is FAST.

The first rule for translational motion keeps the rover stationary while it is correcting its heading. In the remaining translational motion rules, the rover is aligned with the goal direction and moves with a speed proportional to its distance from the goal. 11.5.2 Traverse-Terrain Behavior This section presents fuzzy logic rules that use the fuzzy traversability index to infer the vehicle turn rate and speed while moving on natural terrain. It is assumed that the robot can only move in the forward direction (i.e., reverse motion is not allowed). The visual sensor coverage area of the terrain region in front of the rover spans 180. This sensor horizon is partitioned into three 60 sectors, namely: front, right, and left of the rover position, each extending outward to a distance of up to five meters. The indices for the three sectors, f, r, l, are inferred in real time from the values of terrain slope and roughness extracted by the onboard vision system. The fuzzy rules for determining rover steering direction based on the terrain traversability data are summarized in Figure 11.10a (R:RIGHT, L:LEFT, O:No Turn). The rule table in Figure 11.10b corresponds to steering behavior for obstacle avoidance (discussed below). These rules emulate the steering actions of the human driver during an off-road driving session.

Examining Figure 11.10a, we see that a turn maneuver is not initiated when either the front region is the most traversable, or the right and left regions have the same traversability indices as the front region. Also, observe that the preferred direction of turn is chosen arbitrarily to be LEFT, i.e., when the rover needs to turn to face a more traversable region, it tends to turn left. The choice of LEFT instead of RIGHT is arbitrary, but selection of a preferred turn direction is essential to avoid the possibility that simultaneous left and right rotations can result in a no-turn recommendation even though there may be an impassable region directly ahead of the rover.

Figure 11.10: Turn Rules for (a) Traverse-Terrain and (b) Avoid-Obstacle.

Once the direction of traverse is chosen based on the relative values of , the rover speed v can be determined based on the value of the traversability index in the chosen region. This determination is formulated as a set of two simple fuzzy logic rules for speed of traverse: IF is LOW, THEN v is STOP, and IF is MEDIUM, THEN v is SLOW. The effect of these rules is analogous to that of the human driver adjusting the car speed based on the surface conditions. 11.5.3. Avoid-Obstacle Behavior In this section, fuzzy logic rules are presented which govern rover behavior based on the local information about en route obstacles, such as large rocks. In general, obstacles may belong to any variety of mobility and navigation hazards such as extreme slopes, sand/dust-covered pits, crevasses, cliffs and otherwise unstable terrain. Also included are so called negative obstacles such as ditches and craters, and their complements such as ridges and boulders. Rocks that are considered obstacles are those with sizes that exceed the obstacle climbing threshold for which the rover is designed. In the case of the Mars rover Sojourner, the threshold was 1.5 wheel diameters. Without loss of generality, we may refer to the general category of untraversable patches of terrain as navigation obstacles. This local obstacle information is acquired online and in real time by the proximity sensors mounted on the rover. For space robotics applications, different types of proximity sensors can be used, ranging from lowresolution infrared sensors to high-resolution and longer-range laser detectors [28]. A wider range of options is available for use in more general mobile robot applications [29]. The range of reliable operation of proximity sensors is

