Affordable Access

Situation Assessment for Mobile Robots

Authors
Publisher
Technical University of Denmark
Publication Date

Abstract

Mobile robotter er blevet en moden teknologi. De første kabelførte logistikroboter blev introduceret i industrien for næsten 60 år siden. Igennem denne tid, har markedet for mobile robotter i industrien kun bevidnet en meget moderat vækst og blot 2.100 systemer blev solgt verden over i 2011. I de senere år har mange andre domæner adopteret de mobile robotter, som f.eks. logistikrobotter på hospitaler og støvsuger-robotter i vores hjem. Men hvis man betragter de sidste 15 års forskningsresultater inden for perception og operation i naturlige omgivelse samt det store fald i prisen på sensor systemer, så er vækstoptientialet inden for mobile robotter enormt.<br/>Mange nye teknologi-komponenter er allerede klar til at flytte grænserne for anvendelsen af mobile robotter, men en nøgleudfordring er pålidelighed. Naturlige omgivelser er komplekse og dynamiske, hvor chancen for at robotten misfortolker omgivelserne eller forfejler detektionen af kritiske omstændigheder er ungåelige. For at håndtere disse udfordringer, må styringen af robot-applikationen være i stand til at håndtere fejlbehæftede observationer og komme videre efter uundgåelige fejl. Controlleren må vide hvad der foregår?<br/>Denne afhandling adresserer netop dette problem, ud fra den hypotese at vurdering af robottens situation, kan bidrage med essentiel viden til robotstyringen og gøre denne i stand til at forstå den robottens nuværende situation samt forudse den fremtidige status. Forudsigelse af situationer er præsenteret ved brug af on-line grafsøgning af maximum likelihood i EMM modellen.<br/>Et nyt framework for situations modellering bliver præsenteret, der anvender en Extensible Markov Model til at representere den spatio-temporale natur af situationer. On-line data-streams fra robottens sensorer og algorithmer bliver behandlet ved brug af stream-baseret clustering til at bygge den spatio-temporale structure og til at matche robottens situation til eksisterende tilstande.<br/>De udviklede software moduler er integreret i en ny software arkitektur, som muliggør integration imod et hvilkårligt robotstyrings framework og anvender on-line visualizering af den spatio-temporale graf-struktur for at optimere klassifikation af situationer.<br/>Resultaterne er evalueret i tre real-world scenarier der, med success, vurderer det præsenterede situation assessment framework i forhold til detektion af kendte spatio-temporale relationer, afvigelser fra kendte spatio-temporale mønstre og detektion af kendte kritiske situationer.

There are no comments yet on this publication. Be the first to share your thoughts.