Bibliografia
[Das1] B. V. Dasarathy, Sensor fusion potential exploitation – Innovative architectures and illustrative applications, Proc. of IEEE, vol. 85, no. 1, Jan. 97
[Ha1] D. L. Hall, An introduction to multisensor data fusion, Proc. of IEEE, vol. 85, no. 1, Jan. 97
[Mor88] H. P. Moravec, Sensor fusion in certainty grids for mobile robots, AI Magazine, vol. 9, no. 2, pp. 61-74, 1988.
[Cha89] P. Moutarlier and R. Chatila. Stochastic multisensory data fusion for mobile robot location and environment modelling. In 5th International Symposium on Robotics Research, pages 85--89, 1989.
[Ber97] A. Berler and S. E. Shimony. Bayes networks for sensor fusion in occupancy grids. In Procs. of the Conf. on Uncertainty in Artif. Intell., 1997.
[Thr02] Thrun, S. Robotics mapping: A survey. Tech. Rep. CMU-CS-02-111, School of Computer Science, Carnegie Mellon University, Pittsburg, PA 15213, February 2002.
[Ori98] G.Oriolo, G.Ulivi, M.Vendittelli, "Real-time map building and navigation for autonomous robots in unknown environments," IEEE Transactions on System, Man, and Cybernetics - Part B: Cybernetics, vol. 28, no. 3, pp. 316-333, 1998.
[Nei01] Neira, J., and Tardós, J. Data association in stochastic mapping using the joint compatibility test. IEEE Trans on Robotics and Automation 17, 6 (December 2001), 890-897.
[Dud02] Dudek, G., and Jegessur, D. Robust place recognition using local appearance based methods. In ICRA-2002 (San Francisco, CA, 2002), IEEE, pp. 466-474.
[Jen00] Jensfelt, P., and Kristensen, S. Active global localisation for a mobile robot using multiple hypothesis tracking. IEEE Transactions on Robotics and Automation 17, 5 (October 2001), 748-760.
[Blo96] Bloch I. "Information combination operators for data fusion: a comparative review with classification", IEEE Transactionson Systems, Man and Cybernetics, part A, vol. 26. No.1, pp.52-67,1996.
[Kal60] R. E. Kalman. A new approach to linear filtering and prediction problems. J. Basic Eng., 82:34--45, 1960.
[Ori98] E. Fabrizi, G. Oriolo, S. Panzieri, G. Ulivi, "Enhanced uncertainty modeling for robot localization," 7th Int. Symp. on Robotics with Application (ISORA'98), Anchorage, AL, 1998.
[Dis01] Dissanayake, M. W. M. G., Newman, P., Clark, S., Durrant-Whyte, H. F., and Csorba, M. A solution to the simultaneous localization and map building (slam) problem. IEEE Transactions on Robotics and Automation, 17, 3 (June 2001), 229-241.
[Gui01] Guivant, J. E., and Nebot, E. Optimization of the simultaneous localization and map-building algorithm for real-time implementation. IEEE Transactions on Robotics and Automation, 17, 3 (June 2001), 242-257.
[Saf96] A. Saffiotti and L. P. Wesley Perception-Based Self-Localization Using Fuzzy Locations. In: L. Dorst, M. van Lambalghen and F. Voorbraak (eds) Reasoning with Uncertainty in Robotics, pp. 368-385. LNCS 1093, Springer, DE, 1996.
[Bus00] P. Buschka, A. Saffiotti, and Z. Wasik. Fuzzy Landmark-Based Localization for a Legged Robot. IEEE/RSJ Intl. Conf. on Intell. Robots and Systems (IROS), 2000.
[Fox99] D. Fox, W. Burgard, and S. Thrun. Markov localization for mobile robots in dynamic environments. Journal of Artificial Intelligence Research, 11:391-427, 1999
[Cas01] Castellanos, J., Neira, J., and Tardós, J. Multisensor fusion for simultaneous localization and map building. IEEE Trans on Robotics and Automation 17, 6 (December 2001), 908-914.