typically 20 to 50 cm, which is about an order of magnitude shorter than that of regional sensor coverage. Note, however, that precise measurement of the obstacle distance is not needed, because of the multivalued nature of the fuzzy sets used to describe it. In the present implementation, it is assumed that there are three groups of proximity sensors mounted on the robot facing the three different directions of front, right, and left. These sensors report the distances between the robot and the closest front obstacle df, the closest right obstacle dr, and the closest left obstacle dl within their ranges of operation. The three obstacle distances are continuously measured and updated during rover motion. The steering and speed rules for avoiding obstacles use this local information to maneuver the robot around the obstacles and to avoid potential collisions. Each obstacle distance df, dr, or dl is represented by the three fuzzy sets with linguistic labels {VERY NEAR, NEAR, FAR}. Equally distributed trapezoidal membership functions are defined for each obstacle distance. Typically, different fuzzy set bounds are defined on the universe of discourse for the front obstacle distance and side (left and right) obstacle distances so that front and side collision detection will have different sensitivities. The behavioral objectives of the obstacle avoidance rules are to direct the rover to: (a) turn to face a region with the least nearby obstacles, and (b) adjust its speed of motion depending on the distance to the closest front obstacle. The goal of the steering rule set is to steer the robot clear of all obstacles. This goal is accomplished by sensing the three obstacle distances and reacting according to the fuzzy logic rule sets summarized above in the Figure 11.10b. The following points are noted about the above steering rules. First, when df is FAR, i.e., the front of the rover is clear of obstacles, the rover will not collide with any obstacles and no corrective action needs to be taken. Therefore, the collision avoidance steering rules are activated only when the situation is otherwise. Second, observe that the preferred direction of turn is chosen to be LEFT, i.e., when the rover needs to turn to avoid an impending collision, it tends to turn left. The choice of LEFT instead of RIGHT is arbitrary, but selection of a preferred turn direction is essential to avoid the possibility that simultaneous left and right obstacles can result in a no-turn recommendation even though there may be an obstacle in front of the vehicle. The speed rules for collision avoidance are very simple. Basically, the robot is required to slow down as it approaches the closest front obstacle. Again, note that when the front obstacle distance is FAR, collision avoidance is not activated and no corrective action needs to be taken. There are two fuzzy logic rules as follows: IF df is VERY NEAR, THEN v is STOP, and IF df is NEAR, THEN v is SLOW. 11.5.4. Fuzzy-Behavior Fusion The decision-making process used to combine recommendations from multiple behaviors is commonly referred to as behavior coordination [3]. The most common approach is behavior arbitration, which employs a prioritization scheme wherein the control recommendation of only one behavior among several competing behaviors is taken while recommendations from the remaining behaviors with lower priorities are ignored. In contrast to this switching type of arbitration, we advocate using a more comprehensive blending scheme. The preferred coordination scheme permits more than one behavior to influence the resultant control action to the extent governed by variable gains or weighting factors assigned dynamically according to the prevailing context a scheme referred to as behavior fusion. Behavior fusion is facilitated by fuzzy set theoretic computations; however, nonfuzzy implementations are also possible [8]. Thus, in the proposed approach, weight rules combine elemental behaviors, not through fixed priority arbitration, but rather through a generalization of

dynamic gains that are determined based on consideration of the situational status of the rover. The weight rules continuously update the behavior weighting factors during rover motion based on the prevailing conditions. The gains or weighting factors sw, tw, and aw represent the strengths by which the seek-goal, traverse-terrain, and avoid-obstacle recommendations are taken into account to compute the final control actions v and . These weights are represented by two fuzzy sets with linguistic labels {NOMINAL, HIGH}. Three sets of decision rules for the respective motion behavior gains are listed below.
IF d is VERY NEAR, THEN sw is HIGH. IF d is NOT VERY NEAR, THEN sw is NOMINAL. IF d is NOT VERY NEAR AND df is NOT VERY NEAR, THEN tw is HIGH. IF d is VERY NEAR OR df is VERY NEAR, THEN tw is NOMINAL. IF d is NOT VERY NEAR, THEN aw is HIGH. IF d is VERY NEAR, THEN aw is NOMINAL.

At each control cycle, the above sets of gain rules are used to calculate the three crisp weighting factors using the center-of-gravity (centroid) defuzzification method. Note that with this defuzzification method, overlapping areas between adjacent truncated membership functions in the aggregated fuzzy set are counted twice. The resulting crisp weights are then used to compute the final control actions for the rover speed and turn rate. Fuzzy recommendations from the seek-goal, traverse-terrain, and avoidobstacle behaviors are weighted by the corresponding behavior gains prior to defuzzification, as shown in Figure 11.11. The weighted fuzzy outputs for the individual behaviors are aggregated into single fuzzy possibility distributions for both rover speed and turn rate. The final control actions for each cycle are computed using the center-of-gravity defuzzification method.

Figure 11.11: Fuzzy-Behavior Fusion.

