Autonomous multi-agent exploration and mapping
Exploration and Mapping is a fundamental task in robotics as it provides important information about an unknown environment that can be crucial for many applications. Many areas are either too dangerous or infeasible for humans to explore. Therefore ground and aerial robots are often used to perform...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Γλώσσα: | English |
Έκδοση: |
2023
|
Θέματα: | |
Διαθέσιμο Online: | https://hdl.handle.net/10889/24626 |
id |
nemertes-10889-24626 |
---|---|
record_format |
dspace |
institution |
UPatras |
collection |
Nemertes |
language |
English |
topic |
Behavior trees Robotics Exploration Multi-agent Genetic algorithms Δέντρα συμπεριφοράς Ρομποτική Εξερεύνηση Πολλαπλοί πράκτορες Γενετικοί αλγόριθμοι |
spellingShingle |
Behavior trees Robotics Exploration Multi-agent Genetic algorithms Δέντρα συμπεριφοράς Ρομποτική Εξερεύνηση Πολλαπλοί πράκτορες Γενετικοί αλγόριθμοι Μαρκοστάμος, Γεώργιος Autonomous multi-agent exploration and mapping |
description |
Exploration and Mapping is a fundamental task in robotics as it provides important information about an unknown environment that can be crucial for many applications. Many areas are either too dangerous or infeasible for humans to explore. Therefore ground and aerial robots are often used to perform this task. In the past, the teleoperation of a single robot was the primary method of completing these types of missions. However, the improvements in the computational capability of mobile agents and the development of new algorithms have made it possible for them to operate autonomously and even collaborate to achieve a common goal.
This thesis aims to describe the complete algorithmic process required to solve the Autonomous Multi-Agent Exploration and Mapping problem and develop a system capable of successfully performing this task. For this purpose, a distributed planning pipeline that generates and optimizes exploration paths using Genetic Algorithms in real-time is implemented. The pipeline is then integrated into a set of simulated UAVs that are part of a more extensive ROS-based system. This system consists of a high-level controller in the form of Behavior Trees that is responsible for the coordination of the agents and the safe execution of tasks and low-level controllers that enable them to navigate autonomously. To implement all the required functionality, a set of software components were developed, which are publicly available.
The overall system is evaluated in simulation environments of different complexities. The experiments indicate that the proposed method can successfully explore and map an unknown environment and that the use of multiple agents is beneficial both in terms of computational efficiency and speed of exploration. |
author2 |
Markostamos, Georgios |
author_facet |
Markostamos, Georgios Μαρκοστάμος, Γεώργιος |
author |
Μαρκοστάμος, Γεώργιος |
author_sort |
Μαρκοστάμος, Γεώργιος |
title |
Autonomous multi-agent exploration and mapping |
title_short |
Autonomous multi-agent exploration and mapping |
title_full |
Autonomous multi-agent exploration and mapping |
title_fullStr |
Autonomous multi-agent exploration and mapping |
title_full_unstemmed |
Autonomous multi-agent exploration and mapping |
title_sort |
autonomous multi-agent exploration and mapping |
publishDate |
2023 |
url |
https://hdl.handle.net/10889/24626 |
work_keys_str_mv |
AT markostamosgeōrgios autonomousmultiagentexplorationandmapping AT markostamosgeōrgios autonomēpolypraktorikēexereunēsēkaichartographēsē |
_version_ |
1771297148702294016 |
spelling |
