Einführung in die Robotik

Transkript

1 Einführung in die Robotik Vorlesung 10 5 Februar 008 Dr. Mohamed Oubbati Institut für Neuroinformatik WS 007/008

2 Heutiges Thema: Navigation

3 Navigation Wie bewege ich mich sinnvoll in meiner Umgebung? Hindernisse Roboter Das Ziel

4 Navigation 3 Fragen müssen beantwort werden: 1. Wo bin ich? (Self localization). Wohin soll ich gehen? (Task Planing) 3. Wie komme ich dahin? (Path Planing)

5 Selbstlokalisierung Selbstlokalisierung eines autonomen mobilen Roboters bezieht sich auf die Frage Wo bin ich?. Ohne die Beantwortung dieser Frage kann die Wegplanung und die sich anschließende Fahrt nicht durchgeführt werden.

6 Selbstlokalisierung Problemstellung Bestimmung der eigenen Position und Orientierung in einer Umgebung. Voraussetzungen - die Umgebung ist bekannt (es existiert eine Karte) - der Roboter verfügt über Sensoren zur Positionsbestimmung Problem Die Lokalisierung ist schwierig, weil ein Roboter mit unsicheren Sensor-Daten agieren soll.

7 Selbstlokalisation Aufgrund von Sensor-Daten wird die Position eines Roboters in einer Umgebung ermittelt. Erfassende Sensordaten Lokalisierung

8 Selbstlokalisation Selbstlokalisierung absolute Positionierung Beobachtung Position relative Positionierung Beobachtung + alte Pos. Position

9 Selbstlokalisierung Methoden Folgende Methoden werden in dieser Vorlesung untersucht: relative Lokalisierung (Bewegungsdaten und die Startposition bekannt) - Odometrie - Trägheitsnavigation absolute Lokalisierung (hierzu nutzt man künstliche / natürliche Landmarken ) - Trilateration

10 Selbstlokalisierung Odometrie bei der Wüstenameise Wie findet eine Wüstenameise ihren Weg nach Wanderungen von hunderten von Metern zum Nest zurück? Sie zählt ihre Schritte! ( Nachgewiesen von Neurobiologen an der Universität Ulm und der Universität Zürich) Der Entfernungsmesser bei der Wüstenameise funktioniert also als Schrittintegrator.

11 Selbstlokalisierung relative Positionierung Odometrie Relative Positionierung mittels Beobachtung der Antriebsräder Alte Roboterposition Odometrische Gleichungen Neue Roboterposition Encoderticks

12 Selbstlokalisation relative Positionierung Odometrie Aus der gegebenen Steuervariablen (Translations- und Rotations Geschwindigkeiten v und ω) soll die Position des mobilen Roboters bestimmt werden. Y y θ θ ( t ) = w ( τ ) d τ + θ t x ( t ) = v cos θ ( τ ) d τ + 0 t y ( t ) = v sin θ ( τ ) d τ + 0 t 0 0 y x 0 0 x X

13 Selbstlokalisation Δt w i w i1 θ i1 Numerische Integration der Bewegungsgleichungen i i t θ θ = ) ( (Trapezregel) t v v x x i i i i i i Δ + + cos cos θ θ t v v y y i i i i i i Δ + + sin 1 sin 1 1 θ θ t w w i i i i Δ θ θ Odometrie relative Positionierung

14 Selbstlokalisation relative Positionierung Sources of error of the odometrie Odometrie Example of deterministic errors - Unequal wheel diameters. - Misalignment of wheels. - Finite encoder resolution. - Finite encoder sampling rate. Example of Non-deterministic errors -Travel over uneven floors. - Wheel-slippage due to: - slippery floors. - over acceleration. -fast turning. - external forces.

15 Selbstlokalisation relative Positionierung Odometrie billig, da keine Zusatzhardware nötig ist. genau auf geringen Distanzen. Orientierungsfehler führen zu seitlichen Abweichungen. Wachsende Positionsunsicherheit durch Addition neuer Positionsfehler beim Bewegen.

16 Selbstlokalisation relative Positionierung Trägheitsnavigation Die Trägheitsnavigation (engl.: inertial navigation) erfolgt über kontinuierliche Messung von der Beschleunigung. Diese wird über die Zeit integriert um die Geschwindigkeit zu ergeben. Es wird dann die Ausrichtung, und die Position berechnet, aber immer vorausgesetzt, dass die Startposition bekannt ist. Dies Messungen werden mit Gyroskope realisiert.

