Intelligent actuation and resource-efficient localization and navigation of vision-based autonomous robotic systems

Abstract

Robots are most needed in the environments where satellite positioning is unavailable: building interiors, underground workings, pipe networks and disaster sites. In such settings a vehicle must estimate its own pose from onboard sensing alone and plan safe motion without any prior knowledge of the environment. The two problems are coupled. The quality of the pose estimate bounds what can be planned and executed safely, while the structure of the environment determines what observations the estimator has to work with. This dissertation addresses localization and local navigation jointly, across three settings that stress the coupling differently: cluttered indoor spaces containing moving obstacles, outdoor disaster scenarios requiring several coordinated vehicles, and confined pipe interiors that offer almost no visual structure. A survey of SLAM and odometry organized by sensing configuration first establishes the state of the art across six sensor combinations and four maturity tiers, and identifies the open problems the remaining work addresses. A local navigation framework is then developed that couples an incrementally built Euclidean signed distance field with an optimization-based B-spline trajectory replanning, maintaining the map so that it reflects the current rather than the historical position of obstacles, and is validated on aerial and ground vehicles in simulation and on a skid-steering platform. This framework is extended with a velocity-adaptive map whose size and resolution scale with the vehicle's motion state at approximately constant voxel count, combined with an angular-velocity-based lateral offset, and a short-term vicinity memory. Implemented on a differential-drive vehicle developed for this purpose and benchmarked against three state-of-the-art navigation systems, it succeeds in geometrically demanding configurations where search-initialized methods fail in every trial. A further extension coordinates a multi-agent aerial swarm by adding a formation-similarity term based on the normalized graph Laplacian and a reciprocal avoidance term to the cost function of the optimization framework, requiring neither a leader-follower hierarchy nor a global map. Localization is finally addressed in pipe interiors, where the estimator is deprived of usable observations rather than merely inaccurate. Trackable structure is generated actively by depositing non-permanent markings onto the pipe wall. A closed-form analysis of the Fisher information for specific force shows that the information is maximized when the inertial sensor positions satisfy a centroid condition, realized by a uniformly spaced ring. The resulting eigenvalue structure provides greater information along the rotational axis that dominates in-pipe motion, while the optimality result is invariant to known per-sensor orientations. Two conclusions follow. First, a local distance-field representation coupled with optimization-based replanning transfers across platforms, dynamics, and mission structures, with adaptation confined to the cost function. Second, when the environment defeats the available sensing, acting on the environment can be more consequential than further refinement of the estimator.