[Dur01] H. Durrant-Whyte, S. Majumder, S. Thrun, M. de Battista, and S. Scheding. A bayesian algorithm for simultaneous localization and map building. In Proceedings of the 10th International Symposium of Robotics Research (ISRR'01), Melbourne, Australia, 2001.
[Fou99] G. Foulon, J.-Y. Fourquet, M. Renaud, "Coordinating mobility and manipulation using non-holonomic mobile manipulators", Control Engineering Practice, vol. 7, pp. 391-399, 1999.
[Kha96] Khatib, O., K. Yokoi, K. Chang, D. Ruspini, R. Holmberg, A. Casal, ``Vehicle/Arm Coordination and Multiple Mobile Manipulator Decentralized Cooperation``,Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems, Osaka, 1996, pp 546-553.
[Yam94] Y. Yamamoto, X. Yun, "Coordinating locomotion and manipulation of a mobile manipulator," IEEE Transactions on Automatic Control, vol. 39, no. 6, pp. 1326-1332, 1994.
[Kav98] L. E. Kavraki, J.-C. Latombe, "Probabilistic roadmaps for robot path planning", in Practical Motion Planning in Robotics: Current Approaches and Future Directions,K. Gupta, A. del Pobil (Eds), pp. 33-53, John Wiley, 1998.
[Kav96] L. E. Kavraki, P. Svestka, J.-C. Latombe, M. Overmars, "Probabilistic roadmaps for path planning in high dimensional configuration spaces," IEEE Transactions on Robotics and Automation, vol. 12, no. 4, pp. 566-580, 1996.
[Ori02] G. Oriolo, M. Ottavi, M. Vendittelli, "Probabilistic motion planning for redundant robots along given end-effector paths," 2002 IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 1657-1662, 2002.
L'unità operativa UNIRM3 svolge funzioni di coordinamento dell'attività di ricerca relativa al tema FUSE al cui sviluppo collaborano anche le unità UNICT, UNIPI e POLITO come illustrato nel mod. A. Diverse attività sono in collegamento con altri temi affini nel progetto PICTURE, in particolare con SLAM (vedi fase 3), MULTI (vedi fase 4), VMS (vedi fase 1). Nell'ambito del tema FUSE, l'unità operativa UNIRM3 si occuperà principalmente di sensor fusion applicata ad un sistema base mobile-manipolatore. Le attività della unità operativa (UO) di Roma TRE è stata divisa in quattro workpackages consecutivi, ciascuno della durata di sei mesi. Esse saranno condotte nei laboratori di robotica del DIA e del DIS. http://www.dia.uniroma3.it/autom/LabRob/ http://www.dis.uniroma1.it/~labrob/ Fase 1 (Architettura HW/SW) (Costo 20000 €) L'UO di Roma Tre dispone di un sistema robotico composto da un manipolatore a cinque gradi di libertà (Scortec-ER) montanto su una base mobile (ATRV-Jr della Real World Interface). Il sistema presenta una architettura software omogenea per il controllo della movimentazione di entrambi i componenti. Un servizio CORBA installato nel PC a bordo della base mobile è in grado di fornire, ad un client ad esso connesso tramite rete Wireless IEEE802.11 e protocollo TCP/IP, dei servizi ad alto livello. Questi comprendono la possibilità di muovere la base mobile specificando velocità di traslazione e di rotazione, la possibilità di impostare traiettorie di giunto e nello spazio operativo per il braccio manipolatore e l'accesso ai sistemi sensoriali della base. Questi ultimi sono composti da alcuni sensori ad ultrasuoni posizionati sul perimetro, uno scanner laser per misurare con buona precisione distanze di oggetti posti in un angolo di 180° in un range di distanze che va dai 50cm ai 15m, un ricevitore GPS satellitare e una piattaforma inerziale a 6 gradi di libertà. FUSE e VMS: L'attività da sviluppare in questa fase consisterà nell'integrare, all'interno di questa architettura, altri due sistemi sensoriali: innanzitutto una telecamera a colori montata sul manipolatore che dovrà servire ad inquadrare gli oggetti sui quali di dovrà operare per svolgere, ad esempio, task di pick and place; quindi un sensore ad ultrasuoni, anche esso localizzato sul manipolatore, vicino alla telecamera, utile per disporre di misure di distanza da utilizzare insieme a quelle visive. FUSE: Alcune attività di fusione sensoriale relative ai sensori esterocettivi istallati sul braccio