RICERCA ITALIANA     

Programma di ricerca

PICTURE: Tecniche di Pianificazione e Controllo Intelligente per la Robotica in Ambienti non Strutturati

Università di riferimento

Università di PISA - SISTEMI ELETTRICI E AUTOMAZIONE - PISA(PI)

Responsabile dell'Unità di ricerca

Andrea CAITI

Descrizione

Nella proposta PICTURE, il gruppo di ricercatori dell'unita' UNIPI coordina il tema SLAM - Simultanea Localizzazione e Aggiornamento di Mappe dell'ambiente - con la collaborazione di altri partner (UNICT, UNIRM3, POLITO). L'unità UNIPI collabora anche sui temi FUSE, TEAM, e UNDW. In seguito è riportata una descrizione dettagliata dei contenuti scientifici del tema SLAM mentre sono descritti piu' succintamente i contributi relativo agli altri temi. Al termine della descrizione in fasi temporali dell'attività prevista per UNIPI nell'ambito del progetto PICTURE, è riportata una breve descrizione del gruppo componente l'unità stessa. Il programma di lavoro del tema SLAM è indirizzato all'investigazione di alcuni argomenti che sembrano mancare, o essere stati esplorati in maniera solo preliminare, nella letteratura sullo SLAM, e che, se efficacemente risolti, potranno portare un significativo miglioramento nella performance di sistemi robotici in ambienti ignoti. Tali argomenti sono: SLAM distribuito con squadre di robot: investigazione delle strategie ottime per la simultanea costruzione di mappe e localizzazione di squadre di robot cooperanti, considerando esplicitamente i vincoli di comunicazione fra i robot e la possibilità che ciascun robot abbia accesso ad un insieme di informazioni sensoristiche parzialmente o in tutto differente da quello degli altri robot nella stessa squadra. Ottimizzazione della strategia di esplorazione: individuazione delle strategie di esplorazione dell'ambiente che conducano al successo dello SLAM con il minimo dispendio di risorse (SLAM a tempo/percorso minimo, a minimo consumo di energia, ecc.) Trattamento misto dell'incertezza: studio delle metodologie di progetto, ed analisi delle relative prestazioni, per algoritmi SLAM che definiscano distribuzioni di probabilità all'interno di insiemi noti di appartenenza (set-membership) sia per i robot che per le caratteristiche (feature) dell'ambiente Imaging nello SLAM e nel controllo: studio specifico di tecniche di analisi e trattamento delle immagini (sia ottiche, sia acustiche), e loro integrazione con gli altri sensori disponibili, per la localizzazione e la costruzione di mappe in ambienti 3-D e l'integrazione in linea di tali informazioni con gli algoritmi di controllo e asservimento. Tali tematiche verranno affrontate da un punto di vista metodologico attraverso un approccio basato sulla teoria dei sistemi alla modellizzazione del problema SLAM. In particolare, si consideri un sistema formato da uno o più robot mobili i cui obiettivi sono quello di auto-localizzarsi in un ambiente e di ricostruire delle caratteristiche dell'ambiente stesso. Per semplicità, si ipotizza che le caratteristiche dell'ambiente (features) siano punti dello spazio tridimensionale e che i robot siano forniti di sensori per la misura di distanza e allineamento e/o di sistemi di visione, ottici e/o acustici (come range finder laser o telecamere, per i sistemi ottici, o antenne acustiche e sonar 2-D per i sistemi acustici). In generale, la posizione e l'orientazione iniziale del robot, così come la posizione delle features, sono note a priori in modo esatto o con una certa distribuzione di probabilità. La configurazione finale del robot puo' essere una data configurazione o un insieme di configurazioni. Si suppone inoltre che durante una fase preliminare siano state determinate le letture dei sensori nella configurazione finale. Tra le features dell'ambiente rilevate dai sensori è possibile distinguere tra quelle che appartengono ad oggetti in posizione non nota (denominate targets) e quelle appartenenti ad oggetti la cui posizione assoluta sia conosciuta (denominate markers). La distinzione viene introdotta per semplicità in