Resumen de Characterizing and evaluating autonomous controllers
- español
La autonomía en robótica por medio de técnicas de Inteligencia Artificial, particularmente mediante el empleo sistemas de Planning & Scheduling (P&S), presenta un amplio campo de investigación con gran interés en aplicaciones como la robótica de exploración para entornos hostiles o difícilmente accesibles para los humanos. Sin embargo, las pruebas experimentales realizadas en los artículos de divulgación científica sobre controladores autónomos generalmente no están correctamente realizadas, ya que se carece de una metodología de estudio común. En este sentido se hace complicado comparar los nuevos sistemas con los trabajos previos, práctica habitual en otras disciplinas. Por ello, en esta tesis se propone un entorno de trabajo llamado On-Ground Autonomy Test Environment (OGATE) para permitir la evaluación de controladores autónomos. Este desarrollo consta de una metodología para estructurar la fase experimental, así como de un conjunto de métricas independientes tanto del dominio como del campo de aplicación del sistema robótico. La unión de estos elementos, mediante un software que automatiza el proceso experimental, permite obtener evaluaciones reproducibles y objetivas sobre los controladores autónomos bajo estudio.
Para demostrar la efectividad del entorno de trabajo, se han utilizado dos controladores autónomos basados en diferentes paradigmas para P&S. Primero se ha utilizado el Goal Oriented Autonomous Controller (GOAC), desarrollado bajo contrato de la Agencia Espacial Europea. Segundo, durante esta tesis se ha implementado la Model-Based Architecture (MoBAr). MoBAr está diseñado con el objetivo de probar diferentes planificadores basados en el Planning Domain Definition Language (PDDL) para conseguir autonomía a bordo. En este sentido, en la tesis también se introduce un nuevo planificador llamado Unified Path Planning and Task Planning Architecture (UP2TA). Dicho sistema integra un planificador general basado en PDDL y algoritmos de planificación de rutas con el objetivo de generar planes más seguros y eficientes para robots de exploración. Referente a la planificación de rutas, en la tesis se incluye la definición de dos nuevos algoritmos enfocados en la movilidad de los robots de exploración: S-Theta* y 3D Accurate Navigation Algorithm (3Dana). S-Theta* permite obtener rutas con un menor número de cambios de dirección que algoritmos previos, mientras que 3Dana genera rutas más seguras y restringidas en función de la pendiente del entorno, empleando para ello Modelos Digitales de Terreno (MDT) y mapas de costes trasversales.
Partiendo de GOAC y MoBAr, se ha empleado OGATE para evaluar ambos controladores, siendo posible caracterizar aspectos relevantes de la integración entre Planning & Execution (P&E) difícilmente accesibles mediante otros enfoques. Además, los resultados obtenidos son objetivos y reproducibles, permitiendo realizar comparaciones entre controladores autónomos con diferentes tecnologías y/o paradigmas de P&S.
- English
Autonomy in robotics by means of Artificial Intelligence (AI) Planning & Scheduling (P&S) is a widely research area with great interest in applications such as exploration robots in hazardous or human unreachable areas. However, autonomous controllers for robotics are usually not well assessed. For instance, it is not easy to compare newer assets with previous works in the field. In this thesis we propose a framework, called On-Ground Autonomy Test Environment (OGATE), to support testing and assessment of autonomous controllers. It is supported on a methodology and a set of generally applicable and domain independent metrics to generate objective evaluations, and a software tool to enable automatic benchmarking processes.
To demonstrate the effectiveness of the framework, we exploit two autonomous controllers based on different P&S paradigms. First, the Goal Oriented Autonomous Controller (GOAC) developed under an European Space Agency (ESA) contract.
Second, the Model-Based Architecture (MOBAR) developed during this PhD that exploits a different paradigm for autonomy. Particularly, MOBAR is designed with the objective of testing different Planning Domain Definition Language (PDDL) based planners to achieve on-board autonomy. In this regard, we also introduce a new planner, Unified Path Planning and Task Planning Architecture (up2ta), that integrates a state of the art PDDL planner with path planning algorithms. The objective of up2ta is to produce efficient plans for robotics exploration missions. Regarding to the path planning algorithm, in this thesis we introduce two algorithms focused on mobile robots: S-Theta* that effectively reduces the heading changes of the path, and the 3D Accurate Navigation Algorithm (3Dana) that deals with Digital Terrain Models (DTMs) and traversability cost maps to produce safer and reachable paths in realistic environments. Given both controllers, OGATE has been successfully exploited to evaluate them, allowing to characterize relevant aspects about the integration between Planning & Execution (P&E) that are hardly to be assessed in other ways. Moreover, the results are reproducible and objective, enabling comparison among controllers with different P&S technologies and paradigms.
