Flexibel, effektiv och skalbar autonom utforskning och volymetrisk kartläggning
Tid: Fr 2022-03-18 kl 14.00
Plats: U1, Brinellvägen 26, Stockholm
Språk: Engelska
Respondent: Daniel Duberg , Robotik, perception och lärande, RPL
Opponent: Senior Researcher Cesar Cadena, ETH Zurich
Handledare: Patric Jensfelt, Robotik, perception och lärande, RPL
QC 20220224
Abstract
Autonoma mobila robotar har på senare år börjat komma in i hushållen i form av autonoma dammsugare och gräsklippare. Tillämpbarheten av mer avancerade och generella servicerobotar är nästan oändlig. Det vill säga robotar som kan utföra en mängd olika uppgifter, istället för att vara specialiserade för en enskild uppgift. För detta ändamål finns det några grundläggande utmaningar som måste lösas. En av nyckelfunktionerna hos en autonom mobil robot är navigering. För att uppnå verklig autonom navigering måste roboten kunna lokalisera sig själv, planera, utföra och uppdatera en plan som tar den till dess önskade plats, och generera en karta i farten över sin miljö om miljön är okänd, eller förändras. Denna avhandling fokuserar på de två senare av dessa utmaningar, planering och kartläggning. Närmare bestämt undersöker vi scenariot där roboten saknar förkunskaper om miljön, så kallad autonom utforskning.
En av de viktigaste insikterna genom hela avhandlingen är att dessa utmaningar inte bör granskas isolerat. Eftersom dessa i allmänhet inte är huvuduppgifterna en verklig autonom mobil robot ska utföra; istället är de nödvändigheter för att utföra uppgifter på högre nivå. Därför bör aspekter som flexibilitet och skalbarhet ses som högre än att bara utföra uppgiften så effektivt eller snabbt som möjligt.
En annan insikt, specifikt när det gäller kartläggning, kommer från kart-läggning av både konsumenter, de som använder kartorna, och producenter, de som skapar kartorna. Helst bör ett kartramverk optimeras för båda, eftersom det är meningslöst att skapa kartor som inte kan användas samt att anta att data kan extraheras från en karta på sätt som är omöjliga. I befintligt arbete är detta sällsynt.
En tredje insikt, specifikt angående utforskning, kommer från att bryta ner typiska antaganden och förenklingar som generellt tillämpas för att göra problemet löst. Vi visar att problemet ofta formaliseras så att det leder till onödigt girigt beteende, där den förväntade informationsvinsten har för hög prioritet. Vi visar inte bara att vi med en mer generell formalisering kan nå bättre resultat utan också att informationsvinsten inte är viktig ur ett långsiktigt perspektiv.
I denna avhandling presenterar vi ett kartläggningsramverk samt ett utforskningsramverk. Med dessa ramverk visar vi att flexibilitet och skalbarhet inte nödvändigtvis behöver ske på bekostnad av effektivitet. Vi bidrar med kartläggningsramverket, UFOMap, och utforkninsramverket, UFOExplorer, öppen källkod till samhället så att andra kan utveckla och bygga vidare på dem.