quanto, generalmente, si hanno features in posizioni note con maggiore o minore incertezza. La dinamica del veicolo è sufficientemente lenta e può essere trascurata, utilizzando modelli soltanto cinematici. La cinematica viene di solito modellizzata come un sistema di equazioni differenziali ordinarie non lineari del tipo dx = G(x) u, dove con x si indica la configurazione del robot (di solito, x ha tre dimensioni per un veicolo che si muove sul piano considerando l'orientazione), e u sono le velocita' date in ingresso al sistema. Spesso, le velocita' del sistema sono soggette a disturbi (n), come lo slittamento delle ruote o, nel caso subacqueo, la presenza di correnti marine. Tenendo conto dei disturbi, il modello modificato risulta dx = G(x) (u + n). Sia p_i, il vettore che determina le coordinate del target i-esimo e sia p il vettore formato dai vettori p_i (p ha quindi dimensione 3 n_f per n_f features tridimensionali). In base alle specifiche, le letture dei sensori sono le posizioni relative del robot e delle features (informazioni note anche come letture osservabili) descritte dalla mappa y=h(x,p). Il disturbo di misura m è modellato come additivo, e quindi si ha y = h(x,p) + m. In termini della teoria dei sistemi, il problema SLAM può essere descritto facendo riferimento al sistema in forma di stato con [x, p] vettore di variabili di stato e y vettore di uscita. I problemi di localizzazione e di costruzione di mappe possono quindi essere descritti come problemi di osservabilita'. Il problema di localizzazione riguarda la ricostruzione della configurazione corrente x, mentre il problema della costruzione delle mappe riguarda la ricostruzione della mappa delle features p. Entrambi i processi di ricostruzione si basano sulle osservazioni passate e correnti, sulla conoscenza del modello e degli ingressi, sulle informazioni relative al disturbo di processo (n) e al disturbo di misura m. Nello SLAM, l'asservimento è visto come un problema di stabilizzazione dell'uscita, per mezzo del quale si progetta un nuovo sistema dinamico nelle coordinate w avente per ingresso le misure y la cui uscita è il controllo u. Tale sistema, quando connesso al sistema originale, deve formare un sistema asintoticamente stabile negli stati [x w]. Spesso, il sistema ausiliario include uno stimatore del sistema originale, progettato in modo tale per cui lo stato w(t) converga alla configurazione x(t) e alle features p. La tipologia di progetto più utilizzata per lo stimatore si basa sui filtri di Kalman estesi. In base a questo approccio, si progetta un controllo nella forma di stabilizzazione in retroazione u(w,t), in cui si usa w invece di x. Ovviamente, la convergenza dello stimatore e della legge di stabilizzazione in retroazione separatamente sono solo condizioni necessarie per garantire un comportamento stabile e soddisfacente del sistema composto da entrambi. La formulazione sopra riportata viene spesso denominata world-centric, in quanto richiede un riferimento assoluto. E' ovvio che la ricostruzione della posizione e orientazione assoluta del robot e' impossibile a meno che non si abbiano a disposizione dei marker geografici o altre informazioni equivalenti (ad esempio, fornite da bussole, GPS, ecc.). Alternativamente, una diversa descrizione dello stesso problema puo' essere data in funzione di coordinate relative al robot (modello robot-centric) - tale modello e' applicabile, ad esempio, nel caso in cui una telecamere sia montata sul robot: in questo caso la funzione di uscita rappresenta la proiezione di features 3D sul piano immagine della telecamera. Il controllo ottenuto mediante la retroazione dell'uscita del nostro sistema è equivalente a quello che comunemente viene definito asservimento visuale nello spazio immagine. In questo caso una stima esplicita della configurazione del robot e' chiaramente non necessaria. Le attività dell'Unità di Pisa sono ora riportate all'interno delle varie Fasi temporali in cui il progetto è strutturato. Si sottolinea come le possibili soluzioni agli