Semantische Kartierung und Navigation für mobile Roboter
By Klaus Uhl
()
About this ebook
In dieser Dissertation wird ein Navigationssystem für mobile Roboter entworfen, das semantische Information im Umweltmodell vorhält, die Bewegungsmuster des Roboters in Abhängigkeit der semantischen Eigenschaften der lokalen Umgebung flexibel steuern kann und Navigationspläne erstellt, die an die Art und Weise angelehnt sind, wie Menschen einen Weg durch eine Umgebung beschreiben. Dabei wird ein semantisches Umweltmodell entworfen, aus dem mittels eines semantischen Modells von symbolischen Roboteraktionen ein Graph von sog. "semantischen Positionen", die ausschließlich über semantische Eigenschaften definiert sind, für die Navigationsplanung abgeleitet werden kann.
Klaus Uhl
Klaus Uhl studierte von 2000 bis 2005 Informatik an der Universität Ulm. Er schloss dort 2003 mit dem "Bachelor of Computer Science" (B.Comp.Sc.) und 2005 mit dem "Master of Computer Science" (M.Comp.Sc) ab. Die Schwerpunkte des Studiums lagen im Bereich der Robotik und der künstlichen Intelligenz. Von 2005 bis 2012 war Klaus Uhl wissenschaftlicher Mitarbeiter in der Abteilung "Interaktive Diagnose- und Servicesysteme" (IDS) des FZI Forschungszentrum Informatik in Karlsruhe. Dort arbeitete er an Systemen und Algorithmen für "Fahrerlose Transportfahrzeuge" (FTF) und "Fahrerlose Transportsysteme" (FTS) und forschte an kognitiven Verfahren zur Navigation von mobilen Robotern. Seine Forschungsergebnisse flossen in seine Dissertation zum Thema "Semantische Kartierung und Navigation für mobile Roboter" ein, die er im Januar 2014 mit der Bewertung "magna cum laude" abschloss.
Related to Semantische Kartierung und Navigation für mobile Roboter
Related ebooks
Betriebsplanung im öffentlichen Personennahverkehr: Ziele, Methoden, Konzepte Rating: 0 out of 5 stars0 ratingsStructr: Quelloffenes Daten-CMS auf Neo4j-Basis Rating: 0 out of 5 stars0 ratingsAutomatisierung im schienengebundenen Nahverkehr: Funktionen und Nutzen von Communication-Based Train Control (CBTC) Rating: 0 out of 5 stars0 ratingsRoutenzugplanung: Ein Fallbeispiel Rating: 0 out of 5 stars0 ratingsDer App-Entwicklungszyklus Rating: 0 out of 5 stars0 ratingsSharePoint Kompendium - Bd. 11: Big Data, BI, Office 365 Rating: 0 out of 5 stars0 ratingsStrategische Planung und Optimierung der Kapazität in Eisenbahnnetzen unter Nutzung von automatischer Taktfahrplanung Rating: 0 out of 5 stars0 ratingsGeoinformatik: Von den Grundlagen zum Fachwissen Rating: 5 out of 5 stars5/5iOS Essentials: Frameworks, Tools und Twitter API Rating: 0 out of 5 stars0 ratingsMicroservices: Der Hype im Realitätscheck Rating: 0 out of 5 stars0 ratingsMerkmale effizienten Modellierens: Entwerfen mit Autodesk Inventor Rating: 0 out of 5 stars0 ratingsAutomatisiertes Fahren auf der Schiene: Technische und rechtliche Aspekte für die Praxis Rating: 0 out of 5 stars0 ratingsNeues verkehrswissenschaftliches Journal - Ausgabe 25: Sinn² - Die barrierefreie Zwei-Sinne-Fahrgastinformation Rating: 0 out of 5 stars0 ratingsStandortbilanz Lesebogen 22 Weg und Ziel: Meilensteine und Markierungen Rating: 0 out of 5 stars0 ratingsKybernetisches Bauprojektmanagement: Gestaltung lebensfähiger Baustrukturen auf Grundlage des Viable System Models Rating: 0 out of 5 stars0 ratingsBing Maps für Webentwickler Rating: 0 out of 5 stars0 ratingsNeo4j 2.0: Eine Graphdatenbank für alle Rating: 0 out of 5 stars0 ratingsVon der automobilen zur multimodalen Gesellschaft?: Multioptionalität