cse 571 probabilis1c robo1cs
play

CSE-571 Probabilis1c Robo1cs Multi-robot Mapping and - PowerPoint PPT Presentation

Jan 31, 2023 •162 likes •406 views

CSE-571 Probabilis1c Robo1cs Multi-robot Mapping and Exploration SA-1 Sponsored by DARPA-SDR, NSF, Intel Map an unknown area Search for an object of value Set up a surveillance network Track any

  1. CSE-­‑571 ¡ Probabilis1c ¡Robo1cs ¡ Multi-robot Mapping and Exploration SA-1

  2. Sponsored by DARPA-SDR, NSF, Intel ► Map an unknown area ► Search for an “ object of value ” ► Set up a surveillance network ► Track any intruders SA-1

  3. Mapping ¡the ¡Allen ¡Center ¡ CSE 571: Probabilistic Robotics 3

  4. Coordinated ¡Explora1on ¡ ∑ ∑ C ( θ ) = U ( θ ) = dist( i , j ) explore( i , j ) ( i , j ) ∈ θ ( i , j ) ∈ θ ( ) ∗ θ = θ − θ arg max U ( ) C ( ) [Burgard et al. 00], [Simmons et al. 00] θ CSE 571: Probabilistic Robotics 4

  5. Mul1-­‑Robot ¡Mapping ¡With ¡Known ¡Start ¡ Loca1ons ¡ CSE 571: Probabilistic Robotics 5

  6. Mul1-­‑Robot ¡Mapping ¡With ¡Known ¡Start ¡Loca1ons ¡ CSE 571: Probabilistic Robotics 6

  7. Why ¡are ¡Unknown ¡Start ¡Loca1ons ¡Hard? ¡ Robot A Robot B Robot C ► Need ¡to ¡know ¡whether ¡or ¡not ¡maps ¡overlap ¡ ► Need ¡to ¡know ¡how ¡maps ¡overlap ¡ CSE 571: Probabilistic Robotics 7

  8. Mul1-­‑robot ¡Map ¡Merging ¡ • Problems ¡ – Number ¡of ¡possible ¡merges ¡is ¡exponen1al ¡in ¡ number ¡of ¡robots ¡ – Cannot ¡merge ¡maps ¡by ¡simply ¡overlaying ¡them ¡ • Wanted ¡ – Scalability, ¡robustness ¡ – Merge ¡maps ¡as ¡soon ¡as ¡possible ¡ CSE 571: Probabilistic Robotics 8

  9. Mul1-­‑robot ¡Map ¡Merging ¡ CSE 571: Probabilistic Robotics 9

  10. Mul1-­‑robot ¡Map ¡Merging ¡ CSE 571: Probabilistic Robotics 10

  11. Mul1-­‑robot ¡Map ¡Merging ¡ CSE 571: Probabilistic Robotics 11

  12. Es1ma1ng ¡rela1ve ¡loca1ons ¡ • Idea: ¡Localize ¡one ¡robot ¡in ¡other ¡robot ’ s ¡map ¡ using ¡par1cle ¡filter ¡ • Problems: ¡ ¡ – Only ¡par1al ¡map ¡available ¡ – Other ¡robot ¡might ¡be ¡outside ¡the ¡map ¡ – Map ¡grows ¡ – Impossible ¡to ¡keep ¡track ¡of ¡all ¡loca1ons ¡inside ¡and ¡ outside ¡the ¡par1al ¡map ¡ • Solu1on: ¡Only ¡keep ¡track ¡of ¡trajectories ¡that ¡ ¡ overlapped ¡map ¡at ¡some ¡1me ¡ CSE 571: Probabilistic 12 Robotics

  13. Par1al ¡map ¡localiza1on ¡(intui1on) ¡ Overlapping ¡trajectories ¡ • = p ( x | z , u ) − t 1 : t 1 : t 1 [ ] ∫ α ⋅ + p ( z | x ) p ( x | x , u ) p ( x | z , u ) dx p ( x | n , u ) p ( n | z , u ) − − − − − − − − − − − t t t t t 1 t 1 t 1 1 : t 1 1 : t 2 t 1 t t 1 t 1 t 1 1 : t 1 1 : t 2 Non-­‑overlapping ¡trajectories ¡ • = α − ε p ( n | z , u ) p ( z | outside )( 1 ) p ( n | z , u ) − − − − t 1 : t 1 : t 1 t t t 1 1 : t 1 1 : t 2 CSE 571: Probabilistic 13 Robotics

  14. Par1al ¡map ¡localiza1on ¡(example) ¡ CSE 571: Probabilistic 14 Robotics

  15. Coordina1on ¡ ∑ ∑ ⎧ dist( i , j ) if j is frontier ⎧ explore( i , j ) if j is frontier θ = θ = C ( ) dist( i , j ) U ( ) explore( i , j ) ∑ ∑ θ = θ = C ( ) U ( ) ⎨ ⎨ + dist( i , j ) meet( i , j ) if j is hypothesis p ( j ) merge( i , j ) if j is hypothesis ⎩ ∈ θ ∈ θ ⎩ ( i , j ) ( i , j ) ∈ θ ∈ θ ( i , j ) ( i , j ) ( ) ∗ θ = θ − θ arg max U ( ) C ( ) Hypotheses become potential goals [Burgard et al. 00], θ [Simmons et al. 00], CSE 571: Probabilistic [Zlot et al. 02] 15 Robotics

  16. Experimental ¡setup ¡ CSE 571: Probabilistic 16 Robotics

  17. CSE 571: Probabilistic Robotics 17

  18. Cen1Bots: ¡Experimental ¡Evalua1on ¡ • Rigorously ¡tested ¡by ¡outside ¡evalua1on ¡team ¡ • No ¡tes1ng ¡allowed ¡in ¡1/2 ¡of ¡environment ¡ • Limited ¡communica1on ¡ • No ¡interven1on ¡/ ¡observa1on ¡during ¡experiment ¡ • Comparison ¡to ¡ “ ground ¡truth ” map ¡ CSE 571: Probabilistic Robotics 18

  19. Control ¡Center ¡and ¡ Test ¡Team ¡ CSE 571: Probabilistic Robotics 19

  20. CSE 571: Probabilistic Robotics 20

  21. Comparison ¡to ¡ “ Ground ¡Truth ¡Map ” ¡ CSE 571: Probabilistic Robotics 21

  22. Three ¡Mapping ¡Runs ¡ CSE 571: Probabilistic Robotics 22

  23. Three ¡Overlayed ¡Maps ¡ CSE 571: Probabilistic Robotics 23

More recommend