FenixEdu™

Dissertação

Navigation and guidance strategy online planning and execution for autonomous UAV EVALUATED

Detalhes: O planeamento eficiente de trajetórias de Veículos Aéreos Não Tripulados (VANTs) autónomos em ambientes estocásticos é um problema de tomada de decisões desafiante. Recentemente, Processos de Decisão de Markov com Observação Mista (MOMDPs) foram propostos para o resolver, reduzindo o esforço computacional. Neste trabalho, um problema de planeamento da trajetória mais curta em ambiente estocástico parcialmente observável (PO-SSP) é modelado como um MOMDP. O modelo resultante permite ao planeador lidar a priori com a disponibilidade probabilística do sensor e a propagação de erros de execução da trajetória, que dependem da solução de navegação e guiamento usada. Esta abordagem resulta num problema pesado e complexo a ser resolvido. Para o enfrentar, é utilizada uma variante orientada a objetivos do Partially Observable Monte-Carlo Planning (POMCP), um dos algoritmos de pesquisa em árvore mais rápidos para ambientes parcialmente observáveis em tempo real. Este usa Upper Confidence Bounds (UCB1) como estratégia de seleção da ação, a qual depende de uma constante tipicamente ajustada manualmente que requer uma pesquisa exaustiva para encontrar o valor mais adequado. Esta pesquisa exaustiva aplicada num problema tão complexo como este pode consumir muito tempo. Assim, são propostos coeficientes dinâmicos como primeira contribuição desta dissertação. A segunda contribuição passa por incorporar esta solução de navegação e guiamento numa arquitetura de planeamento e execução em simultâneo. A estrutura resultante fornece soluções estritamente anytime, enquanto explora o tempo de execução da ação para antecipar estados futuros, minimizando a duração total da missão. Simulações realizadas em Gazebo permitem avaliar o desempenho desta estrutura.
Keywords: Planeamento de Trajetórias sob Incerteza, Estratégia de Navegação e Guiamento, MOMDP, Planeamento e Execução em simultâneo

Discussão: novembro 20, 2019, 14:0