The problem addressed in this section is to navigate a rover on a natural terrain from a known initial position to a user-specified goal position. The rover control variables for this behavior are the translational speed v and the rotational speed ,. The vehicle speed v is represented by four fuzzy sets with linguistic labels {STOP, SLOW, MODERATE, FAST}. Triangular membership functions are defined which are equally distributed throughout a range of allowable rover speeds. Similarly, the rover turn rate is represented by five fuzzy sets with linguistic labels {FAST-LEFT, SLOW-LEFT, ON-COURSE, SLOW-RIGHT,FAST-RIGHT}, defined by equally spaced triangular membership functions over a range of allowable turn rates. The fuzzy navigation rules for the seek-goal behavior direct the rover to initially perform an in place rotation toward the goal to nullify the heading error, , which is the relative angle by which the rover needs to turn to face the goal directly. Once the rover is aligned with the goal direction, it then proceeds toward the goal position. A similar rule set can also be formulated for robots that cannot perform in place rotation. The fuzzy rules for rover rotational motion are listed below, where the heading error input is represented by five fuzzy sets with linguistic labels {GOAL-FAR LEFT, GOAL-LEFT, GOAL-HEAD ON, GOAL-RIGHT, GOAL-FAR RIGHT}. The turn rules are followed by a list of fuzzy rules used for rover translational motion, where the position error input (goal distance) d is represented by four fuzzy sets with linguistic labels {VERY NEAR, NEAR, FAR, VERY FAR}. The universe of discourse for both and d is partitioned by an equal distribution of triangular membership functions. The first rule for translational motion keeps the rover stationary while it is correcting its heading. In the remaining translational motion rules, the rover is aligned with the goal direction and moves with a speed proportional to its distance from the goal.

11.5.2 Traverse-Terrain Behavior This section presents fuzzy logic rules that use the fuzzy traversability index to infer the vehicle turn rate and speed while moving on natural terrain. It is assumed that the robot can only move in the forward direction (i.e., reverse motion is not allowed). The visual sensor coverage area of the terrain region in front of the rover spans 180. This sensor horizon is partitioned into three 60 sectors, namely: front, right, and left of the rover position, each extending outward to a distance of up to five meters. The indices for the three sectors, f, r, l, are inferred in real time from the values of terrain slope and roughness extracted by the onboard vision system. The fuzzy rules for determining rover steering direction based on the terrain traversability data are summarized in Figure 11.10a The rule table in Figure 11.10b corresponds to steering behavior for obstacle avoidance (discussed below). These rules emulate the steering actions of the human driver during an off-road driving session. Examining Figure 11.10a, we see that a turn maneuver is not initiated when

either the front region is the most traversable, or the right and left regions have the same traversability indices as the front region. Also, observe that the preferred direction of turn is chosen arbitrarily to be LEFT, i.e., when the rover needs to turn to face a more traversable region, it tends to turn left. The choice of LEFT instead of RIGHT is arbitrary, but selection of a preferred turn direction is essential to avoid the possibility that simultaneous left and right rotations can result in a no-turn recommendation even though there may be an impassable region directly ahead of the rover.

11.5.1 Mencari sifat sifat Masalah yang dibahas pada bagian ini adalah untuk menunjukan sebuah rover dari posisi awal ke posisi yang telah ditentukan. Rover dari Variabel kontrol untuk perilaku ini adalah kecepatan v dan kecepatan translasi rotasi ,. Kecepatan v kendaraan diwakili oleh empat fuzzy set dengan linguistik label { STOP, SLOW, MODERATE, FAST}. Fungsi triangular tadi didefinisikan secara merata didistribusikan ke seluruh rentang kecepatan yang diijinkan . Demikian pula, tingkat putaranya diwakili oleh lima fuzzy set label withlinguistic {FASTLEFT, SLOW-LEFT, ON-COURSE, SLOW-RIGHT,FAST-RIGHT}. Yang didefinisikan secara sama seperti pada
fungsi triangular dengan rentang tingkat perputarannya yang diperbolehkan .

