Towards Safer and Risk-aware Motion Planning and Control for Robotic Systems

QC 20220117

Abstract

Säkerhet och riskmedvetenhet är viktiga egenskaper för robotsystem, oavsett om det är för att skydda dem från potentiellt farliga interna tillstånd eller för att undvika kollisioner med hinder och miljöfaror i katastrofscenarier. Att garantera säkerhete kan vara rollen för mer än ett lager av algoritmer i ett system, var och en med olika antaganden och garantier. Denna avhandling undersöker hur man skapar säkerhet och riskmedvetenhet i ett robotsystem genom att utnyttja tidslogik, algoritmer för rörelseplanering och reglerteori.

Traditionella metoder inom reglerteori tolkar säkerhetsuppgiften för att undvika kollisioner som en `hålla-sig-utom-uppgift'; hinder abstraheras som samlingar av geometriska former, och regulatorer utformas för att undvika varje form individuellt. Vi föreslår att problemet med kollisionsundvikande tolkas som en `hålla-sig-inom-uppgift': utrymmet fritt från hinder abstraheras till säkra regioner. Vi föreslår regulatorer baserade på kontrollbarriärfunktioner som garanterar att systemet förblir inom sådana säkra regioner under hela sitt uppdrag. Våra resultat visar att vår regulator indirekt undviker hinder samtidigt som den ger systemet frihet att röra sig inom de säkra regionerna, utan att det är nödvändigt att planera och följa en viss säker bana. Genom att utöka vår idé med tidslogik med metriska intervall kan vi dessutom hantera uppdrag med explicita tidsgränser.

Tidslogik används ofta för att definiera strikta begränsningar för rörelseplaner för robotsystem. Vissa uppdrag kan dock kräva att systemet bryter mot begränsningar för att göra framsteg. Därför föreslår vi att mjuka upp de strikta begränsningarna vid behov. Sådana följsamma begränsningar, här kallade för rumsliga preferenser, används för att redogöra för relationer mellan systemet och miljön, såsom avstånd från hinder. Den föreslagna minimalt regelbrytande algoritmen för rörelseplanering försöker hitta banor som uppfyller de rumsliga preferenserna så mycket som möjligt, men kränker dem vid behov. Vi demonstrerar användningen av rumsliga preferenser i tredimensionella utforskningsscenarier med obemannade flygfordon, där vi tillhandahåller säkrare banor till systemet samtidigt som vi förbättrar utforskningseffektiviteten.

I den sista delen av avhandlingen tar vi upp säkerheten i scenarier där en exakt modell av miljön inte är tillgänglig. I sådana scenarier krävs att systemet genomför uppdraget samtidigt som risken minimeras, med hänsyn till den oprecisa modellen. Vi utnyttjar Gaussiska processer för att bygga approximativa modeller av miljön och använder deras a posteriori-fördelningar i ett riskmått. Detta riskmått gör att vi kan överväga mindre sannolika men möjliga händelser längs uppdragen. För detta ändamål föreslår vi ett direkt riskmedvetet tillvägagångssätt för planering av rörelser och validerar det i katastrofscenarier där exponering för omodellerade faror kan skada systemet. Dessutom utforskar vi riskmedvetenhet mellan reglering- och kartläggningsskikten genom att använda släta approximationer av euklidiska avståndsfält.

Våra resultat indikerar att våra algoritmer förser robotiksystem med i) bevisligen säkra regulatorer, ii) följsamma säkerhetsbegränsningar och iii) riskmedvetenhet i omodellerade miljöer. Dessa tre egenskaper bidrar till säkrare och mer riskmedvetna robotsystem i den verkliga världen.

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-307094