Swarm robotics Ivana Budinská Ústav informatiky SAV Seminár z UI, 28.11.2011
Swarm robotics
Ivana Budinská
Ústav informatiky SAV
Seminár z UI, 28.11.2011
Obsah prezentácie
• Motivácia
• Definície problémov
• Zaujímavé projekty
• Algoritmy
• Sumarizácia a nové úlohy
• Modifikovaný PSO algoritmus pre
kooperatívne prehľadávanie (M.Masár)
Motivácia
• Lacnejšie riešenie
– robotické vysávače
• Vzdialené centrálne
– riadenie správa na Mars ide 15 min
• Sťažená komunikácia s centrálou
– prehľadávanie území po požiaroch, zemetraseniach a
iných prírodných katastrofách
• Autonómna navigácia,
• Samoopravovanie
Inšpirácie z prírody
• Obrázky prevzaté z internetu
Definície problémov
• Koordinované prehľadávanie neznámych
priestorov
– napr. pri odmíňovaní, vyhľadávaní zranených po
katastrofách, upratovanie veľkých priestorov, zber
úrody, monitorovanie priestorov
• Zhlukovanie a transport
– Koordinácia pri premiestňovaní predmetov – box
pushing, záchrana zranenených
• Rekonfigurácia – modulárne robotické systémy,
ktoré vytvoria zložitejšie systémy
Vlastnosti
• Množstvo jednoduchých robotov
• Homogénne zloženie
• Individuálne schopnosti
• Jednoduché pravidlá správania
• Lokálne informácie
• Globálny cieľ
Technologické vlastnosti:
• Robustnosť
• Škálovateľnosť
• Flexibilita
• Samoorganizácia
• Nízka cena
Zaujímavé projekty
• COMSTAR (2004-2008), C-MANTIC Lab – Automatické rozpoznávanie cieľa
• MASSES (2006-2007, 2008-2009) – Multi-robotický systém pre skúmanie povrchu
mesiaca a Marsu
• COMRADES (2009-2012) – Multi-robotický systém pre utomatickú detekciu
pozemných mín
• SWARMANOID (2006-2010) 7RP FET – Asi 60 autonómnych robotov, tri typy: eye-bots,hand-bots, and foot-bots.
Problémy a algoritmy
• Koordinované prehľadávanie neznámych
priestorov
• Zhlukovanie a transport
• Rekonfigurácia – modulárne robotické systémy,
ktoré vytvoria zložitejšie systémy
Problémy a algoritmy
• Koordinované prehľadávanie neznámych
priestorov
• Zhlukovanie a transport
• Rekonfigurácia – modulárne robotické systémy,
ktoré vytvoria zložitejšie systémy
Koordinované prehľadávanie
priestorov • Súvisiace problémy:
– Mapovanie a lokalizácia
– Určovanie hraníc
– Hľadanie cieľa
Vlastnosti algoritmov: Jednoduché Škálovateľné Distribuované Využívanie lokálnych interakcií
Definícia problému
• Určitý počet robotov, každý má akčný rádius –
pohyb v ďalšom kroku, komunikačný rádius a
rádius pokrytia senzormi.
• Definujeme funkciu pokrytia ako transformáciu
akcie robota v čase v určitom mieste na určitú
priestorovú jednotku
f: atr x ltr c
tr
• Snažíme sa minimalizovať prekrývanie a
maximalizovať pokrytie (Zjednotenie a prienik priestorových
jednotiek ctr )
Agentový prístup
• Každý robot koodinuje svoj postup s robotmi v okolí, aby minimalizoval prekrývanie a maximalizoval pokrytie – Ak sa v okolí robota nenachádza iný robot – vykonaj
náhodný pohyb
– Ak sa v okolí pokrytia nenachádza robot, ale v komunikačnom okolí áno – použije niektorý algoritmus na určenie nasledujúceho kroku, aby sa nevzdialil z komunikačného rádia všetkých robotov (maximalizácia pokrytia)
– Ak sa v okolí pokrytia aj v komunikačnom nachádzajú roboty – vypočítava váženú vzdialenosť od robotv a akciu určuje s ohľadom na minimalizáciu prekrývania.
Detekcia hraníc, ohraničení
• J. McLurkin: iRobot projekt – http://people.csail.mit.edu/jamesm/project-
BoundaryDetection.php
• Rovnomerná disperzia (udržiavanie vzdialenosti medzi jednotlivými robotmi)
• Detekcia hraníc – robot sa môže nachádzať v stave Wall node, Frontier node, Interior node – generuje akciu. Wall node a Frontier node sú pevné.