als Voraussetzung für multimodales Verhalten Rating: 0 out of 5 stars0 ratingsRealisierung eines ferngesteuerten autonomen mobilen Roboters: Entwurf eines Ausbildungskonzeptes für Robotik Rating: 0 out of 5 stars0 ratingsRelativistische Effekte bei der Satellitennavigation: Von Einstein zu GPS und Galileo Rating: 0 out of 5 stars0 ratingsGeolocation mit PHP: Foursquare-API, Google Places & Qype Rating: 0 out of 5 stars0 ratingsWerden Programmierer überflüssig?: Die KI-Revolution in der Softwareentwicklung Rating: 0 out of 5 stars0 ratingsEine Einführung in das European Train Control System (ETCS): Das einheitliche europäische Zugsteuerungs- und Zugsicherungssystem Rating: 0 out of 5 stars0 ratingsWebGIS und WebMapping für Anfänger: Anforderungen an ein anwendungsfreundliches WebGIS-System Rating: 0 out of 5 stars0 ratingsBaulogistikplanung: Schnelleinstieg für Bauherren, Architekten und Fachplaner Rating: 0 out of 5 stars0 ratingsSharePoint Kompendium - Bd. 8: Mobile-Strategien Rating: 0 out of 5 stars0 ratingsSoftwarearchitektur für Dummies Rating: 0 out of 5 stars0 ratingsNetzwerktechnik, Band 1: Grundlagen für Einsteiger Rating: 0 out of 5 stars0 ratingsProjektmanagement mit SemProj: Kollaboratives Arbeiten im Semantic Web Rating: 0 out of 5 stars0 ratings
Computers For You
Lexikon der Symbole und Archetypen für die Traumdeutung Rating: 5 out of 5 stars5/5Anglizismen und andere "Fremdwords" deutsch erklärt: Über 1000 aktuelle Begriffe Rating: 0 out of 5 stars0 ratingsLaws of UX: 10 praktische Grundprinzipien für intuitives, menschenzentriertes UX-Design Rating: 0 out of 5 stars0 ratingsWordPress - Elementor Rating: 0 out of 5 stars0 ratingsEinstieg in ChatGPT: Künstliche Intelligenz verstehen und nutzen: Ein praktischer Ratgeber für Einsteiger Rating: 0 out of 5 stars0 ratingsDatenbanken: Grundlagen und Entwurf Rating: 0 out of 5 stars0 ratingsRaspberry Pi Kinderleicht: Pi 4 mit 8 GB Rating: 0 out of 5 stars0 ratingsRunning Lean: Das How-to für erfolgreiche Innovationen Rating: 4 out of 5 stars4/5Niklas Luhmann: "... stattdessen ...": Eine biografische Einführung Rating: 0 out of 5 stars0 ratingsBig Data: Die neue Intelligenz des Menschen (GEO eBook) Rating: 0 out of 5 stars0 ratingsNeuronale Netze selbst programmieren: Ein verständlicher Einstieg mit Python Rating: 0 out of 5 stars0 ratingsNimm den Chor doch selber auf: Crashkurs für das Aufnehmen und Mischen von Chören Rating: 0 out of 5 stars0 ratingsEinführung ins Darknet: Darknet ABC Rating: 0 out of 5 stars0 ratingsKybernetik, Kommunikation und Konflikt: Gregory Bateson und (s)eine kybernetische Konflikttheorie Rating: 0 out of 5 stars0 ratingsGrundlagen und Methoden der Wirtschaftsinformatik: Eine anwendungsorientierte Einführung Rating: 0 out of 5 stars0 ratingsBig Data - Apache Hadoop Rating: 0 out of 5 stars0 ratingsData Warehouse im Rahmen der Business Intelligence: Konzeption eines Vorgehensmodells Rating: 0 out of 5 stars0 ratingsDocker und die Containerwelt: Einstieg und Expertentipps rund um Docker-Container Rating: 1 out of 5 stars1/5Machine Learning – kurz & gut: Eine Einführung mit Python, Pandas und Scikit-Learn Rating: 5 out of 5 stars5/5Die 10 besten Regal-Lautsprecher: 1hourbook Rating: 0 out of 5 stars0 ratingsScribus Desktop Publishing: Das Einsteigerseminar Rating: 0 out of 5 stars0 ratingsGames | Game Design | Game Studies: Eine Einführung (Deutschsprachige Ausgabe) Rating: 0 out of 5 stars0 ratingsShopware 6 Handbuch Rating: 0 out of 5 stars0 ratingsTaschen-Guide zur Professional Scrum Master-Zertifizierung (PSM 1) Rating: 0 out of 5 stars0 ratingsPocket Book - Das inoffizielle Handbuch. Anleitung, Tipps, Tricks Rating: 0 out of 5 stars0 ratingsAufstieg der Roboter: Wie unsere Arbeitswelt gerade auf den Kopf gestellt wird - und wie wir darauf reagieren müssen Rating: 0 out of 5 stars0 ratings60+ Webtools - Für den Unterricht und mehr: Unterricht Digital gestalten und spielerisch Online Unterrichten Rating: 0 out of 5 stars0 ratings
