Reporte de tesis doctoral

 

Exploración integrada probabilista para robots móviles en ambientes complejos

 

Probabilistic Integrated Exploration for Mobile Robots in Complex Environments

 

Alfredo Toriz Palacios¹ y Abraham Sánchez López²

 

¹ Le Laboratoire d'Informatique, de Robotique et de Microélectronique de Montpellier, Francia. alfredo.torizpalacios@lirmm.fr

² Departamento de Ciencias de la Computación, Benemérita Universidad Autónoma de Puebla, México. asanchez@cs.buap.mx

 

Resumen

La utilización de mapas de ambiente, es uno de los requisitos principales para casi todas las tareas en robótica móvil. Desafortunadamente, no siempre es posible contar con este elemento, ya sea por la inaccesibilidad de los entornos o simplemente porque no se cuenta con una descripción utilizable de él. La solución a este problema es conocida como Exploración Integrada o SPLAM (Planificación, localización y mapeo simultáneos). Considerando este problema, presentamos algunas estrategias basadas en el filtro de Kalman extendido donde un robot móvil construye incrementalmente un mapa de su ambiente mientras simultáneamente usa este mapa para estimar la localización absoluta del robot. Al mismo tiempo, las decisiones locales sobre a donde debe moverse son realizadas utilizando la estrategia probabilística SRT, con la finalidad de minimizar el error en la estimación de la pose móvil. Aunque las estrategias basadas en herramientas clásicas mostraron buenos resultados, algunos problemas inherentes a las metodologías impiden obtener resultados óptimos. Por esta razón, nuestro trabajo se ha enfocado en la creación de una estrategia de SPLAM en donde la localización y el mapeo simultáneo se realizan usando un enfoque topológico radical basado en curvas B-Splines, las cuales han permitido la representación de ambientes complejos no estructurados. Así mismo, la planificación de la exploración es dirigida utilizando una nueva estrategia probabilística basada en grafos. Finalmente, los resultados obtenidos con la nueva solución propuesta son validados comparándolos con los resultados obtenidos mediante las estrategias basadas en herramientas clásicas.

Palabras clave: SPLAM, exploración integrada, SLAM, curvas B-Splines.

 

Abstract

The use of environment maps is one of the main requirements for almost all tasks in mobile robotics. Unfortunately, it is not always possible to have this element, either by the inaccessibility of the environment or simply because there is no usable description of it. The solution to this problem is known as Integrated Exploration or SPLAM (Simultaneous Planning, Localization and Mapping). Considering this problem, we present some strategies based on the extended Kalman filter (EKF), when the mobile robot incrementally builds a map of its environment, while simultaneously using this map for computing the absolute robot localization. At the same time, local decisions on where to move next are performed using the probabilistic strategy-SRT, in order to minimize the error of the estimation of the robot's pose and the configuration locations. Although the classic strategies have shown good results, there are some inherent problems that prevent achieving the optimal results. For this reason, the paper has focused on creating a SPLAM strategy when the simultaneous localization and mapping is performed using a radical topological approach based on B-spline curves and when the planning of the exploration is conducted using a probabilistic strategy based on graphs.

Keywords: SPLAM, integrated exploration, SLAM, B-Spline curves.

 

DESCARGAR ARTÍCULO EN FORMATO PDF

 

Referencias

1. Dietmayer, K. C. J, Sparbert, J., Streller, D. (2001). Model based object classification and object tracking in traffic scenes from range images. Proceedings of the IV IEEE Intelligent Vehicles Symposium.         [ Links ]

2. Durrant-Whyte, H. & Bailey, T. (2006). Simultaneous Localization and Mapping: Part I. IEEE Robotics and Automation Magazine, 13(2), 99-110.         [ Links ]

3. Espinoza, J.L, Sánchez, A.L., & Osorio, M. (2007). Exploring unknown environments with mobile robots using SRT-Radial. IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2007), San Diego, CA, 2089-2094.         [ Links ]

4. Franchi, A., Freda, L., Oriolo, G., & Vendittelli, M. (2009). The Sensor-based Random Graph Method for Cooperative Robot Exploration. IEEE/ASME Transactions on Mechatronics, 14(2), 163-175.         [ Links ]

5. González-Baños, H.H. & Latombe, J.C. (2002). Navigation strategies for exploring indoor International. Journal of Robotic Research, 21(10-11), 829-848.         [ Links ]

6. Ishida, J. (1997). The general B-spline interpolation method and its application to the modification of curves and surfaces. Computer-Aided Design, 29(11), 779-790.         [ Links ]

7. LaValle, S.M. (1998). Rapidly-exploring random trees: A new tool for path planning (TR 98-11), Iowa, USA: Iowa State University.         [ Links ]

8. Makarenko, A.A., Williams, S.B., Bourgault, F., & Durrant-Whyte, H.F. (2002). An experiment in integrated exploration. IEEE/IRSJ International Conference on Intelligent Robots and Systems, 1, Lausanne, Switzerland, 534-539.         [ Links ]

9. Mokhtarian, F. (1995). Silhouette-based isolated object recognition through curvature scale space. IEEE Transactions on Pattern Analysis and Machine Intelligence, 17(5), 539-544.         [ Links ]

10. Oriolo, G., Vendittelli, M., Freda, L., & Troso, G. (2004). The SRT Method: Randomized strategies for exploration. IEEE International Conference on Robotics and Automation, New Orleans, LA, USA, 5, 4688-4694.         [ Links ]

11. Pedraza, L., Dissanayake, G., Miro, J.V., Rodriguez-Losada, D., & Matia, F. (2007). BS-SLAM: Shaping the World. Proceedings of Robotics: Science and Systems, Atlanta, GA, USA.         [ Links ]

12. Pedraza, L., Rodriguez-Losada, D., Matia, F., Dissanayake, G., & Miro, J.V. (2009). Extending the Limits of Feature-Based SLAM with B-Splines. IEEE Transactions on Robotics, 25(2), 353-366.         [ Links ]

13. Toriz, A., Zapata, R., Sánchez, A., & Osorio, M.A. (2010). Integrated Exploration Based SRT-EKF. 2010 Ninth Mexican International Conference on Artificial Intelligence (MICAI 2010), Pachuca, México, 171-176.         [ Links ]

14. Toriz, A., Sánchez, A., Zapata, R., & Osorio, M.A. (2010). Building Feature-Based Maps with B-Splines for Integrated Exploration. Advances in Artificial Intelligence (IBERAMIA 2010), Lecture Notes in Computer Science, 6433, 562-571.         [ Links ]

15. Toriz, A., Sánchez, A., Zapata, R., & Osorio, A. (2011). Mobile robot SPLAM for robust navigation, Research in Computing Science, 54, 295-305.         [ Links ]