Robotics and Biology Laboratory

Exploiting Structure: A Guided Approach To Sampling-Based Robot Motion Planning

Image

Promotionsausschuss

Prof. Dr. Oliver Brock
Prof. Dr. Andrew McCallum
Prof. Dr. Andrew Barto
Prof. Dr. Richard E.A. van Emmerik

Brendan Burns

Titel: Exploiting Structure: A Guided Approach to Sampling-Based Robot Motion Planning

Zusammenfassung:

Roboter beeinflussen bereits die Art und Weise, wie wir unsere Welt verstehen und unser Leben leben. Ihre Wirkung und ihr Einsatz sind jedoch durch die Fähigkeiten, die sie besitzen, begrenzt. Den derzeit eingesetzten autonomen Robotern mangelt es an den Manipulationsfähigkeiten, über die der Mensch verfügt. Um allgemeine Autonomie und Anwendbarkeit in der realen Welt zu erreichen, müssen Roboter über solche Fähigkeiten verfügen.
Autonome Manipulation erfordert Algorithmen, die schnell und zuverlässig kollisionsfreie Bewegungen für Roboterglieder mit vielen Freiheitsgraden berechnen. Leider gibt es derzeit keine geeigneten Algorithmen für diese Aufgabe. Es gibt jedoch viele Dimensionen der Planungsaufgabe in der realen Welt, die weitere Forschung erfordern. Ein zentrales Problem der zuverlässigen Planung in der realen Welt besteht darin, dass die Planer sich auf unvollständige und ungenaue Informationen über die Welt, in der sie planen, verlassen müssen. Das Problem der Bewegungsplanung hat eine exponentielle Komplexität in Bezug auf die Freiheitsgrade des Roboters. Daher verwenden die erfolgreichsten Planungsalgorithmen unvollständige Informationen, die durch Stichproben aus einer Teilmenge aller möglichen Bewegungen gewonnen werden. Darüber hinaus erhalten Roboter in der realen Welt im Allgemeinen Informationen über den Zustand ihrer Umgebung durch Laser, Kameras und andere Sensoren. Die von diesen Sensoren erhaltenen Informationen enthalten Rauschen und Fehler. Daher sind die unvollständigen Informationen des Planers über die Welt möglicherweise auch ungenau. Trotz dieser begrenzten Informationen muss ein Planer in der Lage sein, schnell kollisionsfreie Bewegungen zu generieren, um autonome Universalroboter zu unterstützen. In dieser Arbeit wird ein neuer nutzungsgeführter Rahmen für die Bewegungsplanung vorgeschlagen, der zuverlässig kollisionsfreie Bewegungen mit der für die Planung in der realen Welt erforderlichen Effizienz berechnen kann. Der nutzungsgeleitete Ansatz beginnt mit der Beobachtung, dass es eine Regelmäßigkeit im Raum der möglichen Bewegungen gibt, die einem Roboter zur Verfügung stehen. Außerdem sind bestimmte Bewegungen für die Berechnung kollisionsfreier Pfade wichtiger als andere. Zusammen bilden diese Beobachtungen eine Struktur im Raum der möglichen Bewegungen des Roboters. Diese Struktur dient dem Planer als Leitfaden für die Erkundung der möglichen Bewegungen. Da ein vollständiges Verständnis dieser Struktur rechnerisch nicht machbar ist, entwickelt das nutzungsgeführte System schrittweise ein Näherungsmodell, das durch frühere Erkundungen entdeckt wurde. Dieses vii Modell der Struktur wird verwendet, um Erkundungen auszuwählen, die für den Planer von maximalem Nutzen sind. Die von jeder Erkundung gelieferten Informationen verbessern die Approximation des Planers. Der Prozess der inkrementellen Verbesserung und der weiteren geführten Erkundung wiederholt sich, bis ein adäquates Modell des Konfigurationsraums erstellt ist. Durch die Entdeckung und Ausnutzung von Strukturen im Konfigurationsraum eines Roboters kann ein nutzungsgeführter Planer die für die reale Bewegungsplanung erforderliche Leistung und Zuverlässigkeit erreichen.
In dieser Arbeit werden Anwendungen der nutzungsgesteuerten Bewegungsplanung für die Roadmap- und die Random-Tree-Bewegungsplanung mit mehreren Abfragen beschrieben. Darüber hinaus wird der nutzungsgeleitete Rahmen erweitert, um einen Planer zu entwickeln, der trotz Ungenauigkeiten in der Wahrnehmung der Umgebung erfolgreich planen kann und weitere Erfassungen anleitet, um die Unsicherheit zu reduzieren und den Nutzen des Pfades maximal zu verbessern.

Februar 2011