FenixEdu™

Dissertação

MapRRT*: A collision-free sampling-based path planner for unknown shaped objects in unknown environments EVALUATED

Detalhes: Planear o caminho de um objecto num ambiente confinado é um problema já bem estudado, desde que tanto a forma do objeto como o ambiente sejam conhecidos. No entanto, na presença de incerteza em algum deles, o trabalho existente é reduzido. Os métodos clássicos de planeamento sob incerteza (ex. POMDP, iLQG) tornam-se intratáveis, devido à alta dimensionalidade do problema. É proposta um planeador kinodinâmico em amostragem que funciona para mapas desconhecidos, representados como mapas probalisticos em grelha de ocupação. Um use case é utilizado, nomeadamente o movimentar de uma carga, de forma desconhecida, por um robot móvel, num ambiente desconhecido. Dois mapas são utilizados: um anexo à carga, para representar a incerteza da sua forma, e outro anexo ao ambiente, que representa a respetiva incerteza. Assumindo que o robot que transporta a carga não possui observabilidade total sobre ambas, consideramos um segundo robot que as observa, atualizando os respetivos mapas. Uma previsão optimista dos mapas é utilizada (células desconhecidas são vistas como livres), à medida que novas poses dos robots são amostradas. Podendo células desconhecidas ser ocupadas, tanto a carga como os robots apenas se movem em regiões livres. Assim que isto não possa ser garantido, novos caminhos são produzidos. A validação é feita num ambiente simulado em Gazebo, composto por dois robots diferenciais, um sem sensor que transporta a carga, e outro com uma câmara de profundidade para mapear tanto a carga como o ambiente.
Keywords: Planeamento por amostragem com incerteza, Mapeamento em rede de ocupância, Logistíca de robots

Discussão: novembro 24, 2022, 10:30