17 Selbstlokalisation Absolute Positionierung anhand von Landmarken Prinzip Verwendung natürlicher oder künstlicher Landmarken mit bekannter Position im Weltmodell. Ein Merkmal soll folgenden Eigenschaften haben: - gute Wahrnehmbarkeit. - Informationsgehalt (Häufigkeit, Eindeutigkeit). - Bekannte Position im Weltmodell. - Relative Position bestimmbar (Entfernung, Winkel)

18 Selbstlokalisation Absolute Positionierung anhand von Landmarken Arten von Landmarken Natürliche Landmarken Bäume, Bürotüren, Ecken, Säulen, Deckenbeleuchtung, Wände, künstliche Landmarken Die sind für Navigationszwecke installiert.laserscan-reflektoren, Lichtquellen, GPS,

19 Selbstlokalisation Ablauf zur Selbstlokalisierung anhand von Landmarken Sensordaten auslesen Relativen Positionen von Landmarken bestimmen Korrespondenz zwischen gefundenen LM und Weltmodel Eigene Position im Weltmodel bestimmen

20 Selbstlokalisation Absolute Positionierung anhand von Landmarken Trilateration Die Position wird durch Entfernungsmessung zu bekannten Landmarken bestimmt. Hierzu sind drei oder mehr Landmarken zu identifizieren (L1, L, L3). Y (x1,y1) L1 L3 (x3,y3) y L (x,y) x X

21 Selbstlokalisation Absolute Positionierung anhand von Landmarken Trilateration ( ) ( ) i i i L y y x x = + i=1,,3 ( ) ( ) ( ) ( ) ( ) ( ) = y y x x L L y y x x L L y x y y x x y y x x siehe die Tafel! After some simplifications

22 Selbstlokalisation Trilateration Beispiel: GPS - Global Positioning System Vollständige Bezeichnung: NAVSTAR-GPS Navigation Satellite Timing and Ranging Global Positioning System Beim GPS werden Satelliten als Aktive künstliche Landmarken betrachtet Mit dem GPS erfolgt die Positionsbestimmung durch Trilateration, also durch Entfernungsmessung zu den Satelliten. Deshalb mindestens drei (sichtbare) Satelliten sind notwendig.

23 Selbstlokalisation Beispiel: GPS - Global Positioning System Trilateration Durch Messung der Zeitverschiebung werden Entfernungen zu mindestens 3 Satelliten bestimmt. - Es gibt 7 aktive Satelliten auf verschiedenen Bahnen. - Höhe: 19,300 km - Für die Sykronistation mit der Basisstation auf der Erde besitzt jeder Satellit bis zu 4 Atomuhren.

24 Selbstlokalisation Trilateration Beispiel: GPS - Global Positioning System - absolute Lokalisierung - hohe Präzision - geringe Berechnungszeiten - Nur Außerhalb von Gebäuden - Interferenzen (Radar, Amateurfunker)

25 Selbstlokalisation Übersicht Selbstlokalisierung absolute relative natürliche Landmarken künstliche Landmarken Odometrie Trägheitsnavigation Aktive (GPS, Licht, ) Passive (Tür, Wand, )

26 Lokale vs. Globale Navigation Lokale Navigation Navigation in der nahen Umgebung des Roboters (Sensorreichweite). z.b. Erreichen eines nahen Zielpunktes, Korridor-Folgen, Kollisionsvermeidung etc. (reaktive Navigation: z.b Potential Fields) Globale Navigation z.b optimaler Wege plannen, und Umwegen & Sackgassen vermeiden. (deliberative Navigation) Optimalitätskriterien - Kollisionsfreiheit. - Minimale Länge des Pfades. - Minimale Fahrzeit - Minimale Rotationen des Roboters. - Minimale Rechenzeit zur Wegbestimmung

27 Navigation Steuerungsarchitekturen - deliberative Architektur - reaktive Architektur

28 Navigation Deliberative Architektur Die deliberative Architektur (eng. deliberate) ist die älteste Steuerungsarchtiktur für mobile Roboter. Dabei werden die Einheiten des Roboters hierarchisch angeordnet. Welt Sensoren Plan Aktoren Welt Sense-Plan-Act Wahrnehmung, Planung und Handlung.

29 Navigation Deliberative Architektur Sense-Plan-Act Welt Sensoren Sensordaten erfassen 1. Aus den Sensordaten wird ein Weltmodell erstellt.. Aus dem Weltmodell können jederzeit wieder Informationen, wie Entfernungen von Objekten, abgerufen werden. 3. plan ist dafür zuständig, Lösungswege für Aufgaben zu finden. Er ist von der Qualität des Weltmodells total abhängig. Weltmodel Planen Agieren Aktoren Welt 4. Der fertige Plan wird danach zur Ausführung in der Hierarchie nach unten geleitet.

30 Navigation Deliberative Architektur Auf der Grundlage des Weltmodells können optimale Lösungen gefunden werden Alle Module sind voneinander abhängig (wenn ein Module ausfällt, das gesamte System fällt aus) Veränderungen der Umgebung erfordern Anpassung des Weltmodells.