Reviews for Semantische Kartierung und Navigation für mobile Roboter
0 ratings0 reviews
Book preview
Semantische Kartierung und Navigation für mobile Roboter - Klaus Uhl
Partikelfilter
1. Einleitung
Autonome, mobile Serviceroboter dringen in immer mehr Anwendungsgebiete vor. In klassischen Anwendungen übernehmen Fahrerlose Transportfahrzeuge (FTF) seit Jahrzehnten Transportaufgaben in der Intralogistik von Betrieben. In den letzten Jahren wurden weitere Anwendungen, z.B. in der Gebäudereinigung, der Geländeüberwachung oder in der Landwirtschaft kommerziell erschlossen. Darüber hinaus wird ein breites Spektrum an Servicerobotikanwendungen erforscht. Diese reichen von autonomen, mobilen Manipulatoren für Fertigungsaufgaben in der Produktion und Kommissionieraufgaben in der Logistik über Assistenzroboter für die Alten- und Krankenpflege bis hin zu universellen Haushaltshilfen.
Bei allen diesen Anwendungen ist die Fähigkeit zur Navigation eine Grundvoraussetzung für die Autonomie der mobilen Systeme. Wichtige Eigenschaften eines Navigationssystems für mobile Roboter sind dabei Effizienz bei der Planung und Robustheit bei der Ausführung, insbesondere auch in einer weitläufigen und veränderlichen Umgebung. Ebenso wird heute vorausgesetzt, dass die Karte der Umgebung, welche für die Navigation benötigt wird, aus Sensordaten automatisch berechnet werden kann.
Andererseits dürfen aber auch Sicherheitsaspekte, wie sie insbesondere in der Maschinenrichtlinie [2] und dem Produktsicherheitsgesetz [72] geregelt sind, bei der Konzeption eines Navigationssystems nicht vollständig außer Acht gelassen werden. Denn wenngleich die Einhaltung der Sicherheitsbestimmungen üblicherweise in einer Sicherheitssteuerung auf der niedrigsten Ebene des Roboters erfolgt, so kann das Navigationssystem doch die Gefährdungen, die von einem Servieroboter ausgehen – und als Folge davon die Anforderungen an die Sicherheitssteuerung – maßgeblich beeinflussen. Die Vorhersagbarkeit des Roboterverhaltens muss mitunter über die maximale Flexibilität und Effizienz der Navigation gestellt werden, um die Gefahr zu minimieren, Menschen zu verletzen. Eine vollständig freie Navigation ist somit nicht immer möglich bzw. sinnvoll. Eine weitere, wünschenswerte Eigenschaft eines Navigationssystems besteht deshalb darin, das Roboterverhalten in den unterschiedlichen Bereichen einer Umgebung flexibel anpassen zu können.
Der verbreitete Ansatz einer rein metrischen oder topologischen Navigation wird mehr und mehr um Ansätze ergänzt, welche die Semantik der Umgebung berücksichtigen. Ein Roboter, der in der Lage ist, über die Regionen und Objekte seiner Umgebung sowie deren Beziehungen untereinander Schlussfolgerungen zu ziehen, kann einfacher und natürlicher mit den Menschen kommunizieren, die er unterstützen soll. Außerdem macht die Verwendung eines abstrakten, semantischen Umweltmodells die Navigationsplanung effizienter, die Navigation robuster und die Überprüfung sowie den Austausch des Roboterwissens leichter.