argomenti oggetto di studio saranno soggette a verifica sperimentale con le attrezzature disponibili o acquisite attraverso il finanziamento del progetto PICTURE. In particolare, l'Unità di Pisa ha a disposizione quattro mini-piattaforme mobili integrate con web-cam come sensori di visione, un veicolo autonomo mobile tipo Lab-mate, dotato di piattaforma inerziale e ricevitore GPS, ed un veicolo autonomo subacqueo a basso costo per esplorazione oceanografica in zone costiere [Alvarez04]; ciascuna di tali attrezzature è stata allestita e sviluppata all'interno del gruppo di ricerca proponente. Nelle attività sperimentali, condotte anche all'interno dei temi FUSE, TEAM, UNDW, si prevede di condurre la sperimentazione prima sulle attrezzature di laboratorio (mini-piattaforme, Labmate), ed infine sul sistema subacqueo in condizioni operative. E' prevista l'acquisizione di un secondo veicolo subacqueo per il test sperimentale dello SLAM distribuito in condizioni operative. FASE 1 (mesi 0 – 6) SLAM: Caratterizzazione e formalizzazione matematica del problema SLAM coerente con gli obiettivi e le finalità delle varie sedi. Definizione dei contributi delle unità cooperanti e della struttura di comunicazione e coordinamento interna al tema SLAM. Aggiornamento dello stato dell'arte relativo alle attività del tema. FUSE: Partecipazione coordinata alla definizione della struttura e all'aggiornamento del relativo stato dell'arte. TEAM: Partecipazione coordinata alla definizione della struttura e all'aggiornamento del relativo stato dell'arte. UNDW: Partecipazione coordinata alla definizione della struttura e all'aggiornamento del relativo stato dell'arte. RISULTATI PARZIALI ATTESI: Struttura di collegamento informatica; Aggiornamento dello stato dell'arte per la linea SLAM, presentato come rapporto di progetto;. COSTI RELATIVI ALLA FASE: 4000 Euro FASE 2 (mesi 6 – 12) SLAM: Definizione di algoritmi per la stima ricorsiva di densità di probabilità a massima entropia, vincolati alla dinamica del sistema. Valutazione simulative delle prestazioni in termini di robustezza della stima e di velocità di convergenza; Studio di tecniche analitiche e numeriche per l'ottimizzazione delle traiettorie, al fine di utilizzare al meglio le risorse disponibili (tempo, carburante, numero di veicoli utilizzati). Analisi di tecniche di localizzazione di un veicolo tramite sensori di visione (imaging). Studio di metodologie per la costruzione di mappe basate sull'utilizzo di sistemi di imaging e di informazione 3-D. FUSE: studio delle problematiche di integrazione di dati al fine di aumentare la consistenza e la precisione dell'informazione estratta; studio specifico di fusione tra dati sensoriali provenienti da una piattaforma inerziale, da un ricevitore GPS, da un sistema di visione artificiale e da altri sensori propriocettivi a basso costo quali ad esempio bussole magnetiche, inclinometri e tubi di Pitot; TEAM: studio della coordinazione e del moto di un insieme di piattaforme mobili sottoattuate; studio di protocolli di comunicazione tra le unità; studio di architetture centralizzate e distribuite; UNDW: Acquisto e integrazione delle attrezzature richieste per il completamento di un secondo prototipo di veicolo subacqueo autonomo e per l'installazione su entrambi i veicoli disponibili di opportuni moduli di comunicazione in superficie (radio-modem); RISULTATI PARZIALI ATTESI: Sviluppo di strumenti software per la simulazione degli algoritmi; Implementazione e test su mini-piattaforme mobili degli algoritmi di localizzazione e mapping tramite visione; Prototipo di veicolo subacqueo autonomo COSTI RELATIVI ALLA FASE: 40000Euro ; il costo relativamente elevato della Fase 2 rispetto alle altre fasi del progetto è essenzialmente relativo al costo dello sviluppo e realizzazione del secondo prototipo di veicolo subacqueo. In particolare, sfruttando l'esperienza acquisita nel progetto e realizzazione del primo prototipo, la realizzazione meccanica e la integrazione dell'elettronica verranno affidate a servizi esterni