Aturan pencarian fuzzy untuk mencari- rover perilakunya untuk awalnya melakukan suatu rotasi tempat menuju tujuan untuk meniadakan kesalahan, , yang merupakan sudut relatif dengan mana suatu rover memerlukannya untuk mengubah agar mendapat hasil secara langsung. Setelah rover tersebut sejajar dengan arah tujuan yang diinginkan, proses selanjutnya adalah melanjutkan ke posisi tujuan. Satu set aturan serupa juga dapat dirumuskan untuk robot yang tidak dapat melakukan di rotasi pada suatu tempat. Aturan fuzzy untuk gerak rotasi rover yang tercantum di bawah ini, dimana , ,kesalahan input diwakili oleh lima fuzzy set dengan label linguistik {GOAL-FAR LEFT, GOAL-LEFT, GOAL-HEAD ON, GOALRIGHT,GOAL-FAR RIGHT}. Aturan tersebut diikuti dengan daftar aturan fuzzy yang digunakan untuk gerak translasi rover , di mana kesalahan posisi input (jarak tujuan) d diwakili oleh empat tetapan fuzzy dengan label linguistik VERY NEAR, NEAR, FAR, VERY FAR}. . Dengan anggapan umum untuk untuk kedua dan d dipartisi oleh pemerataan fungsi triangular.
IF is GOAL-FAR LEFT, THEN is FAST-LEFT. IF is GOAL-LEFT, THEN is SLOW-LEFT. IF is GOAL-HEAD ON, THEN is ON-COURSE. IF is GOAL-RIGHT, THEN is SLOW-RIGHT. IF is GOAL-FAR RIGHT, THEN is FAST-RIGHT. IF d is VERY NEAR OR is NOT GOAL-HEAD ON, THEN v is STOP. IF d is NEAR AND is GOAL-HEAD ON, THEN v is SLOW. IF d is FAR AND is GOAL-HEAD ON, THEN v is MODERATE. IF d is VERY FAR AND is GOAL-HEAD ON, THEN v is FAST.

Aturan pertama untuk gerakan translasi tetap rover yang stasioner ketika sedang mengoreksi titiknya. Dalam aturan gerak translasi yang tersisa, selaras dengan arah tujuan dan bergerak dengan kecepatan sebanding dengan yang jarak dari tujuan. 11.5.2 Traverse- Medan Perilaku Bagian ini menyajikan aturan-aturan logika fuzzy yang menggunakan indeks fuzzy traversability index untuk menyimpulkan tingkat putaran kendaraan dan kecepatan saat bergerak pada daerah alami. Hal ini dapat diasumsikan bahwa robot hanya bisa bergerak dalam arah maju (gerak berlawanan tidak diperbolehkan). Sensor visual dengan cakupan luas daerah medan di depan penjelajah rentang 180 . Ini sensor horizon (cakrawala) telah dibagi menjadi tiga 60 sektor, yaitu: depan, kanan, dan kiri posisi rover, masing-masing memperluas hingga lima meter. Beberapa indikasi untuk tiga sektor, f, r, l, disimpulkan secara real time dari nilai-nilai kemiringan medan dan kekasaran yang diekstrak oleh sistem onboard vision. aturan Fuzzy untuk menentukan rover kemudi arah berdasarkan data traversability dirangkum dalam Gambar 11.10a (R:RIGHT, L:LEFT, O:No Turn).) Aturan tabel pada Gambar 11.10b sesuai dengan perilaku yang mengarahkan untuk menghindari hambatan (dibahas nanti di bawah).Aturan-aturan ini meniru driver yang mengarahkan tindakan selama sesi mengemudi off-road. Menguji Gambar 11.10a, kita melihat bahwa manuver putaran tidak dimulai ketika baik wilayah depan adalah yang paling traversable, atau daerah kanan dan kiri telah indeks indikasi fuzzy traversability yang sama sebagai daerah depan. Juga, amati bahwa arah yang dipilih dari putarannya dipilih secara sembarangan menjadi LEFT (KIRI), yaitu, ketika rover membutuhkan untuk mengubah untuk menjadi daerah yang lebih traversable, cenderung berbelok ke kiri. Pilihan LEFT (KIRI) daripada RIGHT (KANAN) ini sembarang, tetapi pemilihan arah putaran yang dipilih adalah penting untuk menghindari kemungkinan bahwa secara simultan rotasi sebelah kiri dan kanan dapat menghasilkan rekomendasi tanpa berubah meskipun mungkin ada daerah yang dilalui secara langsung di depan rover.

Figure 11.10: Turn Rules for (a) Traverse-Terrain and (b) Avoid-Obstacle. Gambar 11.10: Aturan perputaran untuk (a) Traverse-Terrain dan (b) Menghindari-Hambatan.