Der Stand der Forschung liefert verschiedene Ansätze, ein semantisches Umweltmodell zu formulieren. Dabei wird die Umgebung in Regionen zergliedert, denen eine spezifische Bedeutung zugeordnet wird (z.B. „Wohnzimmer, „Küche
, etc. ). Des Weiteren können in den Regionen Objekte registriert werden. Sowohl die Regionen, als auch die Objekte sind mit einer Ontologie verknüpft, welche es erlaubt, implizites Wissen über ihre Eigenschaften abzuleiten. Bezüglich der Navigationsplanung bietet der Stand der Forschung jedoch nicht die oben geforderte flexible Anpassungsmöglichkeit des Roboterverhaltens. Die Planung erfolgt entweder nur auf der Ebene der Regionsübergänge und überlässt die Feinplanung innerhalb der Regionen einem untergeordneten, geometrischen Planer, oder sie erfolgt vollständig auf geometrischer Ebene. Somit klafft, wie in Bild 1.1 dargestellt ist, zwischen den verfügbaren Planungsansätzen eine Lücke. Bei der metrischen und topologischen Navigation erfolgt die Planung auf einem niedrigen Abstraktionsniveau, wobei feingranulare Pläne berechnet werden. Dagegen ist das Abstraktionsniveau und die Granularität der Pläne bei der symbolischen Aktionsplanung sehr hoch. Der Raum dazwischen wird bislang nicht gefüllt.
Bild 1.1.: Der Stand der Forschung im Bereich der Navigationsplanung deckt nur den unteren und oberen Bereich des Abstraktions bzw. Granularitätsspektrums ab. Dazwischen klafft eine Lücke (rot schraffiert).
1.1. Anforderungen an das Navigationssystem
Um ein flexibles und effizientes System, das einen möglichst hohen Grad an Autonomie besitzt, erreichen zu können, müssen bei der Konzeption des Navigationssystems eine Reihe von Anforderungen berücksichtigt werden.
Semantische Information Eine semantische Modellierung des Umweltmodells ermöglicht es, durch Inferenz implizites und generalisiertes Wissen zu nutzen. Aus diesem Grund vereinfacht die Verwendung von semantischer Information verschiedene Aufgaben der Navigation von mobilen Robotern und macht sie effizienter und robuster. Dies trifft insbesondere auf die Pfadplanung, die Lokalisierung des Roboters in der Umgebung sowie die Mensch-Maschine-Interaktion zu [16, 48, 68]. Außerdem erleichtert eine semantische Modellierung die Interaktion der unterschiedlichen Komponenten einer Robotersteuerung.
Das Umweltmodell, mit dem das Navigationssystem arbeitet, soll daher auf einer semantischen Modellierung der verarbeiteten Informationen aufgebaut sein.
Abstraktion und hierarchische Struktur Um effizient Navigationspfade planen und ausführen zu können, ist – gerade in großen Umgebungen – eine hierarchische Planungs- und Ausführungsstruktur zwingend notwendig. Es ist aufwändig, einen langen Pfad detailliert auf einer exakten metrischen Karte zu planen. Effizienter ist es, zunächst einen abstrakten topologischen Pfad zu berechnen und diesen anschließend in einer Detailplanung abschnittsweise zu einer exakten Bahn zu verfeinern. Dementsprechend gibt es auch nicht eine einzelne Darstellung der Umgebung, die für alle Schritte der Planung und Ausführung geeignet ist (siehe [38]).
Das Umweltmodell soll die Informationen über die Umgebung daher auf verschiedenen Abstraktionsstufen zur Verfügung stellen können.
Flexible Steuerung der Bewegungsmuster Die Navigationsplanung soll in der Lage sein, die auszuführenden Roboteraktionen in Abhängigkeit von semantischen Attributen der lokalen Umgebung auszuwählen. Dadurch ist es möglich, die Bewegungsmuster des Roboters flexibel zu steuern und z. B. abhängig vom Typ der Region, in der sich der Roboter befindet, unterschiedliche Navigationsstrategien zu erhalten.