su progetto dell'Unità di Pisa. I componenti elettronici verranno acquisiti come materiale di consumo e programmati dall'Unità di Pisa stessa. Il costo complessivo previsto per la realizzazione del secondo prototipo è di 25000 Euro. FASE 3 (mesi 12 – 18) SLAM: Integrazione degli algoritmi di stima ricorsiva di distribuzioni probabilistiche con algoritmi di stima set-membership; Studio e test simulativo di metodi di ottimizzazione dell'esplorazione ad orizzonte recessivo; Integrazione di un esperimento di localizzazione e navigazione in ambiente strutturato (uffici dipartimentali) utilizzando tecniche di localizzazione robusta e di asservimento visivo; Test sperimentale per il coordinamento di robot mobili autonomi: impiego sinergico delle informazioni di localizzazione da parte di più veicoli facenti parte della stessa squadra. FUSE: Realizzazione e test sperimentale del sistema di fusione sensoriale descritto nella fase 2; TEAM: implementazione sperimentale di algoritmi di controllo del moto coordinato di una squadra di piattaforme mobili. UNDW: test del prototipo subacqueo in ambiente controllato; definizione dell'esperimento finale di test sulla coppia di veicoli disponibili. RISULTATI PARZIALI ATTESI: Realizzazione di esperimenti e simulazioni comparative (pubblicate in rapporti di progetto, disponibili in rete); Pubblicazioni scientifiche presentate a conferenze internazionali e sottomesse a riviste; COSTI RELATIVI ALLA FASE: 10000Euro FASE 4 (mesi 18 – 24) SLAM: Integrazione finale, test e valutazione dei risultati per SLAM con strategie ottime di esplorazione e gli algoritmi integrati di stima probabilistica/set membership; il test finale verrà effettuato sulle piattaforme mobili con asservimento visivo. Integrazione dei contributi delle sedi coordinate nella linea SLAM. Disseminazione dei risultati della linea SLAM; FUSE: Partecipazione alla preparazione della documentazione dei risultati; TEAM: Partecipazione alla preparazione della documentazione dei risultati; UNDW: Test di missione oceanografica coordinata con due veicoli autonomi in comunicazione fra loro; analisi dei risultati; RISULTATI PARZIALI ATTESI: Rapporto finale di progetto; Pubblicazioni su riviste scientifiche e in atti di convegni internazionali; COSTI RELATIVI ALLA FASE: 14000Euro Il gruppo di ricerca dell'Unità di Pisa – UNIPI è composto da ricercatori, assegnisti e studenti di dottorato afferenti al Dipartimento di Sistemi Elettrici e Automazione dell'Università di Pisa o al Dipartimento di Ingegneria dell'Infromazione, Università di Siena, ed inoltre aderenti al Centro Interdipartimentale "E.Piaggio" di Robotica e Bioingegneria (Università di Pisa) ed al Centro Interuniversitario di Sistemi Integrati per l'Ambiente Marino. All'interno di tali strutture il gruppo ha partecipato e partecipa a numerosi progetti di ricerca, perlopiù finanziati dall'Unione Europea, su tematiche legate alla robotica, ai sistemi ibridi ed "embedded", ai sistemi di automazione in campo oceanografico, all'acustica subacquea ed alle tecnologie marine in genere. Nell'ambito di tali attività, sono state sviluppate attrezzature e dispositivi per sperimentazione sia in laboratorio, sia sul campo. Le attrezzature di laboratorio rilevanti per l'attività prevista nel progetto PICTURE comprendono una squadra di quattro mini-veicoli a ruote, integrati ad un sistema di imaging ottico via web-cam, ed una piattaforma tipo Lab-mate su cui sono installati un ricevitore GPS e due piattaforme inerziali (in alternativa), entrambe realizzate in casa, una a tre ed una a sei gradi di libertà. Le attrezzature per sperimentazione sul campo includono un veicolo subacqueo autonomo prototipale per ricerche oceanografiche costiere, sviluppato a basso costo assieme al Centro Oceanografico spagnolo IMEDEA e con la collaborazione del SACLANT Undersea Research Center. Ulteriori informazioni e riferimenti bibliografici sull'attività del gruppo sono reperibili in rete sui siti: http://www.piaggio.ccii.unipi.it/ http://www.dsea.unipi.it http://www.dii.unisi.it