switching multirobot collaborative localization in symmetrical … · 2012-09-19 · introduzione...

IntroduzioneAlgoritmo

TestConclusioni e lavori futuri

Switching Multirobot Collaborative Localizationin Symmetrical Environments

Fabrizio Abrate1 Basilio Bona1 Marina Indri1

Stefano Rosa1 Federico Tibaldi1

1Dipartimento Automatica e InformaticaPolitecnico di Torino

Società Italiana Docenti e Ricercatori in Automatica, 2008

F. Abrate, B. Bona, M. Indri, S. Rosa and F. Tibaldi Switching Multirobot Collaborative Localization in Symmetrical Environments

Outline

1 IntroduzioneMotivazioniStato dell’arteProblema considerato

2 Algoritmo

3 Test

4 Conclusioni e lavori futuri

MotivazioniStato dell’arteProblema considerato

Outline

2 Algoritmo

3 Test

Localizzazione

sempre necessaria;squadre di robot utilizzate per:

sorveglianzamonitoraggio

sfruttare la squadra anche per la localizzazione

Localizzazione

Outline

2 Algoritmo

3 Test

Approcci

Tutti si basano su filtri bayesianiI più comuni:

Extended Kalman Filters (EKF)Monte Carlo Localization (MCL)

Approcci

Localizzazione

Due sotto-problemi:localizzazione globale

problema: rover in un ambiente simmetrico

position tracking

Localizzazione

position tracking

Localizzazione

position tracking

Localizzazione

position tracking

Outline

2 Algoritmo

3 Test

Problema considerato

una squadra di P3DXin un magazzino (80 × 65 m)con zone occupate da merci (5 × 5 m)

Caratteristiche dei rover

Ogni rover ha in dotazione:sonarodometrialaser scannerconnessione Wi-Fitelecamerabussola

telecamera + laser scanner → posizione altri robotWi-fi consente di

1 trasmettere la posizione dei robot visti2 ricevere la propria posizione dagli altri robot

bussola per la stima

The Switching Multirobot Collaborative Localization(SMCL)

SMCL esegue1 localizzazione globale2 errore di localizzazione < soglia1 → position tracking3 errore di localizzazione > soglia2 → localizzazione globale

entrambi utilizzano particle filter

Localizzazione globale

algoritmo “classico” AMCL1 predizione (motion model)2 aggiornamento (sensor model)

resampling:nessuna posizione stimata ricevuta ⇒ Kullaback-LeiblerDivergence (KLD) resampling

Localizzazione globale (2)

Resampling se il rover riceve delle posizioni stimate:

eliminare le ambiguità (simmetria)KLD modificato:

due sottoinsiemi di particelle:1 resampling “classico”2 distribuite attorno alle stime ricevute

N.B. sono posizioni non posedistribuite con assetto casuale (±π)

Density-Tree clustering sempre eseguito

Globale → locale

Media temporale (µ)sulle distanza tra

1 proprie stime (clustering)2 stime ricevute

se µ < soglia1 ⇒ position traking

Globale → locale

Locale → globale

stesso approccio

cambia la soglia (isteresi)

se µ > soglia2 ⇒ localizzazione globale

Locale → globale

stesso approccio

Locale → globale

stesso approccio

Simulazione

Simulazione:deus ex machina

conoscenza totale dello stato di ogni robot

posa SMCL vs posa vera

Simulazione

Esperimento 1 (1)

6 rover

“liberi”goal:

tempo medio di localizzazione della squadratempo passaggio stabile globale → locale

Esperimento 1 (1)

6 rover

“liberi”goal:

Esperimento 1 (1)

6 rover

“liberi”goal:

Esperimento 1 (1)

6 rover

“liberi”goal:

Esperimento 1 (1)

6 rover

“liberi”goal:

Esperimento 1 (2)

0 200 400 600 800 1000 1200 1400 16000

Position error

0 200 400 600 800 1000 1200 1400 1600−4

Heading error

Esperimento 2 (1)

6 rover

“liberi”goal:

robustezza SMCLandamento dell’errore medio

Esperimento 2 (1)

6 rover

“liberi”goal:

Esperimento 2 (1)

6 rover

“liberi”goal:

Esperimento 2 (1)

6 rover

“liberi”goal:

Esperimento 2 (1)

6 rover

“liberi”goal:

Esperimento 1 (2)

0 200 400 600 800 1000 12000

Esperimento 3 (1)

6 rover

“liberi”goal:

SMCL vs kidnappingtempo di recupero dell’errore

Esperimento 3 (1)

6 rover

“liberi”goal:

Esperimento 3 (1)

6 rover

“liberi”goal:

Esperimento 3 (1)

6 rover

“liberi”goal:

Esperimento 3 (1)

6 rover

“liberi”goal:

Esperimento 3 (2)

0 500 1000 1500 2000 25000

Position error

0 500 1000 1500 2000 2500−4

Heading error

Esperimento 4 (1)

da 2 a 9 rover

“liberi”goal:

come SMCL rispetto al numero di rover

Esperimento 4 (1)

da 2 a 9 rover

“liberi”goal:

Esperimento 4 (1)

da 2 a 9 rover

“liberi”goal:

Esperimento 4 (1)

da 2 a 9 rover

“liberi”goal:

Esperimento 4 (2)

0 200 400 600 800 1000 12000

2 rovers

3 rovers

6 rovers

9 rovers

Conclusioni

SMCL consente al rover di localizzarsiin un ambiente simmetrico

senza modifiche ad-hoc dell’ambiente o a landmark

insensibile alla posa di partenzaformazione della squadra arbitraria

Conclusioni

Lavori futuri

implementazione reale

affinare gli stati

ambiente variabile

Lavori futuri

affinare gli stati

ambiente variabile

Lavori futuri

affinare gli stati

ambiente variabile

DOMANDE?

switching multirobot collaborative localization in symmetrical … · 2012-09-19 · introduzione...

Documents