saranno condotti in questa fase, implementando una libreria di algoritmi relativa a funzioni di base. La suite di sensori di bordo richiede diverse procedure di allineamento delle misure e di estrazione di features significative per ridurre la banda passante per il collegamento wireless. In particolare, saranno sviluppate delle procedure di preprocessamento per le immagini provenienti dalla telecamera in grado di determinare alcune caratteristiche di forma basilari degli oggetti inquadrati. Questo preprocessamento, utile durante l'esecuzione di task di visual servoing, potrà eventualmente essere evitato ed i dati della telecamera potranno comunque essere inviati in formato raw direttamente al client. Le informazioni di distanza provenienti dal sensore ad ultrasuoni verranno associate al target tramite algoritmi per il posizionamento degli oggetti all'interno del campo visivo dove la misura ad ultrasuoni abbia la sua maggiore affidabilità. Saranno infine sviluppate alcune procedure di movimentazione del braccio che consentano un semplice brandeggio dei due sistemi sensoriali. Fase 2 (Fusione sensoriale) (Costo 10000€) Oltre alle informazioni di tipo statico, la telecamera è in grado di fornire dei dati dinamici (features) estraibili dal flusso ottico dai quali è possibile stimare il movimento del sistema base più manipolatore o di un oggetto inquadrato. Questi dati, confrontati e fusi con le misure odometriche della base possono fornire una migliore valutazione degli spostamenti in gioco. Inoltre, il laser scanner è in grado di rilevare oggetti che si innalzano dal terreno. Indirizzando il braccio con la telecamera verso tale punto sarà possibile disporre di informazioni più abbondanti per il riconoscimento dell'oggetto. FUSE: La ricerca che sarà portata avanti dall'UO di Roma Tre si concentrerà sull'individuazione e l'implementazione di un unico framework software per gli algoritmi (basati sulle teorie della probabilità e della possibilità) in grado di migliorare la qualità della percezione che mettano a disposizione dell'operatore o del programmatore delle informazioni più aggregate partendo dai dati sensoriali. FUSE: Una seconda linea di ricerca sarà quello di cercare di applicare un sistema decisionale rule-based basato su logiche BDI con lo scopo di indirizzare le azioni di esplorazioni dello spazio intorno al braccio robotico in modo da migliorare la qualità delle informazioni disponibili. Queste logiche consentono la formalizzazione di comportamenti (behaviors) che possono essere adottati dal sistema per raggiungere il goal specificato, rischi o fattori di protezione (determinants) associati a questi comportamenti, e attività (intervention components) progettate per modificare i rischi o aggirare le ostruzioni. Sarà possibile definire sistemi sensoriali complessi che, secondo il paradigma del process refinement, siano in grado di procedere alla determinazione ed alla applicazione di strategie automatiche che abbiano lo scopo di migliorare la qualità della sensor fusion allocando le risorse sensoriali disponibili in maniera ottimale. Ad esempio, sfruttando i nuovi sensori messi a punto nella fase 1, potranno essere eseguite azioni di brandeggio opportune, decise in maniera automatica dal sistema BDI, per analizzare gli oggetti posti nel campo visivo della telecamera. Fase 3 (Localizzazione ed Esplorazione di ambienti) (Costo 10000€) In questa fase si intendono sfruttare le capacità sensoriali avanzate messe a punto nelle precedenti fasi per studiare le problematiche connesse alla localizzazione in ambienti noti e all'esplorazione di ambienti non completamente conosciuti. Per quanto riguarda la localizzazione, le tecniche di sensor fusion basate sul Filtro di Kalman Esteso possono essere utilizzate convenientemente per unire misure odometriche con misure provenienti dai sensori ad ultrasuoni della base o dalle immagini catturate dalla telecamera. FUSE: Le tecniche basate sul filtro di Kalman esteso per la localizzazione verranno ulteriormente approfondite con