Abstrakte Navigationsplanung Die Navigationsplanung soll sich an der Art und Weise orientieren, wie Menschen einen Weg durch eine Umgebung beschreiben. Ein Navigationsplan soll nicht aus einer Reihe von geometrischen Trajektorien oder einer Liste von topologisch verknüpften Orten bestehen, die in den Sensordaten eindeutig identifiziert werden können. Er soll vielmehr an eine Wegbeschreibung wie z. B. „fahre den Gang entlang und biege an der zweiten Gang-Kreuzung nach links ab" angelehnt sein, die sich auf Entitäten in der Umgebung bezieht. Ein so aufgebauter Navigationsplan hat Vorteile gegenüber rein metrischen oder topologischen Plänen:
Da der Plan aus sehr abstrakten Navigationsanweisungen besteht, ist er robuster gegenüber Diskrepanzen zwischen der realen Umgebung und dem Umweltmodell, welches der Planung zugrunde liegt.
Bei einer geometrischen Planung werden die Trajektorien überall nach demselben Schema erzeugt. Bei einer topologischen Planung sind die Stützpunkte eines Navigationspfads durch die topologische Karte fest vorgegeben. Durch die vorgeschlagene Orientierung am Menschen und durch die Nutzung der geforderten semantischen Karteninformation kann eine höhere Flexibilität bei der Steuerung des Roboterverhaltens in den unterschiedlichen Bereichen einer Umgebung erreicht werden.
Navigationspläne dieser Art sind für Menschen deutlich einfacher zu erfassen und nachzuvollziehen.
Beim Entwurf der Navigationsplanung sind auch die oben aufgeführten Anforderungen an das Umweltmodell zu berücksichtigen.
Lokale metrische Karten mit lokalen Bezugssystemen Prinzipiell ist es möglich, für die lokale Bahnplanung und Regelung einfache Regelmechanismen, die ohne eine Karte der Umgebung auskommen, zu verwenden. Dieser Ansatz wird z. B. von Kuipers und Byun vorgeschlagen [39]. Oft ist es aber hilfreich, wenn der Roboter über eine möglichst exakte metrische Karte seiner unmittelbaren Umgebung verfügt. In Anwendungen, wie z. B. bei fahrerlosen Transportfahrzeugen, in denen bestimmte Objekte oder Lokalitäten von der Sensorik des Roboters nicht erfasst werden können, sondern über metrische Relationen zum Umfeld lokalisiert werden müssen, ist dies sogar zwingend notwendig.
Für die Unterstützung der lokalen Bahnplanung und Regelung soll das Umweltmodell daher die Möglichkeit enthalten, metrische Karten zu hinterlegen. Das Kartenformat (2D oder 3D, Merkmalskarte oder Belegtheitskarte) soll dabei offen bleiben, damit für jeden Roboter, auf dem die semantische Missionssteuerung zum Einsatz kommt, das am besten geeignete Kartenformat verwendet werden kann.
Die Verwendung eines einzelnen, globalen Koordinatensystems für das gesamte Umweltmodell bringt aber, insbesondere bei wachsender Größe der Umgebung, verschiedene Probleme mit sich. Bei der Kartierung der Umgebung wird es umso schwieriger, eine konsistente Karte zu berechnen, je größer die Umgebung ist. Die Fehler in der berechneten Karte, die sich aus der ungenauen Lokalisierung des Roboters und dem Rauschen der Sensor-Messungen ergeben, summieren sich umso mehr, je größer die zurückgelegten Strecken werden. Um diese Fehler zu kompensieren, werden aufwändigere Kartierungsverfahren und ein überproportional höherer Rechenaufwand benötigt.
Für den praktischen Einsatz genügt es i. d. R. jedoch, nur für lokale Umgebungen, welche die Sensorreichweite nicht signifikant überschreiten, Karten mit lokalen Bezugssystemen zu erstellen und vorzuhalten (siehe [6]). Aus diesem Grund sollen die hinterlegten, lokalen metrischen Karten nicht in einem globalen Bezugssystem registriert werden, sondern ihre eigenen lokalen Bezugssysteme verwenden.
