MACP4Log Mobile, autonomous and cooperating robotic platforms for supervision and monitoring of large logistic surfaces

Transcript

1 MACP4Log Mobile, autonomous and cooperating robotic platforms for supervision and monitoring of large logistic surfaces Robotics Research Group Politecnico di Torino ERXA s.r.l. Istituto Superiore Mario Boella 1

2 Caratteristiche del progetto Progetto triennale ( , prorogato all Aprile 2011) cofinanziato dalla Regione Piemonte nell ambito del Bando regionale per la ricerca industriale e lo sviluppo precompetitivo per l anno 2006 Costo totale del progetto: , ripartito fra i partner al 60% (POLITO), 30% (ERXA) e 10% (ISMB) Quota minima del 10% da destinare a contratti/assegni di ricerca per giovani ricercatori (età non superiore a 32 anni) 2

3 Obiettivi del progetto Studio e sviluppo di una piattaforma robotica mobile, dotata di sensori e di sistemi di visione e di comunicazione wireless, in grado di muoversi autonomamente in larghi spazi logistici, e di comunicare con un supervisore e con altre piattaforme robotiche simili, al fine di compiere specifici compiti in modo coordinato, quali Costruzione ed aggiornamento di mappe degli spazi logistici Azioni di monitoraggio e di sorveglianza Individuazione sulla mappa di specifici oggetti ed elementi 3

4 Compiti dei partner Robotics Research Group Politecnico di Torino: Robotica mobile, integrazione di sensori ed attuatori Localizzazione, mapping, SLAM ed esplorazione coordinati per una squadra di robot Collaborazione con i partner per lo sviluppo di algoritmi per la visione e della piattaforma di comunicazione wireless ERXA s.r.l.: Aspetti di software engineering Definizione ed integrazione di algoritmi per la visione Istituto Superiore Mario Boella : Aspetti di analisi dei segnali e comunicazione wireless Configurazione e sviluppo della rete wireless per il coordinamento della squadra di robot mobili 4

5 La squadra di robot Tre Pioneer P3 DX dotati di Sensori di prossimità: sonar e laser range finder SICK LMS200 Sensori di visione: videocamere pan tilt, telecamera omnidirezionale Trasmettitori e ricevitori wireless Netbook Riconoscimento dei robot attraverso codice a barre (sono allo studio altre soluzioni basate su led) 5

6 Localizzazione cooperativa multirobot in ambienti altamente simmetrici Le aree logistiche presentano spesso caratteristiche di alta simmetria (rete di corridoi paralleli), che in assenza di riferimenti assoluti (GPS, landmark specifici) e/o della conoscenza della posizione iniziale dei robot rendono critica una loro rapida e corretta localizzazione 6

7 Sono stati sviluppati algoritmi di localizzazione cooperativa a più stati, basati sull utilizzo di particle filters Nello stato Undecided possono coesistere più ipotesi di posizione altamente probabili determinate dalla simmetria Le informazioni sulle poche asimmetrie dell ambiente vengono rapidamente diffuse grazie alla trasmissione delle stime reciproche delle posizioni dei robot Localizzazione rispetto alla mappa a partire da posizione ignota Global localization Undecided Position tracking Stima ricorsiva della posa del robot svolgimento compiti [1] F. Abrate, B. Bona, M. Indri, S. Rosa, F. Tibaldi, Switching Multirobot Collaborative Localization in Symmetrical Environments, IROS 2008, 2nd Workshop on Planning,Perception and Navigation for intelligent Vehicles, 94 99, 2008 [2] F. Abrate, B. Bona, M. Indri, S. Rosa, F. Tibaldi, Three State Multirobot Collaborative Localization in Symmetrical Environments, 9th Conference on Autonomous Robot Systems and Competitions, Castelo Branco, Portugal, 1 6,

8 Rao Blackwellized Particle Filters (RBPF) Multi Robot SLAM Poiché il progetto non èlegato ad un particolare sito logistico (con assegnate caratteristiche), è fondamentale garantire una buona versatilità delle soluzioni sviluppate dal punto di vista applicativo È stato pertanto affrontato il problema dello SLAM nel caso multi robot per poter operare in ambienti di cui non sia nota la mappa a priori per garantire una buona velocità del processo anche in ambienti molto estesi, grazie alla cooperazione di più robot 8

9 In particolare, l approccio di RBPF SLAM èstato esteso al caso di una squadra di robot, in presenza di limitazioni di banda nelle comunicazioni ed a partire da posizioni iniziali non note dei robot Quando due robot si incontrano, si scambiano i dati (odometria + laser scanner) acquisiti sino a quel momento (dall inizio o dal loro precedente incontro) Una videocamera è utilizzata per stimare la posa relativa dei due robot: tale informazione permette di roto traslare i dati acquisiti nel sistema di riferimento del robot che li ha ricevuti I dati così trasformati sono utilizzati nel processo di SLAM, come se acquisiti seguendo virtualmente a ritroso il percorso effettivamente compiuto dall altro robot 9

10 [3] L. Carlone, M. Kaouk Ng, J. Du, B. Bona, M. Indri, Rao Blackwellized Particle Filters Multi Robot SLAM with Unknown Initial Correspondences and Limited Communication, 2010 IEEE Int. Conf. on Robotics and Automation, , 2010 [4] L. Carlone, M. Kaouk Ng, J. Du, B. Bona, M. Indri, Simultaneous Localization and Mapping using Rao Blackwellized Particle Filters, Journal of Intelligent and Robotic Systems, 2010 (open source on line) 10

11 SLAM ed esplorazione attivi Durante processi di SLAM in ambienti di medio grandi dimensioni, è fondamentale valutare correttamente l incertezza associata alla posizione stimata del robot ed alla mappa in via di costruzione, per agire nel modo più opportuno: Chiudere un anello, tornando in un punto già visitato, per migliorare la qualità della mappa acquisita oppure avanzare verso nuove zone da esplorare? Passare ad una fase di position tracking, considerando la mappa sufficientemente affidabile? Cercare attivamente l incontro con altri robot del team per trarre vantaggio dallo scambio di informazioni? 11

12 È stato dapprima proposto un modello efficiente di valutazione dell incertezza, associata alle stime ottenute nello SLAM applicando i Rao Blackwellized Particle Filters, definendo un parametro di Confidence Level ottenuto dall inversione della tecnica di Kullback Leibler Divergence (KLD) [5] L. Carlone, M. Kaouk Ng, J. Du, B. Bona, M. Indri, Reverse KLD Sampling for Measuring Uncertainty in Rao Blackwellized Particle Filters SLAM, IROS 2009, Workshop on Performance Evaluation and Benchmarking for Next Intelligent Robots and Systems,

13 Sono stati quindi affrontati i problemi di SLAM ed esplorazione attiva con gli RBPF, proponendo un applicazione della KLD per la valutazione dell approssimazione a posteriori ottenuta dallo SLAM Tale metrica èstata impiegata nella definizione di un expected information gain per ogni possibile azione, sulla base del quale il robot può decidere autonomamente se proseguire nell esplorazione o ritornare in luoghi già visitati [6] L. Carlone, M. Kaouk Ng, J. Du, B. Bona, M. Indri, An Application of Kullback Leibler Divergence to Active SLAM and Exploration with Particle Filters, IROS

14 Aggiornamento della mappa in ambienti dinamici In un area logistica l ambiente può essere considerato statico soltanto a breve termine: in condizioni di lunga operatività le merci vengono prelevate, aggiunte o spostate, facendo variare la mappa dell ambiente È stato proposto un approccio alternativo allo SLAM, in grado di rilevare variazioni dell ambiente e generare una mappa locale contenente solo le variazioni persistenti, da fondere con la mappa globale preesistente: la mappa così aggiornata permette di continuare a localizzare correttamente i robot L approccio è stato recentemente esteso al caso multi robot 14

15 Boxes removed Boxes inserted [7] F. Abrate, B. Bona, M. Indri, S. Rosa, F. Tibaldi, Map updating in dynamic environments, ISR/ROBOTIK 2010, Monaco, Germania, 2010 [8] F. Abrate, B. Bona, M. Indri, S. Rosa, F. Tibaldi, Multi Robot Map Updating in Dynamic Environments, DARS 2010, Losanna (CH), 1 3 Novembre

16 Utilizzo di telecamera omnidirezionale per SLAM Un approccio allo SLAM basato sugli RBPF èstato applicato al caso in cui il robot utilizzi soltanto una telecamera omnidirezionale per la stima della mappa 16

17 La fase di predizione èsvolta per mezzo di un accurato algoritmo di odometria visiva, quella di aggiornamento sulla base di una procedura di segmentazione del pavimento, trattando la telecamera in modo del tutto simile ad un laser range finder nei consueti approcci allo SLAM omni Sia in simulazione sia sperimentalmente èstato possibile ottenere una stima consistente della mappa, pur essendo la telecamera un sensore di basso costo rispetto ad un laser range finder laser [9] V. Macchia, S. Rosa, L. Carlone, B. Bona, An Application of Omnidirectional Vision to Grid based SLAM in Indoor Environments, ICRA 2010 Workshop on Omnidirectional Robot Vision,

18 Risultati dalla collaborazione POLITO ISMB Localizzazione ibrida WiFi Particle Filters Per velocizzare il processo di localizzazione in ambienti estesi, è possibile integrare gli algoritmi utilizzanti i Particle Filters con tecniche basate sul WiFi si costruisce una radio mappa dell ambiente, basata sul Received Signal Strength (RSS) si imposta il problema della localizzazione come un problema di ottimizzazione, da risolvere invertendo la funzione di RSS [9] D. Brevi, F. Fileppo, R. Scopigno, F. Abrate, B. Bona, S. Rosa, F. Tibaldi, Hybrid Localization Solutions for Robotic Logistic Applications, 2009 IEEE Int. Conf. on Technologies for Practical Robot Application, ,

19 Altri temi di ricerca e lavori in corso Path planning Path planning locale e globale Rilevazione di intrusi Rilevazione e tracking con il laser scanner Rilevazione con videocamera Allocazione dei task Preparazione di una prova sperimentale generale in un ambiente logistico indoor o similare (già effettuate prove outdoor presso il car deck della Ignazio Messina & C. S.p.A. a Genova nell Ottobre 2009) 19

20 Sito web e contatti Informazioni dettagliate ed aggiornate (inclusi alcuni video) sono disponibili in rete all indirizzo: Contatti: Basilio Bona Coordinatore(basilio.bona@polito.it) Marina Indri Coordinatore vicario (marina.indri@polito.it) 20