Este artículo es la tesis doctoral del Instituto de Tecnología de California (Autor: Kristopher L. Kriechbaum), un total de 146.
La capacidad de posicionamiento autónomo de los robots móviles es el requisito básico para una navegación autónoma remota confiable. Este artículo presenta nuevos algoritmos y herramientas de navegación y posicionamiento de robots. Se introduce un nuevo método de coincidencia de escaneo de rango, que combina el modelo de ruido del sensor real. Este método puede verse como una forma mejorada de odómetro. Los resultados muestran que, en comparación con un odómetro de robot móvil típico, hay una mejora de un orden de magnitud. Además, se creó un nuevo algoritmo de planificación basado en sensores. En este algoritmo, no importa si la ruta se acerca o se aleja temporalmente del objetivo, el robot seguirá la ruta local óptima para alcanzar el objetivo sin excepción. El costo de implementación se define como la longitud de la ruta. Este nuevo algoritmo se llama \ Optim-Bug, que es completo y correcto. Finalmente, desarrollé un nuevo programa de planificación de movimiento en línea que determina una ruta hacia el objetivo para que el robot pueda posicionarse en el objetivo. Este algoritmo se llama "\ Error incierto". En particular, se minimiza la covarianza de la estimación de la pose del robot en la posición objetivo. Esta característica aumenta la posibilidad de que el robot realmente pueda lograr el objetivo deseado, incluso si la incertidumbre destruye el posicionamiento del robot cuando se mueve en la trayectoria. Se conoce la trayectoria del robot, por lo que se puede utilizar para mejorar su posicionamiento. Este artículo es el primer paso para combinar herramientas de mapeo y posicionamiento de robots móviles con ideas de planificación de movimiento basadas en sensores.
La capacidad de un robot móvil para localizarse es un requisito básico para una navegación autónoma confiable de largo alcance. Esta tesis presenta nuevas herramientas y algoritmos para ayudar en la localización y navegación de los robots. Presento un nuevo método de coincidencia de escaneo de rango que incorpora modelos de ruido de sensor realistas. Este método puede considerarse una forma mejorada de odometría. Los resultados muestran un orden de magnitud de mejora con respecto a la odometría típica de un robot móvil. Además, he creado un nuevo algoritmo de planificación basado en sensores en el que el robot sigue la ruta localmente óptima hacia la meta sin excepción, independientemente de si la ruta se acerca o se aleja temporalmente de la meta. El costo de una ruta se define como la longitud de la ruta. Este nuevo algoritmo, al que llamo \ Optim-Bug ", está completo y es correcto. Por último, Desarrollé un nuevo procedimiento de planificación de movimiento en línea que determina un camino hacia una meta que permite que el robot se localice de manera óptima en la meta. Este algoritmo se llama \ Error incierto. "En particular, la covarianza de la estimación de la pose del robot en el objetivo se minimiza. Esta característica aumenta la probabilidad de que el robot realmente pueda alcanzar el objetivo deseado, incluso cuando la incertidumbre corrompe su localización durante movimiento a lo largo de la trayectoria. La trayectoria del robot se elige de modo que pueda utilizar características conocidas en el entorno para mejorar su localización. Esta tesis es un primer paso para acercar las herramientas de localización y mapeo de robots móviles junto con ideas de la planificación de movimiento basada en sensores . incluso cuando la incertidumbre corrompe su localización durante el movimiento a lo largo del camino. La ruta del robot se elige para que pueda utilizar características conocidas en el entorno para mejorar su localización. Esta tesis es un primer paso hacia unir las herramientas de localización y mapeo de robots móviles junto con ideas de la planificación de movimiento basada en sensores. incluso cuando la incertidumbre corrompe su localización durante el movimiento a lo largo del camino. La ruta del robot se elige para que pueda utilizar características conocidas en el entorno para mejorar su localización. Esta tesis es un primer paso hacia unir las herramientas de localización y mapeo de robots móviles junto con ideas de la planificación de movimiento basada en sensores.
-
Introducción
-
Antecedentes del proyecto
-
Coincidencia de escaneo ponderado
-
Optim-Bug
-
Optimización de ruta
-
Error incierto
-
En conclusión
Apéndice A Derivación de la correspondencia de exploración ponderada
Apéndice B detalles de implementación específicos
Apéndice C Características del trayecto más corto
Apéndice D Espacio libre incierto delimitado
Para obtener más artículos interesantes, preste atención a la cuenta pública: