Topologische Navigation: Der Routengraph Navigation Autonomer Mobiler Systeme WS 07/08 Routen Routengraphen Exemplarisch: Navigation bei verschiedenen Agenten Ontologien anreißen Prof. Dr. Bernd Krieg-Brückner Dr. Bernd Gersdorf Thomas Wolfram, Björn Beckmann

Route Segment Platz gerichtete Kante verbindet 2 Plätze Start und Ziel Eingang, Verlauf, Ausgang Knoten Entscheidungspunkt Position, Ausrichtung Referenzsystem Referenzposition Route: mehrere Routensegmente Segment Eingang: Beschreibt, wie man das Segment betritt Verlauf: Informationen, um der Route folgen zu können (e.g. wall following) Platz Position: Place Repräsentation: relativ oder absolut (Etagen im Hochhaus <-> GPS) refSystem: Umgebung (e.g. Hausnummern, constellation of landmarks) refPosition: Stelle (e.g. konkrete Hausnummer)

Beispiel Route: GW2

betritt GW2 durch Eingang gehe geradeaus auf die Treppe zu drehe Dich rechts, gehe zum nächsten Flur B1400 folge dem Flur bis zur Tür des ersten Raums auf der linken Seite drehe Dich zur Tür, tritt ein

Route Segment Start: Eingangstür GW2 • Eingang: drehe Dich zur Tür • Verlauf: Folge dem Flur bis zur Treppe • Ausgang: Drehe Dich zur Treppe • Ziel: Flur, Ausrichtung zur B1400

Route Segment Start: Flur, Ausrichtung zur Treppe • Eingang: drehe Dich nach rechts • Verlauf: Folge dem Flur bis zum nächsten Korridor • Ausgang: Drehe Dich zum Flur • Ziel: vor dem Korridor, Ausrichtung zum Korridor B1400

Routengraph Vereinigung mehrerer Routen, also ihrer Segmente und Plätze Bedingung: Routen sind Homogen Schwierig: Integrieren von Plätzen Allgemeines Referenzsystem und Referenzposition nötig homogen: segmente sind vom selben typ GRUND: start und ziel sollen sind identisch!!! Place integration: da verschiedene refSys -> verschiedene Plätze, obwohl selber Platz… DARUM: Eingang und Ausgang…

Lagen und Abstraktion Verschiedenartige Routengraphen trennen Beispiel Bahnhof Routenwissen und Übersicht Robotlevel – Userlevel z.b. Bahnhof als Knoten einer Bahnstrecke, aber als eigener Routengraph für Fußgänger…

Transfer Verbindung heterogener Routen Im Bild: Bahnstrecken Fußwege Transfer Segmente

Transfers Segments: Ein Transfer in einem Routengraph von Ebene 8 zu Ebene 3 in einem Bürogebäude

Routenbasierende Navigation bei Tieren Nahrungssuche bei Tieren (Nagetiere, Insekten…) Wanderung bei Tieren (Vögel, Fischen, Meeresschildkröten…) Modell von Poucet (1993) Platz Repräsentation Platz: Ansammlung von verketteten Ansichten Lokales Referenz-System Verbindung von 2 Plätzen Richtung, Distanz Topologisches Netzwerk Verbundenheit der Plätze Reihenfolge Place: durch Bewegung bes. durch Rotation, Wiedererkennung durch versch. Blickwinkel/Richtungen Lokales Referenz System: Multiple Lokale Referenzsysteme, daher Unmöglich direktionale Informationen von einen Platz und einen anderen zu vergleichen nicht alle Verbindungen zwischen den Plätzen müssen vorhanden sein das Wissen über die Richtung von A nach B impliziert nicht das Wissen der Richtung von B nach A In Poucet arbeiten beide Modelle zusammen um neue Routen und Abkürzungen zu finden

Beispiel: Wüstenameise Wege-Integration Homing Vector = Richtungswechsel u. Distanz Angeborener Kompass Fehlervermeidung Richtungsanzeige Für alle Spezies die gleiche Thematik Plätze erkennen Erwartungen aufbauen Navigationsentscheidungen treffen Homing Vector: zeigt genau auf den Nesteingang (Ursprung, Anfangspunkt) würde man die Ameise aussetzen, würde sie dorthin laufen wo das Nest eigentlich wäre Homing Vector = 0 wenn zu Startpunkt erreicht, beim erneuten Aussetzen findet die Ameise dennoch zurück. Wie kommt‘s? Sie erkennt Geländeinformationen und findet dennoch nach Haus, allerdings ist die Route langsamer und ungenauer benutzt visuelle Geländeinformationen wenn sie sich eigentlich in der Nähe des Nestes befinden sollte Angeborener Kompass: Fehlervermeidung, exakte Richtungsanzeige Navigationsentscheidungen müssen am ricthigen Punkt der Route getroffen werden.