31 Navigation Reaktive Architektur Hier reagiert der Roboter direkt auf seine Wahrnehmung. ein kompletter Verzicht auf das Welt-Modell

32 Navigation Reaktive Architektur (Behavior-based) (Brooks, MIT Lab 1986) PLAN SENSE ACT SENSE-ACT couplings are called behaviors SENSE ACT Behaviors are independent, and run in parallel SENSE ACT

33 Navigation Reaktive Architektur Behavior-based Robotics Einfache reactive behaviors können ein komplexes Behavior erzeugen. Welt Sensoren Sensordaten erfassen Hindernis vermeiden Zielanfahren Objekterkennen Verhaltensfusion Aktoren Welt

34 Navigation Reaktive Architektur Behavior-based Robotics Subsumtion Architektur (Rodney Brooks, MIT 1986) Das Ziel der Subsumtion Architektur besteht darin verschiedene Verhalten parallel auszuführen. Prinzip anhand eines Beispiels Der Roboter in diesem Beispiel soll folgendes können: er soll nicht mit Gegenständen kollidieren er soll wenn er bei einer Kollision flüchten er soll bei leerer Batterie zur Ladestation fahren Als Ausstattung hat er folgende Sensoren zur Verfügung: 1 Ultraschallsensor zum Entdecken von Hindernissen. 1 Infrarotsensor um die Ladestation zu finden, die mit einem Infrarotsender ausgestattet ist. 1 Bumper 1 Batterie-Sensor.

35 Navigation Subsumtion Architektur Ultraschall Avoid Fahren Motors Das Verhalten Avoid : Wenn ein Hindernis nah ist, Stop und dann mit 90 Grad umdrehen.

36 Navigation Subsumtion Architektur Bumper Escape Ultraschall Avoid Coordinator Fahren Motors Wird eine Kollision festgestellt, reagiert das Verhalten Escape wie folgendes: Stop, etwas Rückwärtsfahren, und dann 90 Grad umdrehen.

37 Navigation Subsumtion Architektur Bumper Batterie- Sensor IR-Sensor Escape Dock Coordination Techniques - Fixed priority -Fusion -Vote Ultraschall Avoid Coordinator Fahren Motors Das zweite Verhalten Dock dient dem Zweck den Roboter zu einer Ladestation zu bewegen, wenn die Batterien fast leer sind. Wenn Dock aktiviert ist, errechnet es Motorbefehle um den Roboter zu Ladestation zu bewegen und ihn dort andocken zu lassen. Zudem soll er weiterhin allen Hindernissen mit Ausnahme der Ladestation ausweicht.

38 Navigation Reaktive Architektur kein Weltmodell ist notwendig Einfacher Entwurf und Implementierung, da jede Ebene für sich betrachtet werden kann. Robust: die Ebenen sind voneinander unabhängig. Das System kann mit mehrfachen, auch konkurrierenden Zielsetzungen umgehen. Pläne und Optimierungen sind schwer zu implementieren

39 Navigation Hybride Architektur (Reaktive/Deliberative) Eine Kombination aus reaktive und deliberative Ansatz stellt die Hybride Architektur dar. Dadurch können die einzelnen Vorteile beider Architekturen genutzt werden. Reaktive Handlungen werden z.b für die Hindernissevermeidung eingesetzt. Soll der Roboter zusätzlich ein langfristiges Ziel verfolgen, kommt die deliberative Steuerung und Planung ins Spiel.

40 Navigation Hybride Architektur (Reaktive/Deliberative) Durch die reaktive Handlungsweise reagiert der Roboter schnell, kann aber auch längerfristige Ziele verfolgen. Wie alle Hybrid-Lösungen kann es leicht zu Konflikten kommen, z.b. dass Nachteile beider Lösungen sich vereinen.

41 Navigation Kartenerstellung (Mapping) Problemstellung Erstellung einer Karte der physikalischen Umgebung Voraussetzungen Position und Orientierung des Roboters sind bekannt. Schwierigkeiten - Sensorsignale sind verrauscht - Repräsentation der Karte - Speicherplatzbedarf/Rechenaufwand - veränderliche Umgebungen

42 Navigation Kartenerstellung (Mapping) Geometrische Karten Gittermodell mit euklidischen Koordinaten Prinzip Belegungsgitter (occupancy grid) Pixelwert zeigt Hindernis. Pixelwert: - belegt, -frei, - unbekannt

43 Navigation Kartenerstellung (Mapping) localized laser data occupancy grid (Paskin & Thrun 005)

44 Navigation Simultaneous Localization and Mapping (SLAM) gleichzeitiger Aufbau einer Karte und Bestimmung der eigenen Position