Modellbasierte Regelung dezentraler Systeme in unbekannten Umgebungen
Loading...
Date
2023
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Diese Arbeit beschreibt ein Konzept eines Autonomiesystems für autonome Roboterschwärme in Katastrophengebieten. Die Realisierung des Konzeptes und die Integration dieses in einen Prototypen wird ebenfalls dargelegt. Autonome Roboterschwärme können künftig für eine Vielzahl an Katastropheneinsätzen eingesetzt werden. Typische Aufgaben sind die Erkundung eines Gebietes, die Eskortierung von Konvois, der Objekttransport oder der Aufbau von Netzwerken, wenn die Infrastruktur zusammenbricht. Die autonome Regelung der Roboter ist eine anspruchsvolle Aufgabe, vor allem unter schwierigen Umweltbedingungen, die die Kommunikation einschränken. Folglich muss die Regelungssoftware der Roboterschwärme sorgfältig getestet werden, bevor die Roboter in Katastrophengebieten eingesetzt werden. Da Feldtests aufwändig, teuer und teilweise nicht möglich sind, ergeben Simulationen die einzige brauchbare Alternative. Der Test der Software mit Echtzeitanforderungen muss jedoch in einer Echtzeitumgebung durchgeführt werden, wodurch strenge Anforderungen an die Simulationssoftware gestellt werden. Die Regelung muss Teil des Simulators sein, die Dynamik der Roboter muss realistisch simuliert werden, die Umgebungsbedingungen beschrieben werden und die mobile Kommunikation muss modelliert werden, einschließlich der begrenzten Kommunikationsreichweiten und Paketverluste. Dies sollte benutzerfreundlich und effizient implementiert sein, um die Simulation von größeren Schwärmen, wie sie in der Praxis eingesetzt werden, zu ermöglichen. Da zu diesem Zeitpunkt kein System, mit den geforderten Funktionen bekannt ist, werden alle notwendigen Hard- und Softwarekomponenten sowie Protokolle eigenständig entwickelt oder integriert. Dazu wird ein stützstellenbasierter modellprädiktiver Regler für die mobile Robotik adaptiert und weiterentwickelt. Dieser erzielt eine sehr hohe, empirisch nachweisbare Regelgüte im Vergleich zu einer Auswahl an Optimierungsalgorithmen in umfangreichen Tests. Dabei wird eine Zeitschranke von 300ms für einen 30s langen Planungshorizont gewahrt. Dies wird durch eine exponentielle Zerlegung des Horizontes erreicht. Die theoretische Stabilität ist jedoch aufgrund der Kostenfunktionsfreiheit und der exponentiellen Verteilung nicht beweisbar. Um mit Hilfe eines Schwarms ein Netzwerk für Rettungskräfte aufzubauen und um die Agenten in weitläufigem, infrastrukturlosem Gebiet von bis zu 25km² zu betreiben, werden Netzwerkqualitätsprädiktionen und kostengünstige Knotenpunktnetzwerke mit großer Reichweite und geringer Übertragungsrate vorgestellt. Die geringe Übertragungsrate erzwingt die Entwicklung einer anwendungsspezifischen Datenkompression innerhalb des Autonomiesystems. Dieser besteht aus C++ Bibliotheken mit baumartiger Abhängigkeitsstruktur, die vollständig plattform- und prozessorarchitekturunabhängig sowie modular nutzbar sind. Das System ermöglicht den Betrieb autonomer Bodenfahrzeuge sowie die Simulation großer Schwärme mit bis zu 70 Agenten. Dabei können diese rein virtuell, aus emulierter Hardware oder auch aus realen Komponenten aufgebaut sein. Die Realzeitsimulation kann gemischt zentral und dezentral berechnet werden und unterstützt eine Verschmelzung von Simulation und Realdaten bis hin zur Emulation. Der Entwurf des Systems ermöglicht eine einfache Integration in verschiedene Visualisierungssysteme wie Cocos2d-X, CryEngine und Unity. Somit lassen sich sowohl realzeitfähige Anwendungen ohne Oberfläche oder mit einfacher zweidimensionaler Darstellung als auch fotorealistische Anwendungen in der virtuellen Realität erstellen. Der Umfang von über 16 Missionen, den die Agenten bieten, basiert auf einer erweiterten Potenzialfeldtechnik. Aufgrund der durch den Optimierer gebotenen Freiheit, existieren keine Beschränkungen bezüglich der Stetigkeit oder Differenzierbarkeit der zugrundeliegenden Funktionen. Weiterhin wird durch die Freiheit der Akkumulation, Faltung und Verkettung der Funktionen ein modularer Ansatz geboten. Mit diesem lassen sich auch Verhaltensbaumverfahren oder separierte lokale und globale Planer abbilden. Dabei reichen die Missionen von klassischer Wegpunktnavigation über Überwachungsaufgaben bis zu komplexen, dezentralen Schwarmtransporten und Rendezvous. Auch die Störsenderdetektion sowie ein Energiemanagement sind implementiert. Zur Validierung des gesamten Softwaresystems wird ein realer Prototyp für Außeneinsätze unter starken Ressourcenbeschränkungen entwickelt und realisiert. Ergänzend dazu wird zur schnelleren Testdurchführung der Software eine Hardwaresimulation mit der entwickelten Simulation verknüpft, wodurch eine dezentrale Multilevelsimulation erreicht wird. Die Fähigkeit, sich zum einen mit Hardwaresimulatoren für einzelne Roboter und zum anderen mit verschiedenen Visualisierern zu verbinden, ist nur aufgrund der hohen Modularität und der effizienten Implementierung in C++ möglich. Folglich wird ein einheitliches Autonomiesystem entworfen, das den gesamten Einsatzbereich von großen Schwarmsimulationen bis hin zur Regelung einzelner realer Agenten in unbekannten Umgebungen abdeckt.