Routenbasierende Navigation bei Robotern Ähnlichkeit zwischen „biologischer“ und „künstlicher“ Navigation kein Zufall Unterschiede: Moderne Technologie (Sensoren) Kombination von Sensoren Agenten kennen ihre Umgebung Vier Arten von Navigation Guidance, Place Recognition - Triggered Response, Topological Navigation, Metrical Navigation Durch Evolution robuste Technik Unterschiede: Natur nur wenige bestimmte Sensoren Technology ermöglicht alle Arten von Sensoren und deren Kombination Agenten: Die Umgebung kann auch genau auf ihre Sensoren abgestimmt sein Umgebung auf Agenten zugeschnitten, RoboCup

Guidance Leiten des Agenten bis das sensorische Bild passt handelt um Kriterien zu maximieren Beispiel: Agent fährt entlang einer Wand Sensorische Bild: Ziel oder Umgebung Kriterien: ohne Wissen über die räumliche Umgebung oder der eigenen Position Beispiel: die Entfernung zur Wand bleibt gleich Autonavigation Idee von Insekten

Platzerkennung - ausgelöste Reaktion Wenn Platz erkannt → bestimmte Aktion Hauptproblem: Erkennung des Platzes Ansatz: wahrzunehmender Input Ansatz: Merkpunkte erkennen ‼ Problem: Verschiedene Plätze → ähnlicher Input ‼ Problem: Sensorische Störungen Aktion: bewegen in bestimmte Richtung, Benutzung von Guidance Input: um einen Ort zu bestimmen anhand von Charakteristiken Merkpunkte: Landmarks, Sehenswürdigkeiten 2. Problem: der sensorische Input ist niemals wirklich identisch

Topologische Navigation basierend auf topologischen Netzwerken Erweiterung von „Platzerkennung - ausgelöste Reaktion“ Navigation Elemente: Plätze und deren Verbindungen ‼ Problem: Durch das navigieren keine neuen Plätze keine neuen Verbindungen Agent besitzt Wissen um von einem Platz zum anderen zu gelangen Das Wissen über die Umgebung ist auf das topologische Netzwerk begrenzt

Metrische Navigation keine Unterteilung des Raumes in Plätze Navigation durch Entfernung und Winkel (Euclidean) Karten spezifieren metrische Relationen Sensorische Erfassung, Triangulation grobes Beispiel: Occupancy Grids Vorteile Agent kennt seine Position und deren Beziehung zu anderen Objekten Karten spezifieren metrische Relationen zwischen Objekten in der Umgebung

Routenbasierende Navigation bei Menschen Weg- / Routenbeschreibung, Skizze Startpunkt, Endpunkt, Zwischenpunkte Sehenswürdigkeiten, charakteristische Elemente Sequenz von Plätzen → jeder Platz neuer Entscheidungspunkt Kurs enthält Informationen die dem Folgen des Routensegments ermöglichen Bes. Landmarks und ihre Ausrichtungen Sequenz von Entscheidungen, Wiedererkennen von Plätzen durch Wahrscheinlichkeiten Modelling Navigational Knowledge by Route Graphs

Exkurs: Ontologie Lehre des Seins, Disziplin der theoretischen Philosophie Informatik: “An ontology is an explicit specification of a Conceptualization.” Wissensrepräsentation, Begriffe und Relationen Einsatz: KI Strukturierung, Datenaustausch, bereits bestehende Wissensbestände zusammenzufügen Begriffe/Konzepte hirarich geordnet, Beschreibung von Eigenschaften Next: themenbasiertes Beispiel

Place8210 locatedIn Region8210 und Region8210 covers Office8210 Wir wissen: Place8210: Node_IndoorsK Region8210: Region Office8210: Office Place8210 locatedIn Region8210 und Region8210 covers Office8210 Wissen ableiten: Place8210 containedIn Office8210 Fette Pfeile stellen „ist ein“ Beziehung dar (eine Sub-Klasse) Beispiel: Place8210 ist ein Objekt von Node_IndoorsK…