Τα ρομποτικά οχήματα είναι περισσότερο αναγκαία εκεί όπου η δορυφορική χωροθέτηση (GPS) δεν είναι διαθέσιμη: σε εσωτερικούς χώρους κτιρίων, υπόγειες στοές, δίκτυα σωληνώσεων και περιοχές καταστροφών. Εκεί, το όχημα πρέπει να εκτιμήσει τη θέση και τον προσανατολισμό του μόνο από τους αισθητήρες που φέρει και να σχεδιάσει με ασφάλεια την κίνησή του σε άγνωστο χώρο. Τα δύο προβλήματα είναι αλληλένδετα. Η ποιότητα της εκτίμησης θέσης καθορίζει τις διαδρομές που μπορούν να σχεδιαστούν και να εκτελεστούν με ασφάλεια, ενώ η δομή του περιβάλλοντος καθορίζει το πλήθος και την ποιότητα των παρατηρήσεων στις οποίες μπορεί να βασιστεί ο αλγόριθμος εκτίμησης θέσης. Η παρούσα διατριβή εξετάζει από κοινού την εκτίμηση θέσης και την τοπική πλοήγηση σε τρία περιβάλλοντα που καταπονούν με διαφορετικό τρόπο αυτή τη σύζευξη: σύνθετους εσωτερικούς χώρους με κινούμενα εμπόδια, υπαίθρια περιβάλλοντα καταστροφών που απαιτούν τον συντονισμό πολλαπλών οχημάτων και περιορισμένους χώρους στο εσωτερικό αγωγών, όπου σχεδόν απουσιάζει η οπτική δομή. Αρχικά, μια ανασκόπηση των μεθόδων Ταυτόχρονου Εντοπισμού και Χαρτογράφησης (Simultaneous Localization and Mapping, SLAM) και οδομετρίας, οργανωμένη με βάση τη διαμόρφωση των αισθητήρων, αποτυπώνει την υφιστάμενη κατάσταση της έρευνας σε έξι συνδυασμούς αισθητήρων και τέσσερα επίπεδα ωριμότητας, αναδεικνύοντας παράλληλα τα ανοικτά προβλήματα που εξετάζονται στη συνέχεια. Αναπτύσσεται κατόπιν ένα πλαίσιο τοπικής πλοήγησης που συνδυάζει ένα ευκλείδειο πεδίο προσημασμένης απόστασης (Euclidean Signed Distance Field, ESDF), το οποίο κατασκευάζεται σταδιακά, με επανασχεδιασμό τροχιάς μέσω βελτιστοποίησης, χρησιμοποιώντας καμπύλες B-spline. Το πλαίσιο διατηρεί τον χάρτη έτσι ώστε να αποτυπώνει την τρέχουσα και όχι την ιστορική θέση των εμποδίων και αξιολογείται σε εναέρια και επίγεια οχήματα, τόσο σε προσομοίωση όσο και σε ρομποτική πλατφόρμα ολισθητικής διεύθυνσης (skid-steering). Το σύστημα αυτό επεκτείνεται με τη δημιουργία ενός χάρτη προσαρμοζόμενου στην ταχύτητα, το μέγεθος και η ανάλυση του οποίου έχουν αναλογική σχέση με την κινηματική κατάσταση του οχήματος, διατηρώντας περίπου σταθερό αριθμό ογκοστοιχείων (voxels), σε συνδυασμό με μια πλευρική μετατόπιση βασισμένη στη γωνιακή ταχύτητα και με βραχυπρόθεσμη μνήμη της γειτονιάς του οχήματος. Το σύστημα υλοποιείται σε όχημα διαφορικής κίνησης και αξιολογείται έναντι τριών συστημάτων πλοήγησης της σύγχρονης βιβλιογραφίας, επιτυγχάνοντας διελεύσεις χωρίς συγκρούσεις σε γεωμετρικά απαιτητικές διαμορφώσεις στις οποίες μέθοδοι που βασίζονται σε αρχικοποίηση μέσω αναζήτησης αποτυγχάνουν σε κάθε δοκιμή. Μια περαιτέρω επέκταση επιτρέπει τον συντονισμό σμήνους εναέριων οχημάτων, προσθέτοντας στην ίδια συνάρτηση κόστους έναν όρο ομοιότητας σχηματισμού και έναν όρο αμοιβαίας αποφυγής, χωρίς να απαιτείται ιεραρχία αρχηγού-ακολούθου (leader-follower) ή η χρήση καθολικού χάρτη. Η εκτίμηση θέσης εξετάζεται τέλος στο εσωτερικό αγωγών, όπου ο αλγόριθμος εκτίμησης θέσης δεν είναι εν γένει ανακριβής, αλλά στερείται αξιοποιήσιμων παρατηρήσεων. Η ανιχνεύσιμη δομή που απαιτείται για την παρακολούθηση της τροχιάς δημιουργείται ενεργά με την εναπόθεση μη μόνιμων σημάνσεων στο τοίχωμα του αγωγού. Μια κλειστής μορφής ανάλυση της πληροφορίας Fisher (Fisher information) για την ειδική δύναμη (specific force) δείχνει ότι η πληροφορία μεγιστοποιείται όταν οι θέσεις των αδρανειακών αισθητήρων ικανοποιούν συνθήκη κεντροειδούς, η οποία υλοποιείται με ομοιόμορφη κατανομή τους σε δακτύλιο. Η προκύπτουσα δομή των ιδιοτιμών παρέχει μεγαλύτερη πληροφορία κατά τον άξονα περιστροφής που κυριαρχεί στην κίνηση εντός του αγωγού και παραμένει αναλλοίωτη ως προς γνωστούς προσανατολισμούς των επιμέρους αισθητήρων. Από την εργασία προκύπτουν δύο βασικά συμπεράσματα. Πρώτον, μια τοπική αναπαράσταση βασισμένη σε πεδίο απόστασης, σε συνδυασμό με επανασχεδιασμό τροχιάς μέσω βελτιστοποίησης, μεταφέρεται μεταξύ διαφορετικών πλατφορμών, δυναμικών χαρακτηριστικών και δομών αποστολής, με την απαιτούμενη προσαρμογή να περιορίζεται στη συνάρτηση κόστους. Δεύτερον, όταν το περιβάλλον υπερβαίνει τις δυνατότητες των διαθέσιμων αισθητήρων, η ενεργή παρέμβαση στο ίδιο το περιβάλλον μπορεί να είναι ουσιαστικότερη από την περαιτέρω βελτίωση του χρησιμοποιούμενου αλγορίθμου εκτίμησης θέσης.