Navigazione Autonoma basata su Dati Locali applicata ad AlterEgo: dall'Implementazione alla Valutazione

Abstract

Questa tesi affronta un modo per implementare in ambienti interni statici un'affidabile protocollo di navigazione, localizzazione e mappatura su di una piattaforma robotica reale (il robot mobile umanoide AlterEgo) basandosi solo su informazioni sensoriali locali.

La soluzione proposta consiste in una strategia di pianificazione locale basata sulla deformazione del percorso in base agli ostacoli, che garantisce l'evitamento di collisioni tramite la generazione di un percorso sicuro da seguire attorno agli ostacoli, ampliato e perfezionato in tempo reale man mano che ne vengono rilevati di nuovi. Questa soluzione non si basa su conoscenza previa di alcun tipo sull'ambiente, il che la rende adatta alla maggior parte delle applicazioni.

Vengono inoltre effettuati confronti tra la suddetta soluzione e un'implementazione del noto algoritmo "Bug2", al fine di determinare se la nostra soluzione porti miglioramenti rispetto a metodi di pianificazione locale teorici ampiamente noti e utilizzati. Inoltre, viene anche confrontata con un metodo di pianificazione globale come "Move Base", per valutare quanto l'affidabilità e le prestazioni migliorino utilizzando la conoscenza esterna dell'ambiente circostante.

Inoltre, questo lavoro affronta le sfide che si possono incontrare quando si applicano metodi di navigazione teorici come quelli discussi a scenari di vita reale, il che non è sempre semplice. Le differenze tra ciò che logicamente si presume funzioni, ciò che funziona in simulazione e ciò che funziona nella pratica vengono evidenziate e discusse, insieme ai modi per colmarle. Alla fine, vengono forniti suggerimenti su come espandere il lavoro attuale su questo argomento, migliorare gli algoritmi sviluppati e integrare queste soluzioni in ambienti dinamici.

This thesis addresses a way of achieving feasible and reliable real-time autonomous navigation, localization and mapping in indoors static environments on a real robot platform (the mobile humanoid robot AlterEgo) by relying only on local sensory information. The proposed solution consists of a Local Planning strategy based on obstacle-based path deformation, which is ensured to avoid collisions by following a safety path around obstacles expanded and refined in real-time as new obstacles are detected. This solution does not rely on a-priori knowledge of any kind about the environment, which makes it suitable to most applications. Comparisons are also made between said algorithm and an imple- mentation of the well-known ”Bug2” algorithm, in order to determine whether it improves on widely known and used theoretical Local Plan- ning methods. Moreover, it is also compared with a Global Planning method such as ”Move Base”, to gauge how much reliability and per- formances are improved by using external knowledge of the surround- ings. Furthermore, this work addresses the challenges one may encounter when applying theoretical navigation methods such as the ones dis- cussed to real life scenarios, which is not always straightforward. The differences between what logically is assumed to work, what works in simulation and what works in practice are highlighted and discussed, together with ways to overcome them. In the end, suggestions are provided on how to expand the current work on this topic, improve the algorithms that have been developed, and also integrate these solutions in dynamic environments.