Positionierung mit GIS, Seminarvortrag zur Lehrveranstaltung GIS IV Titel Positionierung mit GIS, Mobile GIS Roboter Navigation - das Rhino-Projekt Seminarvortrag zur Lehrveranstaltung GIS IV von Bettina Klodner

Übersicht Was ist Rhino? Datenermittlung Positionsbestimmung Grid-Based and Topological Maps Movie: Minerva in Aktion

Was ist Rhino? Rhino ist ein mobiler Roboter Typ B21 Hersteller: Real World Interface Inc. Ausrüstung: 24 Schallsensoren 56 Infrarotsensoren 24 Tastsensoren Wheel Encoders Dualfarbkamera 2 Onboardcomputer Was ist Rhino 1994 war Rhino der Einstieg der Universität Bonn beim AAAI „mobile robot Wettbewerb“ (American Association for Artifical Intelligence) 1997 wurde Rhino als Museumsführer für das Deutsche Museum in Bonn entwickelt

Überblick Wie arbeitet Rhino? Die Software ist aus einer Sammlung von verschiedenen Modulen zusammengesetzt Sie ist in eine dezentralisierte asynchrone Softwarearchitektur eingebettet Überblick Fundamentale Module Task Planing Collision Avoidance Map Acquisition and Motion Planing Localization Robot Learning

Überblick Task Planing Sorgfältige Planung in abstraktem oder aufgabenorientiertem Niveau unter Berücksichtigung von vorhandener Zeit Auswahl der Ausstellungsgegenstände auf der Tour Planung des kürzesten Weges, der alle Punkte abdeckt Überblick

Trajectory chosen by RHINO Überblick Einsatz von dynamic window approach zur Vermeidung von Kollisionen: Reduktion des Suchfensters auf das Dynamische, welches von der erreichbaren Geschwindigkeit innerhalb eines kurzen Zeitintervalls abhängt Bestimmung der Kurve, in der der Roboter sicher halten kann Collision Avoidance Überblick Trajectory chosen by RHINO

Überblick Map Acquisition Fähigkeit, auf Sensordaten basierende Karten aufzubauen Interpretiert Sensorablesungen im neuralen Netzwerk aus Karten werden topologische Graphen entwickelt, die die Umgebung abstrakt und kompakt beschreiben basiert auf Messwertwiederholungen Fortpflanzen der Werte in der Karte um den Pfad des geringsten Aufwands zu finden Überblick Motion Planing

Überblick Localization ist notwendig um Aufgaben sicher und zuverlässig durchzuführen wendet die kürzlich entwickelte „position and probability grid approach“ an Bestimmung der Positionswahrscheinlichkeits- dichtefunktion durch wiederholten Abgleich zwischen Sensordaten und einem Modell der Umgebung Localization Überblick

Überblick Robot Learning Fundamentales Interesse: Wie können wir Roboter entwickeln, die die Fähigkeit besitzen, sich selbst zu verbessern? Robot Learning Überblick

Datenerfassung Datenerfassung

Datenerfassung Schallsensoren die Messung erfolgt drei mal pro Sekunde bei jeder Messung wird die Entfernung zu Objekten in der Umgebung geschätzt Schallsensoren Datenerfassung

Datenerfassung Fehlerhafte Datenerfassung Bei langgestreckten Objekten wird die Flanke und nicht die Mittellinie der Welle reflektiert: Radialer Fehler Daraus resultieren Fehler größer als 0.33 m Datenerfassung

Datenerfassung Fehlerhafte Datenerfassung Reflektionsfehler tritt auf, wenn der Einfallwinkel größer als der Reflektionswinkel des reflektierenden Strahls ist Trifft der Stahl außerhalb des Reflektionswinkels auf, wird er vom Sensor weg reflektiert und so ein unrealistisch langer Schallstrahl produziert. Er scheint offenbar die Wand zu durchdringen. Datenerfassung

Datenerfassung Infrarotsensoren die Messung erfolgt 10 mal pro Sekunde Nachweis von Hindernissen durch Senden von Licht und Bestimmung der Intensität des reflektierten Strahls der Reflektionswert hängt sehr stark von der Farbe des erkannten Objekts ab (Glas, Schwarz) Infrarotsensoren Datenerfassung

Datenerfassung Tastsensoren bei Druck wird dies als Sensordaten registriert (durch einen Zusammenstoß mit einem Hindernis) Datenerfassung verfolgen die Umdrehung der Räder bei kurzen Distanzen ist die Messung fehlerfrei Fehler werden durch die Beschaffenheit des Untergrunds beeinflusst: rutschiger Boden, Teppich Wheel Encoders