Boundary algoritmus
– riadená disperzia (vedie roboty do
nepreskúmanej oblasti)
– geometriu lokálnej siete – každý robot tvorí
vrchol siete, rekonfiguráciou siete sa približuje
k hraniciam
Multi-robot mapping and
localization algoritm Rothermich et al. – rieši problém s nepresnou odometriou
alokalizáciou – Mobilné roboty slúžia ko mobilné majáky, ich úloha v rámci roja sa mení
– Všetky roboty musia používať referenčné súradnice globálneho prostredia
– Výhody – mapa sa vytvára z rôznych pozícií – uhly a hranice sú zachytené presnejšie
– V neznámom prostredí je lokalizácia jednoho robota veľmi obtiažna
Problémy a algoritmy
• Koordinované prehľadávanie neznámych
priestorov
• Zhlukovanie a transport
• Rekonfigurácia – modulárne robotické systémy,
ktoré vytvoria zložitejšie systémy
Mobilné formácie - zhluky
• Hetiarachchi and Spears
– založené na príťažlivosti a odpudivosti
– simuláciou ukázali vhodnosť použitia
Leonard-Jonsonových potenciálov
– Udržiavanie formácie pri prekonávaní
prekážok
Mobilné formácie - zhluky
e-puck cluster
Obchádzanie dier
• Kooperatívne obchádzanie dier – trakčný senzor na
zistenie, kam chce ísť susedný robot
• Evolučné algoritmy, učenie
• Nevýhody – nepoužiteľné v praxi
Reťazenie
• Nouyan et al., 2009
– Stavový automat – search, explore,chain,finish
– Farebná signalizácia: Blue, Green, Yellow
Reťazenie a transport
• Stavový diagram – 4 nové stavy: Assemble, Transport
target, Transport blind, Reset
Príklad: Vyhľadaj a zachráň
Koordinovaný transport
- „box pushing“ Typická cesta dvoch
nekomunikujúcich robotov.
Roboty nesynchronizovali svoju prácu.
• V prvom prípade obidva roboty opustili box a išli za svetlom,
• v druhom prípade jeden robot tlačil box ale mimo územia a druhý šiel za svetlom,
• v treťom prípade oba roboty tlačili box úspešne do cieľa,
• v štvrtom prípade jeden robot prestal tlačiť box a prekrížil cestu druhého robota.
Problémy a algoritmy
• Koordinované prehľadávanie neznámych
priestorov
• Zhlukovanie a transport
• Rekonfigurácia – modulárne robotické systémy,
ktoré vytvoria zložitejšie systémy
Rekonfigurovateľné roboty
• Modulárne robotické systémy, ktoré vytvárajú vyššie „organizmy“ s cieľom vykonávať rôzne úlohy
• Inšpirácie: – bunky (cellular automata) – zhluky, roje, atď. (swarm intelligence) – Rekonfigurovateľné roboty typu reťazec
– Rekonfigurovateľné roboty typu mriežka
• Mobilné rekonfigurovateľné roboty
• Iné typy rekonfigurovateľných robotov
Kooperácia mobilných jednotiek pri
prekonávaní prekážok
• Swarm bots - Marco Dorigo
Atron rekonfigurovateľné robotické
moduly
• D.J.Christensen USD modular robotics
research lab, modular.mmmi.sdk.dk
Atron – príklad
rekonfigurovateľného systému
Atron reconfigurable robotic
modules
Atron reconfigurable robotic
modules
Atron reconfigurable robotic
modules
Rekonfigurovateľné moduly - Lego
• Desmond Innovation, LLC
www.selfreconfigurable.com
Rekonfigurovateľné moduly - Lego
• Desmond Innovation, LLC
www.selfreconfigurable.com
Rekonfigurovateľné moduly - Lego
• Desmond Innovation, LLC
www.selfreconfigurable.com
Rekonfigurovateľné moduly - Lego
• Desmond Innovation, LLC
www.selfreconfigurable.com
Rekonfigurovateľné moduly - Lego
• Desmond Innovation, LLC
www.selfreconfigurable.com
Rekonfigurovateľné moduly - Lego
• Desmond Innovation, LLC
www.selfreconfigurable.com
Rekonfigurovateľné moduly - Lego
• Desmond Innovation, LLC
www.selfreconfigurable.com
Rekonfigurovateľné moduly - Lego
• Desmond Innovation, LLC
www.selfreconfigurable.com
Rekonfigurovateľné moduly - Lego
• Desmond Innovation, LLC
www.selfreconfigurable.com
Rekonfigurovateľné moduly - Lego
• Desmond Innovation, LLC
www.selfreconfigurable.com
Rekonfigurovateľné moduly - Lego
• Desmond Innovation, LLC
www.selfreconfigurable.com