This thesis presents a concept of an autonomy system for autonomous robot swarms in disaster areas. To demonstrate the functionality, it is implemented and integrated into a prototype. Autonomous robot swarms are promising for a variety of disaster missions. Typical tasks include reconnaissance of an area, convoy escort, object transportation, or network setup when infrastructure collapses. The Autonomous control of the robots is a challenging task, especially under tough environmental conditions limiting communication. Before the robot swarms can be deployed in disaster areas, their control software must be carefully tested. As field testing is complex, expensive, and in some cases impossible, the only viable solution is simulations. However, testing software with real-time requirements must be conducted in a real-time environment, which places strict requirements on the simulation software. Control must be part of the simulator, robot dynamics must be realistically simulated, environmental conditions must be described, and mobile communications must be modeled, including limited communication ranges and packet losses. The simulator should be user-friendly and efficiently implemented to allow simulation of larger swarms as they are used in practical applications. Since no system with the required functions is known at this time, all necessary hardware and software components and protocols are developed or integrated. For this purpose, a sample-based model predictive controller for mobile robots is adapted and further developed. This controller achieves a very high, empirically verifiable control quality compared to a selection of optimization algorithms in extensive tests. A time bound of 300ms is maintained for a 30s long planning horizon. This is achieved by an exponential decomposition of the horizon. The theoretical stability is not provable due to cost function freedom and exponential distribution. To build a network for rescue responders using a swarm of robots, and to operate the robots in wide-area infrastructure-less areas of up to 25km², network quality predictions and low-cost mesh networks with long range and low transmission rate are presented. The low transmission rate forces the development of an application-specific data compression within the autonomy system. The system consists of C++ libraries with a tree-like dependency structure that are completely platform and processor architecture independent as well as modular. The system enables the operation of autonomous ground vehicles and the simulation of large swarms with up to 70. These agents can be purely virtual, built from emulated hardware or from real components. The real-time simulation can be computed mixed centrally and decentrally and supports a fusion of simulation and real data up to emulation. The design of the system allows easy integration into different visualization systems like Cocos2d-X, CryEngine and Unity. Thus, real-time applications without a graphical user interface or with a simple two-dimensional representation as well as photorealistic applications in virtual reality can be created. The scope of over 16 missions offered by the agents is based on an extended potential field technique. Due to the freedom provided by the optimizer, no constraints exist on the continuity or differentiability of the underlying functions. Furthermore, the freedom of accumulation, convolution and concatenation of the functions provides a modular approach. With this, behavior tree methods or separated local and global planners can also be mapped. The missions range from classical waypoint navigation to surveillance tasks to complex, decentralized swarm transports and rendezvous. Jammer detection and energy management are also implemented. To validate the entire software system, a real prototype is developed and implemented for field operations under severe resource constraints. In addition, a hardware simulation is linked to the developed simulation for a faster test execution of the software, whereby a decentralized multilevel simulation is achieved. The ability to connect to hardware simulators for single robots on the one hand and to different visualizers on the other hand is only possible due to the high modularity and the efficient implementation in C++. Consequently, a unified autonomy system is designed that covers the whole range of applications from large swarm simulations to the control of single real agents in unknown environments.