Behandlung von sensorisch nicht vollständig erfassbaren Entitäten Gebäude können eine sehr große Ausdehnung haben. Deshalb können auch Regionen, wie z.B. Gänge, entsprechend lang sein. In großen Gebäudekomplexen können Verbindungsgänge Längen von mehreren hundert Metern erreichen. Wegen der begrenzten Reichweite aller existierenden Sensoren kann nicht sichergestellt werden, dass ein Roboter eine Region mit seinen Sensoren immer vollständig erfassen kann. Außerdem können Hindernisse den Sichtbereich der Sensoren einschränken, wodurch ebenfalls verhindert wird, dass die Ausdehnung einer Region vollständig erfasst werden kann.
Das Umweltmodell muss mit solchen unvollständigen Messungen von Regionsmerkmalen umgehen können.
Behandlung von sensorisch nicht erfassbaren Entitäten Unabhängig davon, mit welcher Kombination von Sensorik ein Roboter ausgestattet ist, gibt es immer Objekte oder Lokalitäten, die von der Sensorik nicht erfasst werden können. Dies gilt insbesondere bei kommerziellen Robotersystemen, wo die Kosten für den Bau des Roboters eine Rolle spielen und deshalb die Anzahl der Sensoren sowie deren Kosten so gering wie möglich gehalten werden muss.
Das Umweltmodell soll diese Situation abbilden können, indem es erlaubt, Entitäten ausschließlich über Relationen zu anderen Entitäten, die mit der vorhandenen Sensorik erfasst werden können, zu definieren und zu lokalisieren.
Für die semantische Kartierung stellt diese Situation ein Problem dar. Es ist nicht möglich, Entitäten zu kartieren, die von der Sensorik des Roboters nicht erfasst werden können. Diese Lücke soll durch zwei weitere Anforderungen geschlossen werden:
Es soll möglich sein, die Karten, die von der semantischen Kartierung berechnet wurden, manuell um weitere Entitäten zu erweitern.
Es soll möglich sein, Karten, die für den Einsatz auf einem Roboter mit wenig Sensorik notwendig sind, auf einem anders aufgebauten Messroboter zu erstellen, der über mehr bzw. teurere Sensorik verfügt.
Die Anwendung dieser beiden Maßnahmen ist insbesondere dann interessant, wenn die Karte einer Umgebung zu einem bestimmten Zeitpunkt erstellt wird und anschließend auf einer ganzen Flotte von mobilen Robotern zum Einsatz kommt. Bei fahrerlosen Transportsystemen (FTS) ist diese Vorgehensweise gängige Praxis. Sie kann aber grundsätzlich auch in anderen Situationen angewendet werden, wenn mehrere mobile Roboter in einer statischen oder quasi-statischen Umgebung eingesetzt werden sollen und eine ständige Aktualisierung des Umweltmodells nicht notwendig ist.
Unabhängigkeit von der Implementierung der Robotersteuerung Das System zur semantischen Kartierung und Navigation soll unabhängig von der Implementierung einer Robotersteuerung sein, auf dem sie zum Einsatz kommt. Insbesondere sollen weder Annahmen getroffen werden, in welcher Form die Fähigkeiten des Roboters umgesetzt sind, noch sollen diesbezüglich Vorgaben gemacht werden. So wird sicher gestellt, dass die semantische Kartierung und Navigation mit minimal möglichem Aufwand auf unterschiedliche Ziel-Roboter portiert werden kann.
1.2. Zielsetzung und Beitrag der Arbeit
Ein Navigationssystem für einen mobilen Roboter besteht aus folgenden Komponenten:
Eine Kartierungskomponente berechnet aus den Sensormessungen des Roboters bei Bedarf eine Karte der Umgebung oder aktualisiert diese.
Ein Navigationsplanungsalgorithmus plant, gegeben die aktuelle Position des Roboters und das Navigationsziel, in der Umgebungskarte einen Pfad vom Start- zum Zielpunkt.
Eine Ausführungskomponente führt die einzelnen Abschnitte des geplanten Pfades sequenziell aus.
Eine Lokalisierungskomponente errechnet kontinuierlich die aktuelle Position des Roboters in der Umgebungskarte.
Das Umgebungsmodell spezifiziert die Information, die in der Umgebungskarte erfasst wird. Es bildet das Vokabular für ein einheitliches Verständnis der Umgebung und wird von allen zuvor genannten Komponenten verwendet.