nemertes-10889-246262023-03-03T04:35:17Z Autonomous multi-agent exploration and mapping Αυτόνομη πολυπρακτορική εξερεύνηση και χαρτογράφηση Μαρκοστάμος, Γεώργιος Markostamos, Georgios Behavior trees Robotics Exploration Multi-agent Genetic algorithms Δέντρα συμπεριφοράς Ρομποτική Εξερεύνηση Πολλαπλοί πράκτορες Γενετικοί αλγόριθμοι Exploration and Mapping is a fundamental task in robotics as it provides important information about an unknown environment that can be crucial for many applications. Many areas are either too dangerous or infeasible for humans to explore. Therefore ground and aerial robots are often used to perform this task. In the past, the teleoperation of a single robot was the primary method of completing these types of missions. However, the improvements in the computational capability of mobile agents and the development of new algorithms have made it possible for them to operate autonomously and even collaborate to achieve a common goal. This thesis aims to describe the complete algorithmic process required to solve the Autonomous Multi-Agent Exploration and Mapping problem and develop a system capable of successfully performing this task. For this purpose, a distributed planning pipeline that generates and optimizes exploration paths using Genetic Algorithms in real-time is implemented. The pipeline is then integrated into a set of simulated UAVs that are part of a more extensive ROS-based system. This system consists of a high-level controller in the form of Behavior Trees that is responsible for the coordination of the agents and the safe execution of tasks and low-level controllers that enable them to navigate autonomously. To implement all the required functionality, a set of software components were developed, which are publicly available. The overall system is evaluated in simulation environments of different complexities. The experiments indicate that the proposed method can successfully explore and map an unknown environment and that the use of multiple agents is beneficial both in terms of computational efficiency and speed of exploration. Η εξερεύνηση και η χαρτογράφηση είναι θεμελιώδεις εργασίες στη ρομποτική, καθώς παρέχουν σημαντικές πληροφορίες για ένα άγνωστο περιβάλλον που μπορεί να είναι ζωτικής σημασίας για πολλές εφαρμογές. Πολλές περιοχές είναι είτε πολύ επικίνδυνες είτε μη προσβάσιμες για να τις εξερευνήσει ο άνθρωπος. Ως εκ τούτου, τα ρομπότ εδάφους και εναέριας χρήσης χρησιμοποιούνται συχνά για την εκτέλεση της εργασίας αυτής. Στο παρελθόν, ο απομακρυσμένος έλεγχος ενός μόνο ρομπότ από κάποιον χειριστή ήταν η κύρια μέθοδος ολοκλήρωσης αυτού του τύπου αποστολών. Ωστόσο, οι βελτιώσεις στην υπολογιστική ισχύ και η ανάπτυξη νέων αλγορίθμων επιτρέπουν πλέον στα ρομπότ να λειτουργούν αυτόνομα και ακόμη και να συνεργάζονται για την επίτευξη ενός κοινού στόχου. Η παρούσα διπλωματική εργασία έχει ως στόχο να περιγράψει την πλήρη αλγοριθμική διαδικασία που απαιτείται για την επίλυση του προβλήματος της Αυτόνομης Πολυπρακτορικής Εξερεύνησης και Χαρτογράφησης καθώς και την ανάπτυξη ενός συστήματος ικανού να την εκτελέσει. Για το σκοπό αυτό, υλοποιείται ένας κατανεμημένος αλγόριθμος σχεδιασμού που δημιουργεί και βελτιστοποιεί διαδρομές εξερεύνησης χρησιμοποιώντας γενετικούς αλγόριθμους σε πραγματικό χρόνο. Στη συνέχεια, ο αλγόριθμος ενσωματώνεται σε ένα σύνολο προσομοιωμένων UAV που αποτελούν μέρος ενός πιο εκτεταμένου συστήματος που βασίζεται στο ROS. Αυτό το σύστημα αποτελείται από έναν ελεγκτή υψηλού επιπέδου με τη μορφή Δέντρων Συμπεριφοράς που είναι υπεύθυνος για τον συντονισμό των πρακτόρων και την ασφαλή εκτέλεση εργασιών και από ελεγκτές χαμηλού επιπέδου που επιτρέπουν την αυτόνομη πλοήγηση. Για την υλοποίηση όλων των απαιτούμενων λειτουργιών, αναπτύχθηκε λογισμικό, το οποίο είναι δημόσια διαθέσιμο. Το συνολικό σύστημα αξιολογείται σε περιβάλλοντα προσομοίωσης διαφορετικής πολυπλοκότητας. Τα πειράματα δείχνουν ότι η προτεινόμενη μέθοδος μπορεί με επιτυχία να εξερευνήσει και να χαρτογραφήσει ένα άγνωστο περιβάλλον και ότι η χρήση πολλαπλών πρακτόρων βελτιώνει την ταχύτητα των υπολογισμών αλλά και την ταχύτητα της εξερεύνησης. 2023-03-02T06:53:53Z 2023-03-02T06:53:53Z 2023-03-01 https://hdl.handle.net/10889/24626 en application/pdf |