Positionsermittlung „Position probability grid approach“ zur Bestimmung von Position und Orientierung in einem metrischen Model der Umgebung unabhängig von einem Startpunkt Bayesian approach basierend auf certainty grids für jede Zelle wird die Wahrscheinlichkeit, daß sie zur momentanen Position des Roboters gehört, bestimmt Positionsermittlung

Positionsermittlung Arten der Positionsbestimmung abhängig von bekanntem Startpunkt Lösung liegt in der Korrektur von angehäuften Koppelnavigationsfehlern (Ungenauigkeiten der Wheel Encoders, Nachlassen) unabhängig von einem Startpunkt nach einschalten des Roboters soll er sich selber in seiner Umgebung lokalisieren können die Fähigkeit nach einem Positionsverlust, diese neu zu bestimmen, soll gewährleistet sein 1. Relative Positionsbestimmung Positionsermittlung 2. Absolute Positionsbestimmung

Positionsermittlung Vorraussetzungen an die Methode 1. Sie soll mit unsicheren Informationen umgehen können Ungenauigkeit der Sensoren Ungenauigkeit des Models der Umgebung 2. Sie soll mit Mehrdeutigkeiten umgehen können ähnliche Orte können durch eine Einzelmessung nicht eindeutig erkannt werden 3. Sie soll verschiedene Sensordaten miteinander verknüpfen können notwendig, um Mehrdeutigkeiten aufzulösen Vorraussetzungen an die Methode Positionsermittlung

Positionsermittlung betrachte jede Zelle in P als möglichen Standpunkt P rechteckiges Wahrscheinlichkeitsgitter x momentane Position des Roboters x‘ Position im Wahrscheinlichkeitsgitter t verstrichene Zeit t Weg des Roboters Bewegung des Roboters Positionsermittlung betrachte jede Zelle in P als möglichen Standpunkt bestimme für jedes Paar x, x‘ die Zustands- übergangswahrscheinlichkeit, die vom zurück- gelegten Weg des Roboters und der vergangenen Zeit seit der letzten Messung abhängt

Positionsermittlung Positionsbestimmung in einer typischen Umgebung Geg.: Anfangspunkt Endpunkt Weg Gem.: 12 Sonarmessungen Alle möglichen Pfade werden in der Karte eingetragen Positionsermittlung

Positionsermittlung Positionsbestimmung in einer typischen Umgebung WS nach 1. Schritt WS nach 2. Schritt

Positionsermittlung Positionsbestimmung in einer typischen Umgebung WS nach 4. Schritt WS nach 12. Schritt

Positionsermittlung Positionsbestimmung in einer typischen Umgebung Nach 12 Schritten sind alle Mehrdeutigkeiten beseitigt daraus resultiert ein einziger Pik mit der Wahrscheinlichkeit 0.26 als Endpunkt hierbei handelt es sich tatsächlich um die korrekte Position des Roboters

Grid–Based and Topological Maps diskretes 2D Wahrscheinlichkeitsgitter Sensordaten müssen in Wahrscheinlichkeitswerte für jede Zelle transformiert werden Grid–Based Maps Grid –Based and Topological Maps

Grid–Based and Topological Maps werden aus grid-based maps entwickelt Übereinstimmung der Karten Freiraum wird in kleinere Regionen unterteilt, die durch kritische Linien getrennt werden die zerteilte Karte wird in einen Graph gleicher Form umgewandelt sind abstrakte Repräsentationen für metrische Karten Planungen sind mehr als dreimal effizienter während der Performanceverlust nur 1.82% beträgt Topological Maps Grid –Based and Topological Maps

Grid –Based and Topological Maps Entwicklung von Topological Maps aus Grid –based Maps Grid –based Map Grid –Based and Topological Maps Topological Map

Grid–Based and Topological Maps Vergleich von Topological Maps und Grid–based Maps Grid-based approaches + Konstruktion, Darstellung und Speicherung einfach + geometrische Ortserkennung ist eindeutig und vom Blickpunkt unabhängig + Ermittlung kürzester Pfade möglich - Planung ineffizient - Speicherbedarf zu groß - genaue Positionsbestimmung des Roboters notwendig Grid –Based and Topological Maps

Grid –Based and Topological Maps Vergleich von Topological Maps und Grid –based Maps Topological approaches + Planung effizient + Speicherbedarf gering + genaue Positionsbestimmung des Roboters nicht notwendig - Konstruktion und Speicherung in großer Umgebung schwierig - geometrische Ortserkennung ist nicht eindeutig und vom Blickpunkt abhängig - ergibt nicht immer die optimalen Pfade Grid –Based and Topological Maps

Movie: Minerva in Aktion http://www.cs.washington.edu/homes/fox/ http://www.informatik.uni-freiburg.de/~burgard/

Vielen Dank für Ihre Aufmerksamkeit! Ende Vielen Dank für Ihre Aufmerksamkeit! Hat jemand eine Frage?