particolare riferimento al problema della navigazione in un ambiente dove sia possibile riconoscere dei landmark naturali (lampade, porte, pavimenti dotati di particolari textures, spigoli e altri oggetti fissi individuabili con il laser o la telecamera). Inoltre, basandosi sulla teoria degli insiemi fuzzy, saranno ulteriormente approfonditi ed implementati filtri basati sullo schema predittore-correttore in cui la rappresentazione dell'informazione è contenuta in una distribuzione di possibilità definita proprio tramite un insieme fuzzy. Le caratteristiche di questo approccio sono un rilassamento dei vincoli normalmente introdotti dagli approcci bayesiani e la possibilità di rappresentare in un unico framework ipotesi multiple. FUSE: Un'altra tecnica che verrà indagata si basa sulla possibilità di linearizzare via feedback la dinamica campionata del sistema ed adottare, contemporaneamente, una particolare modalità di individuazione dei landmarks che risulta in una mappa di uscita anch'essa lineare. Questa trasformazione conduce all'utilizzo di un Filtro di Kalman Lineare che mostra proprietà di convergenza normalmente migliori. SLAM: Un altro tema di ricerca che sarà sviluppato riguarda il problema della mappatura e localizzazione simultanea di un robot mobile in un ambiente non noto. Si intende affrontare questo problema in ambienti con geometria non-smooth (come accade nella realtà), utilizzando un filtro multi-ipotesi in grado di gestire la forte non-linearità associata a questa situazione. Tutte queste attività saranno validate sperimentalmente sia sulla piattaforma robotica mobile più manipolatore, sia sulla piattaforma robotica mobile MagellanPro anch'essa a disposizione dell'UO. Fase 4 (Pianificazione del moto) (Costo 10000€) In questa fase si intende sviluppare e sperimentare una serie di algoritmi di pianificazione e controllo del moto del sistema robotico base mobile più manipolatore. Questi algoritmi si rendono necessari nel momento in cui si intende portare a termine un task che comporti la presa di un oggetto individuato nello spazio operativo tramite sensori che potrebbero non essere collocati direttamente sul robot mobile. In questo caso il controllo deve provvedere a posizionare la base in un punto dello spazio operativo in cui il manipolatore possa agevolmente terminare il task richiesto ed analizzato nella fase 2. Il pianificatore di traiettorie necessario a compiere questo task deve assicurare una traiettoria priva di collisioni per la base mobile rispettando i vincoli anolonomi e garantire un posizionamento finale che consenta la più ampia destrezza al manipolatore. Lo scopo della fase 4 sarà anche quello di estendere questi algoritmi al calcolo di una traiettoria complessiva base più manipolatore che garantisca una traiettoria di end-effector assegnata. VMS: si intende studiare l'applicabilità di una determinata classe di algoritmi probabilistici al problema considerato. Una possibile scelta consiste nel generare casualmente la configurazione della base mobile (variabili di configurazione ridondanti) e di determinare le restanti variabili di configurazione mediante la cinematica inversa (variabili di base). La generazione delle variabili ridondanti può essere polarizzata per tener conto di indici di qualità quali la manipolabilità. FUSE: Un ulteriore argomento di ricerca che sarà sviluppato nella fase 4 riguarderà, invece, l'esplorazione (mappatura) cooperativa di ambienti da parte di squadre di robot dotate di sensori. Si intende sviluppare un metodo che utilizza tecniche probabilistiche per la generazione del moto. In questo senso, sarà necessario modificare il metodo di esplorazione in modo di garantire il posizionamento ottimale dei sensori e minimizzare i cammini percorsi di volta in volta. Si dovrà anche mettere a punto un meccanismo di comunicazione che sia il meno oneroso possibile e consenta di mantenere un elevato grado di decentralizzazione. Per la sperimentazione di tale tecnica è previsto l'acquisto di alcune unità di robot Khepera.
