Optimal local path planning and control for mobile robotics

Abstract

Das autonome Navigieren von mobilen Roboter ist eine komplexe und herausfordernde Aufgabe in der Robotik. Dies gilt insbesondere, wenn man einen Roboter berücksichtigt, der eine allgemeine, nicht triviale Dynamik aufweist, der mit realer, fehlerbehafteter Sensorik ausgestattet ist, der in einer unstrukturierten, möglicherweise sogar dynamischen Umgebung betrieben wird, und der zusätzliche Echtzeit-Systemanforderungen erfüllen soll. Diese Probleme werden in dieser Arbeit mittels einer Moving Horizon Trajektorienplanung (MHTP) behandelt. Dies ist eine Methode, die auf dynamischer Optimierung basiert und mit Themen der Pfadplanung und -regelung verwandt ist. Für solche Methoden ist eine deklarative Formulierung des Optimierungsproblems von grösster Bedeutung, da dies eine prägnante, aussagekräftige und theoretisch beweisbare Beschreibung des Problems ermöglicht. Zugleich stellt dieser Navigationsansatz sicher, dass jegliche mögliche Kollision des Roboters mit seiner Umgebung vermieden wird. Der vorgestellte Ansatz begünstigt hierbei ein breites Einsatzgebiet - von einfachen statischen Umgebungen bis zu komplexen Umgebungsmodellen mit nicht-trivialen Sensoreigenschaften (ermöglichen nur die Erfassung von nicht okkludierten Oberflächen, die sich innerhalb des FOV und der maximalen Messabständen befinden) und Modellen, die beliebige Dynamik und beschränkte Unsicherheit aufweisen. Spezielle Aufmerksamkeit wurde in dieser Arbeit zudem der praktischen Umsetzung gewidmet. Es wird eine effiziente Repräsentation des Optimierungsproblems vorgestellt, die Minimale Parametrische Repräsentation. Nicht-triviale, PDE-induzierte Metriken werden verwendet um eine Kostenfunktion des Optimierungsproblems zu analysieren. Diese zielen auf eine konvexe Formulierung des Problems ab, die es ermöglicht, lokale Minima zu beseitigen und somit zu garantieren, dass der Roboter stets sein Navigationsziel erreicht. Unter Annahme eines asynchronen Systems werden die Methoden mittels Synchronisierungsansätzen und Kopplungsstrategien mit anderen Modulen des Systems wie Zustandsbeobachter und Low-Level Regler implementiert. Die vorgestellten Methoden werden sowohl in simulierten als auch in realen Experimenten unter verschiedenen Umgebungsbedingungen und auf drei verschiedenen autonomen Plattformen (Differentialantrieb, unabhängiger Lenkantrieb, und Rennauto) evaluiert und ausführlich diskutiert.

Autonomous navigation of mobile robots represents a challenging task in the field of robotics. This is especially the case when accounting for generic, non-trivial robot dynamics, unstructured, possibly dynamic environments, realistic sensoric assumptions as well as the real-time computation requirements. The thesis addresses this navigation problem by means of Moving Horizon Trajectory Planning (MHTP), an approach that based on dynamic optimization, lying at the boundary between the topics of path planning and control. In such methods, the declarative formulation of the optimization problem is of great importance, as such formulations are succinct, expressive, posses theoretically provable characteristics and result in powerful behaviours. Moreover, they allow a safety analysis of the navigation approach, resulting in formulations of the navigation strategy that can guarantee that the agent will never collide with the environment. The discussed assumptions regarding the environment characteristics range from the simple known, static environment model up to environment models that assume non-trivial sensoric capabilities (allow sensing only in non-occluded surfaces that are within FOV and aximum sensing distances) as well as possessing arbitrary dynamic models with bounded uncertainty. Special care and focus is given also in the practical implementation of the discussed approaches. To this end, an efficient representation of the relaxed optimization problem is being presented, the minimal parametric representation. Non-trivial, PDE-induced metrics used to encode the cost-function of the optimization problem are analysed, aiming for a convexification of the formulation, with the practical benefits of removing local minima and thus guaranteeing that the agent is always reaching its navigation goal. Moreover, the implementation of such methods is addressed assuming an asynchronous system, presenting synchronization approaches and coupling strategies with the other modules within the system such as state observers and lower-level controllers. Simulated and real-world experimental results are presented on three different autonomous platforms (differential drive, independent wheel steering drive as well as a race car) operating in various environment types, illustrating the quality of the proposed approaches.