Rekonfigurovateľné moduly - Lego
• Desmond Innovation, LLC
www.selfreconfigurable.com
Rekonfigurovateľné moduly - Lego
• Desmond Innovation, LLC
www.selfreconfigurable.com
Rekonfigurovateľné moduly - Lego
• Desmond Innovation, LLC
www.selfreconfigurable.com
Rekonfigurovateľné moduly - Lego
• Desmond Innovation, LLC
www.selfreconfigurable.com
Záver
• Swarm inteligencia
• Kľúčové vlastnosti a techonologické motivácie
• Aplikačné domény
• Vytváranie koalícií – pri homogénnych
skupinách a pri nehomogénnych skupinách
• Problémy pri realizácii a nasadzovaní
technológií do praxe
• Vývoj senzorov a aktuátorov
Referencie • Prezentácia Swarm Robotics by Roderich Gross
• D. Miner: Swarm robotics algorithms: A survay, 2007
• J. Alexander Fax, Richard M. Murray: Information Flow and Cooperative Control of Vehicle Formation, IEEE T. Automatic Control, 2003,
• http://www.cds.caltech.edu/°murray/papers/2003g_fm03-tac.html • A.Farinelli, L. Iocchi, D. Nardi: Multi robot systems: A classification focused on
coordination, IEEE Transactions on Man Systems and Cybernetics, par B, pp. 2015-2018, 2004
• Lynne E. Parker: Current State of the Art in Distributed Autonomous Mobile Robotics • Yan Meng: Q-Learning Afjusted Bio-Inspired Multi-Robot Coordination, In Recent
Advances in Multi –Robot systems, Book edited by Aleksandar Lazinica, ISBN 978-3-902613-24-0. Pp 326, May 2008, iTech Education and Publishing, Vienna, Austria. http://www.ece.stevens-tech.edu/~ymeng/publications/AMRS08_Meng.pdf
• W. Liu. Design and modelling of Adaptive Foraging in Swarm Robotic Systems. PhD thesis, Univeristy of the West of England, Bristol, UK. 2008. http://www.brl.uwe.ac.uk/projects/swarm/index.html
• D. Antonic, Ž. Ban, M. Žagar: Deming robots - requirements and constraints, 2008
• Rothermich, J., Ecemis, M., and Gaudiano, P. Distributed localization and mapping with a robotic swarm. Swarm Robotics, Springer-Verlag (2004), 59–71.
• Trianni, V., Nolfi, S., and Dorigo, M. Cooperative hole avoidance in a swarm-bot.
Robotics and Autonomous Systems 54, 2 (2006), 97–103.
• Hettiarachchi, S., and Spears, W. Moving swarm formations through obstacle fields. International Conference on Artificial Intelligence (2005).
Videá, odkazy
• http://www.youtube.com/watch?v=M2nn1X9Xlps
• http://www.youtube.com/watch?v=e44hA6IBtkA
• http://www.youtube.com/watch?v=SkvpEfAPXn4
• http://www.youtube.com/watch?v=CJOubyiITsE
• http://people.csail.mit.edu/jamesm/swarm.php
Modifikovaný PSO algoritmus pre
kooperatívne prehľadávnie priestoru
(M. Masár)
• Modré pole označuje oblasť videnia, zelené pole je vyhodnocovná oblasť – fitnes funkcia. Každá častica vyhodnocuje, aký nepreskúmaný priestor sa nachádza v jej okolí. Sociálny aspekt – častice sú priťahované k tým časticiam, ktoré majú viac nepreskúmaného priestoru v svojom okolí.
- particle
Výpočet rýchlosti
• w – váha obmedzjúca rýchlosť častice, s časom klesá pid - vektor označujúci pozíciu častice, ktorá má najvyššiu fitnes zo všetkých pozícií, kde sa častica nachádzala pgd – vektor najlepších pid zo všetkých častíc
• Fitnes funkcia ohodnocuje množstvo nepreskúmaného priestoru okolo častice – čím viac, tým lepšie
Výsledky simulácií v Matlabe
Výsledky simulácií v Matlabe
Modifikácia PSO II
• Rozšírenie rovnice o člen označujúci ťažisko nepreskúmaného priestoru. Častica je priťahovaná k tomuto priestoru
• Metóda nehľadá najlepšie riešenie v čase, ale v priestore
Záver
• Algoritmus predstavuje jednoduché pravidlá v správaní častíc, ktoré vedú ku komplexnému správaniu sa celku
• Metóda je modifikovaná pre potreby kooperatívneho prehľadávania priestoru – pohyb častíc je modifikovaný v nadväznosti na tvar nepreskúmaného územia a častice sú priťahované k nepreskúmaným oblastiam.