Gambar Setelah arah pada traverse dipilih didasarkan pada nilai-nilai relatif , kecepatan rover v dapat ditentukan berdasarkan nilai * indeks traversability pada daerah yang dipilih. Penentuan ini dirumuskan sebagai satu set dua aturan logika fuzzy sederhana untuk kecepatan traverse: JIKA * adalah LOW (RENDAH), LALU v STOP, dan JIKA * adalah MEDIUM (MENENGAH), KEMUDIAN v adalah SLOW (LAMBAT). Efek dari aturan ini adalah analog dengan dari driver harus menyesuaikan kecepatan mobil berdasarkan kondisi permukaan.
11.5.3. Sifat Menghindari-Hambatan Pada bagian ini, aturan-aturan logika fuzzy dipresentasikan yang mengatur perilaku rover berdasarkan informasi lokal tentang kendala perjalanan, seperti batu-batu besar. Secara umum, hambatan mungkin berasal dari berbagai macam bahaya mobilitas dan navigasi seperti lereng yang ekstrim, pasir / debu yang tertutup lubang, ceruk, tebing dan sebaliknya medan yang tidak stabil. Juga Termasuk di sini adalah yang disebut hambatan negatif seperti parit dan kawah, dan mereka melengkapi seperti pegunungan dan batu-batu. Batuan yang dianggap sebagai hambatan adalah yang memiliki dengan ukuran yang melebihi rintangan naik pada ambang batas yang Rover tersebut dirancang. Dalam kasus Mars

rover Sojourner, ambang batasnya adalah 1,5 diameter roda. Tanpa kehilangan umum, kita dapat merujuk pada kategori umum patch yang untraversable pada suatu medan sebagai hambatan dalam navigasi. Informasi hambatan lokal diperoleh online dan secara real time dengan sensor kedekatan yang dipasang pada rover. Untuk ruang aplikasi robotika, berbagai jenis sensor jarak dapat digunakan, mulai dari resolusi rendah inframerah sensor ke resolusi tinggi dan lebih panjang jarak detektor Laser [28]. Rentang pilihan yang lebih luas tersedia untuk digunakan di lebih robot bergerak secara umum aplikasi [29]. Kisaran keandalan pengoperasian sensor kedekatan biasanya 20 sampai 50 cm, adalah tentang urutan besarnya lebih pendek dari daerah cakupan sensor. Namun, perlu diketahui bahwa pengukuran yang tepat dari hambatan jarak tidak diperlukan, karena sifat multivalued dari tetapan fuzzy yang digunakan untuk menggambarkan hal itu.
Dalam implementasi ini, diasumsikan bahwa ada tiga kelompok sensor kedekatan dipasang pada robot menghadap ke tiga arah yang berbeda dari depan, kanan, dan kiri. Sensor ini melaporkan jarak antara robot dan hambatan terdekat di depan df , hambatan terdekat sebelah kanan dr maupun hambatan terdekat pada kiri dl dalam rentang tersebut beroperasi. Tiga hambatan jarak yang terus diukur dan diperbarui selama gerakan rover. Sistem kemudi dan kecepatan untuk menghindari hambatan dalam navigasi menggunakan informasi lokal untuk manuver robot di sekitar hambatan dan untuk menghindari potensi tabrakan Setiap jarak hambatan df dr, atau dl diwakili oleh tiga tetapan fuzzy dengan label linguistik {SANGATDEKAT, DEKAT, JAUH}. Didistribusikan secara merata fungsi trapezoidal didefinisikan untuk setiap jarak hambatan. Biasanya, yang berbeda batas himpunan fuzzy yang didefinisikan secara umum untuk jarak hambatan depan dan samping (kiri dan kanan) hambatan jarak sehingga tabrakan depan dan samping akan memiliki kepekaan yang berbeda. Tujuan aturan perilaku penghindaran hambatan untuk mengarahkan rover untuk: (a) berbalik daerah muka dengan hambatan terdekat setidaknya, dan (b) menyesuaikan nya kecepatan gerak tergantung pada jarak ke hambatan terdekat pada bagian depan