This thesis presents a concept of an autonomy system for autonomous robot swarms in disaster areas. To demonstrate the functionality, it is implemented and integrated into a prototype. Autonomous robot swarms are promising for a variety of disaster missions. Typical tasks include reconnaissance of an area, convoy escort, object transportation, or network setup when infrastructure collapses. The Autonomous control of the robots is a challenging task, especially under tough environmental conditions limiting communication. Before the robot swarms can be deployed in disaster areas, their control software must be carefully tested. As field testing is complex, expensive, and in some cases impossible, the only viable solution is simulations. However, testing software with real-time requirements must be conducted in a real-time environment, which places strict requirements on the simulation software. Control must be part of the simulator, robot dynamics must be realistically simulated, environmental conditions must be described, and mobile communications must be modeled, including limited communication ranges and packet losses. The simulator should be user-friendly and efficiently implemented to allow simulation of larger swarms as they are used in practical applications. Since no system with the required functions is known at this time, all necessary hardware and software components and protocols are developed or integrated. For this purpose, a sample-based model predictive controller for mobile robots is adapted and further developed. This controller achieves a very high, empirically verifiable control quality compared to a selection of optimization algorithms in extensive tests. A time bound of 300ms is maintained for a 30s long planning horizon. This is achieved by an exponential decomposition of the horizon. The theoretical stability is not provable due to cost function freedom and exponential distribution. To build a network for rescue responders using a swarm of robots, and to operate the robots in wide-area infrastructure-less areas of up to 25km², network quality predictions and low-cost mesh networks with long range and low transmission rate are presented. The low transmission rate forces the development of an application-specific data compression within the autonomy system. The system consists of C++ libraries with a tree-like dependency structure that are completely platform and processor architecture independent as well as modular. The system enables the operation of autonomous ground vehicles and the simulation of large swarms with up to 70. These agents can be purely virtual, built from emulated hardware or from real components. The real-time simulation can be computed mixed centrally and decentrally and supports a fusion of simulation and real data up to emulation. The design of the system allows easy integration into different visualization systems like Cocos2d-X, CryEngine and Unity. Thus, real-time applications without a graphical user interface or with a simple two-dimensional representation as well as photorealistic applications in virtual reality can be created. The scope of over 16 missions offered by the agents is based on an extended potential field technique. Due to the freedom provided by the optimizer, no constraints exist on the continuity or differentiability of the underlying functions. Furthermore, the freedom of accumulation, convolution and concatenation of the functions provides a modular approach. With this, behavior tree methods or separated local and global planners can also be mapped. The missions range from classical waypoint navigation to surveillance tasks to complex, decentralized swarm transports and rendezvous. Jammer detection and energy management are also implemented. To validate the entire software system, a real prototype is developed and implemented for field operations under severe resource constraints. In addition, a hardware simulation is linked to the developed simulation for a faster test execution of the software, whereby a decentralized multilevel simulation is achieved. The ability to connect to hardware simulators for single robots on the one hand and to different visualizers on the other hand is only possible due to the high modularity and the efficient implementation in C++. Consequently, a unified autonomy system is designed that covers the whole range of applications from large swarm simulations to the control of single real agents in unknown environments.
Description
Table of contents
Keywords
Model predicitve control, Swarm robotic, Behavior modeling, Mobile robotic, Mobile ad hoc networks, Control particle belief propagation, Modellprädiktive Regelung, Schwarmrobotik, Verhaltensmodellierung, Mobile Ad Hoc Netzwerke, Stochastische Regelung