Swarm robotics - stuba.skkvasnicka/Seminar_of_AI/Budinska...Zaujímavé projekty •COMSTAR (2004-2008), C-MANTIC Lab –Automatické rozpoznávanie cieľa •MASSES (2006-2007, 2008-2009)

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


priestorov






priestorov




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.

http://people.csail.mit.edu/jamesm/project-BoundaryDetection.php



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



priestorov




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.



priestorov




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


modules


modules

Rekonfigurovateľné moduly - Lego

• Desmond Innovation, LLC

www.selfreconfigurable.com

http://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).

http://www.ece.stevens-tech.edu/~ymeng/publications/AMRS08_Meng.pdf



http://www.brl.uwe.ac.uk/projects/swarm/index.html

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

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.

Swarm robotics - stuba.skkvasnicka/Seminar_of_AI/Budinska...Zaujímavé projekty •COMSTAR (2004-2008), C-MANTIC Lab –Automatické rozpoznávanie cieľa •MASSES (2006-2007, 2008-2009)

Documents