Tujuan dari tetapan aturan kemudi adalah untuk mengarahkan robot yang jelas dari semua hambatan. Sasaran ini dilakukan dengan merasakan tiga jarak hambatan dan bereaksi sesuai

dengan aturan logika fuzzy yang telah ditetapkan di atas diringkas dalam Gambar 11.10b. berikut poin dicatat tentang aturan kemudi di atas. Pertama, ketika df adalah JAUH, yaitu, yang depan dari rover sudah jelas hambatan, rover tidak akan bertabrakan dengan hambatan dan tidak ada tindakan korektif yang harus diambil. Oleh karena itu, tabrakan untuk menghindari aturan kemudi telah diaktifkan hanya ketika situasinya adalah berkebalikan, Kedua, mengamati bahwa arah dipilih merupakan pilihan LEFT (KIRI), yaitu, ketika rover membutuhkan untuk mengubah guna menghindari tabrakan akan terjadi, ia cenderung untuk mengubah ke kiri. Pilihan LEFT (KIRI) daripada RIGHT (KANAN) ini sembarang, tetapi pemilihan perubahan arah yang lebih dipilih adalah penting untuk menghindari kemungkinan yang menyebabkan efek yang simultan dan hambatan yang menghasilkan rekomendasi tanpa mengubah bahkan meskipun ada mungkin merupakan halangan di depan kendaraan. Aturan kecepatan untuk menghindari tabrakan yang sangat sederhana. Pada dasarnya, robot diperlukan melambat saat mendekati hambatan terdekat pada bagian depan. Sekali lagi, perhatikan bahwa ketika jarak hambatan di depan FAR (JAUH) , menghindari tabrakan tidak diaktifkan dan tidak ada tindakan korektif yang harus diambil. Ada dua aturan logika fuzzy sebagai berikut: JIKA df adalah VERY NEAR (SANGAT DEKAT), KEMUDIAN v STOP, dan IF df adalah NEAR (DEKAT) , KEMUDIAN v adalah SLOW (LAMBAT).
11.5.4. Sifat Fuzzy-Fusion Proses pengambilan keputusan yang digunakan untuk menggabungkan rekomendasi dari berbagai perilaku sering disebut sebagai koordinasi sifat [3]. Pendekatan yang paling umum adalah perilaku arbitrase, yang mempekerjakan suatu prioritas skema dimana rekomendasi kontrol hanya satu sifat antara beberapa sifat yang saling bersaing yang diambil sementara rekomendasi dari sifat yang tersisa dengan prioritas yang lebih rendah diabaikan. Berbeda dengan ini beralih jenis arbitrase, kami menganjurkan menggunakan pencampuran skema yang lebih komprehensif . koordinasi skema yang dipilih akan memungkinkan lebih dari satu perilaku untuk mempengaruhi tindakan kontrol yang dihasilkan diatur sampai tingkat yang oleh kenaikan variabel atau faktor bobot yang ditugaskan secara dinamis sesuai dengan konteks yang berlaku sebuah skema fusi disebut sebagai perilaku. Sifat dari fusion ini difasilitasi oleh himpunan fuzzy perhitungan teoritis, namun implementasi nonfuzzy juga mungkin [8]. Jadi, dalam pendekatan yang diusulkan, aturan bobot mengkombinasikan unsur perilaku, tidak melalui arbitrase prioritas yang tetap, melainkan melalui generalisasi dari kenaikan yang dinamis ditentukan berdasarkan pertimbangan situasional dari rover tersebut. Aturan bobot secara continous meng-update faktor faktor tersebut selama gerakan rover berdasarkan kondisi yang berlaku.

Kenaikan atau fakrot bobot sw, tw, dan aw mewakili kekuatan dimana yang mencari-sasaran, daerah traverse dan menghindari hambatan maka rekomendasi yang diambil akan diperhitungkan untuk menghitung final kontrol pada v dan . Bobot yang diwakili oleh dua tetapan fuzzy dengan label linguistik {NOMINAL, HIGH (TINGGI) }. tiga set dari aturan tadi untuk kenaikan sifat gerakan masing tercantum di bawah ini.
IF d is VERY NEAR, THEN sw is HIGH. IF d is NOT VERY NEAR, THEN sw is NOMINAL. IF d is NOT VERY NEAR AND df is NOT VERY NEAR, THEN tw is HIGH. IF d is VERY NEAR OR df is VERY NEAR, THEN tw is NOMINAL. IF d is NOT VERY NEAR, THEN aw is HIGH. IF d is VERY NEAR, THEN aw is NOMINAL.