Das Navigationssystem eines Roboters, der in einer unbekannten Umgebung in Betrieb genommen wird, durchläuft dabei den Prozess, der in Bild 1.2 dargestellt ist. Zunächst wird eine Karte der Umgebung erstellt. Anschließend kann der Roboter in der Umgebung navigieren.
Bild 1.2.: Schematischer Prozess vom „unwissenden" Roboter bis zur erfolgreichen Ausführung eines Navigationsplans.
Das Ziel dieser Arbeit besteht im Entwurf und der prototypischen Implementierung eines Navigationssystems für mobile Roboter mit den beschriebenen Komponenten, welches die in Abs. 1.1 aufgeführten Anforderungen berücksichtigt und möglichst umfassend erfüllt. Der Protoyp soll in einer Simulationsumgebung evaluiert werden.
Um dieses Ziel zu erreichen, wird ein abstraktes Umweltmodell mit semantischen, topologischen und geometrischen Merkmalen zur strukturellen Repräsentation der Umgebung entworfen. Darüber hinaus werden semantische Positionen formuliert, die über semantische Relationen zu Entitäten des Umweltmodells beschrieben werden. Sie dienen als diskrete, abstrakte Stützpunkte für die Navigationsplanung sowie die Lokalisierung. Es wird ein Algorithmus entwickelt, der ein Modell von Roboteraktionen, das auf Vor- und Nachbedingungen basiert, in eine Menge von Regeln transformiert, mit denen unter Verwendung eines Inferenzwerkzeugs aus dem strukturellen Umweltmodell automatisch ein topologischer Navigationsgraph aus semantischen Positionen abgeleitet werden kann. Die Navigationsplanung erfolgt anschließend als Kürzeste-Wege-Suche auf dem Navigationsgraphen. Um den Prozess in Bild 1.2 vollständig abzubilden, wird ein semantisches Kartierungsverfahren entwickelt, mit dem das abstrakte Umweltmodell aus vorverarbeiteten und abstrahierten Sensormessungen automatisch berechnet werden kann. Außerdem wird eine Möglichkeit zur Lokalisierung auf semantischen Positionen bzw. im Navigationsgraphen aufgezeigt.
1.3. Aufbau der Arbeit
Der Aufbau der Arbeit ist in Bild 1.3 schematisch dargestellt. Kapitel 2 gibt einen Überblick über den Stand der Forschung. Dabei werden die drei Themenbereiche „Wissensrepräsentation, „Semantik in der Servicerobotik
und „symbolische Planung" beleuchtet und bewertet.
Kapitel 3 stellt die Systemarchitektur vor, in welche die vorliegende Arbeit eingebettet ist. Zunächst wird die semantische Missionssteuerung mit ihren Komponenten in ihrer vollständigen Ausprägung vorgestellt. Anschließend wird eine reduzierte Form der Missionssteuerung eingeführt, die zum Einsatz kommt, wenn die Missionsaufgabe neben der Navigation keine weitergehenden perzeptorischen oder planerischen Fähigkeiten erfordert. Darüber hinaus wird der Aufbau der Wissensbasis, welche alle informationstragenden Elemente der Arbeit enthält, erläutert. Schließlich wird die Arbeit in die Systemarchitektur eingeordnet.
Das Konzept der semantischen Navigation wird in Kapitel 4 erläutert. Zunächst wird die semantische Regionenkarte als abstraktes Umweltmodell mit semantischen, topologischen und metrischen Merkmalen eingeführt sowie die Eigenschaften von semantischen Positionen erläutert. Anschließend wird das Konzept der Navigationsplanung vorgestellt und der Algorithmus zur Transformation einer semantischen Regionenkarte mittels eines semantischen Modells der Roboteraktionen in einen Navigationsgraphen erläutert. Zuletzt wird ein Konzept für die semantische Lokalisierung auf dem Navigationsgraphen präsentiert.
Bild 1.3.: Aufbau der Arbeit.
Kapitel 5 beschäftigt sich mit der semantischen Kartierung. Nach der Betrachtung eines speziellen Korrespondenzproblems, das sich aus dem Aufbau der komplexen Kartenmerkmale ergibt, wird