Pada setiap siklus kontrol, set di atas aturan kenaikan digunakan untuk menghitung tiga faktor fakrot bobot crisp dengan menggunakan pusat-gravitasi (pusat massa) metode defuzzifikasi (Defuzzification

adalah proses pemetaan aksi kendali fuzzy menjadi aksi kendali non-fuzzy (crisp)) . Perhatikan bahwa

dengan metode defuzzifikasi, akan terjadi tumpang tindih daerah diantara fungsi tetapan fuzzy yang berdekatan dipotong dalam agregat dan dihitung dua kali. Bobot crisp yang dihasilkan kemudian digunakan untuk menghitung tindakan pada kontrol akhir untuk kecepatan rover dan tingkat perubahan. Fuzzy merekomendasikan sifat untuk mencari tujuan -,daerah traverse , dan menghindari hambatan ditimbang oleh kenaikan perilaku yang sesuai sebelum defuzzifikasi, seperti yang ditunjukkan pada Gambar 11.11. Bobot output Fuzzy untuk perilaku individu yang dikumpulkan menjadi satu fuzzy yang didistribusikan kemungkinan untuk rover kecepatan rover dan tingkat perubahan. Tindakan kontrol akhir untuk setiap siklus dihitung dengan menggunakan metode defuzzifikasi pusat gravitasi.

Figure 11.11: Fuzzy-Behavior Fusion.

Gambar 11.11: Sifat dari Fuzzy- Fusion.

Masalah yang dibahas pada bagian ini adalah untuk menavigasi rover di alami medan yang dari sebuah posisi awal yang dikenal ke posisi yang ditentukan pengguna tujuan. Variabel kontrol Rover untuk perilaku ini adalah v kecepatan rover translasi dan rotasi kecepatan rover, Kecepatan v kendaraan diwakili oleh empat tetapan fuzzy dengan linguistik label { STOP, SLOW (LAMBAT), MODERATE (SEDANG), FAST (CEPAT)}. fungsi segitiga didefinisikan secara sama didistribusikan ke seluruh rentang kecepatan yang diijinkan rover. Demikian pula, tingkat perubahan rover yang diwakili oleh lima tetapan fuzzy dengan linguistik label { {, SLOW-LEFT, ON-COURSE, SLOW-RIGHT,FAST-RIGHT} FAST-LEFT (CEPAT-KIRI), SLOW-LEFT (LAMBAT-KIRI), ON-COURSE, SLOW- RIGHT (LAMBAT-KANAN), FAST-RIGHT (CEPAT-KANAN) }, didefinisikan oleh fungsi triangular yang sama di atas tingkat perubahan diijinkan.
Sifat Aturan pencarian fuzzy untuk mencari-sasaran rover secara langsung ke tempat awal melakukan rotasi terjadi di arah tujuan yaitu untuk meniadakan kesalahan pada titik, , yang merupakan sudut relatif dengan dimana rover perlu perubahan ke arah yang dituju secara langsung. Setelah rover sejajar dengan arah tujuan, maka hasilnya menuju ke posisi tujuan. Satu set aturan serupa juga dapat dirumuskan untuk robot yang tidak dapat melakukan di rotasi tempat. Aturan fuzzy untuk gerakan rotasi rover tercantum di bawah ini, dimana pos kesalahan input yang diwakili oleh lima tetapan fuzzy dengan label linguistik { {GOAL-FAR LEFT (TUJUAN - KIRI JAUH) , GOAL-LEFT (TUJUAN KIRI), GOAL-HEAD ON ( TUJUAN-

DEPAN), GOAL-RIGHT(TUJUAN-KANAN), GOAL-FAR RIGHT (TUJUAN-KANAN JAUH)}. Aturan erputarannya diikuti dengan daftar aturan fuzzy yang sederhana digunakanuntuk gerak translasi rover, di mana error posisi input (jarak tujuan) d adalah diwakili oleh empat tetapan fuzzy dengan label linguistik {VERY NEAR (SANGAT DEKAT), NEAR (DEKAT),FAR (JAUH), VERY FAR (SANGAT JAUH) }. Secara umum untuk keduanya dan d adalah dipartisi oleh pemerataan fungsi triangular. Aturan pertama untuk gerakan translasi menjaga rover yang stasioner ketika sedang mengoreksi pos nya. Dalam aturan gerak translasi yang tersisa, rover ini selaras dengan arah tujuan dan bergerak dengan kecepatan proporsional yaitu jarak dari tujuan.