Faculté des sciences et techniques de l'ingénieur STI, Programme doctoral Systèmes de production et Robotique, Institut de production et robotique IPR (Laboratoire de systèmes robotiques 1 LSRO1)

Rigid body dynamics simulation for robot motion planning

Ettlin, Alan ; Bleuler, Hannes (Dir.)

Thèse sciences Ecole polytechnique fédérale de Lausanne EPFL : 2006 ; no 3663.

Ajouter à la liste personnelle
    Summary
    The development of robot motion planning algorithms is inherently a challenging task. This is more than ever true when the latest trends in motion planning are considered. Some motion planners can deal with kinematic and dynamic constraints induced by the mechanical structure of the robot. Another class of motion planners fulfill various types of optimality conditions, yet others include means of dealing with uncertainty about the robot and its environment. Sensor-based motion planners gather information typically afflicted with errors about a partially known environment in order to plan a trajectory therein. In another research area it is investigated how multiple robots best cooperate to solve a common task. In order to deal with the complexity of developing motion planning algorithms, it is proposed in this document to resort to a simulation environment. The advantages of doing so are outlined and a system named Ibex presented which is well suited to support motion planner development. The developed framework makes use of rigid body dynamics algorithms as simulation kernel. Further, various components are included which integrate the simulation into existing engineering environments. Simulation content can be conveniently developed through extensions of well-established 3D modelling tools. The co-simulation with components from other domains of physics is provided by the integration into a leading dynamic modelling environment. Robotic actuator models can be combined with a rigid body dynamics simulation using this mechanism. The same configuration also allows to conveniently develop control algorithms for a rigid body dynamics setup and offers powerful tools for handling and analysing simulation data. The developed simulation framework also offers physics-based models for simulating various sensors, most prominently a model for sensor types based on wave propagation, such as laser range finding devices. Application examples of the simulation framework are presented from the mobile robotics rough-terrain motion planning domain. Three novel rough-terrain planning algorithms are presented which are extensions of known approaches. To quantify the navigational difficulty on rough terrain, a new generic measure named "obstacleness" is proposed which forms the basis of the proposed algorithms. The first algorithm is based on Randomised Potential Field Planners (RPP) and consequently is a local algorithm. The second proposed planner extends RRTconnect , a bi-directional Rapidly Exploring Random Tree (RRT) algorithm and biases exploration of the search space towards easily traversable regions. The third planner is an extension of the second approach and uses the same heuristic to grow a series of additional local RRTs. This allows it to plan trajectories through complex distributions of navigational difficulty benefitting from easy regions throughout the motion plan. A complete example is shown in which the proposed algorithms form the basis for sensor-based dynamic re-planning simulated in the presented framework. In the scenario, a simulated planetary rover navigates a long distance over rough terrain while gathering sensor data about the terrain topography. Where obstacles are sensed which interfere with the original motion plan, dynamic re-planning routines are applied to circumnavigate the hindrances. In the course of this document a complete simulation environment is presented by means of a theoretical background and application examples which can significantly support the development of robot motion planning algorithms. The framework is capable of simulating setups which fulfil the requirements posed by stateof-the-art motion planning algorithm development.
    Zusammenfassung
    Die Entwicklung von Pfadplanungsalgorithmen für Roboter ist an sich schon eine schwierige Aufgabe. Dies ist erst recht wahr, wenn die neuesten Entwicklungen in der Pfadplanung berücksichtigt werden. Einige Pfadplaner können mit kinematischen und dynamische Einschränkungen umgehen, die von der mechanischen Struktur des Roboters erzeugt werden. Eine andere Kategorie von Pfadplanern erfüllt diverse Optimalitätskriterien, wieder andere Planer beinhalten Methoden um mit Ungewissheiten über den Roboter sowie dessen Umgebung umgehen zu können. Sensorbasierte Pfadplaner erfassen typischerweise fehlerbehaftete Daten über eine teilweise bekannte Umgebung um darin eine Trajektorie zu errechnen. In einem anderen Forschungsfeld wird untersucht wie mehrere Roboter am Besten miteinander kooperieren können um eine gemeinsame Aufgabe zu erfüllen. Um die Komplexität in der Entwicklung von Pfadplanungsalgorithmen besser handhaben zu können wird in diesem Dokument vorgeschlagen auf eine Simulationsumgebung zurückzugreifen. Die Vorteile eines solchen Vorgehens werden erläutert und ein System namens Ibex vorgestellt, welches gut geeignet ist um die Pfadplanungsalgorithmenentwicklung zu unterstützen. Die entwickelte Simulationsumgebung verwendet Starrkörperdynamikalgorithmen als Simulationskern. Ferner sind weitere Komponenten entwickelt worden, welche die Simulation in bestehende Entwicklungsumgebungen integrieren. Das Erstellen von Simulationsinhalten wird mittels Erweiterungen von etablierten 3D Modellierungswerkzeugen ermöglicht. Die Ko-simulation mit Komponenten aus anderen Gebieten der Physik wird durch die Integration in eine führende Entwicklungsumgebung zum erstellen dynamischer Modelle sichergestellt. Modelle von Robotik-Aktoren können auf diese weise einfach mit einer Starrkörperdynamiksimulation kombiniert werden. Dieselbe Konfiguration bietet auch eine mächtige Möglichkeit Regelalgorithmen für einen Starrkörperdynamikaufbau zu entwickeln sowie die anfallenden Simulationsdaten zu handhaben und auszuwerten. Die entwickelte Simulationsumgebung bietet ebenfalls physikbasierte Modelle zur Simulation verschiedener Sensortypen an, z.B. ein Modell für Sensoren welche auf Wellenausbreitung basieren, wie etwa ein Laser-Distanzmessgerät. Es werden Anwendungsbeispiele der Simulationsumgebung aus dem Gebiet der mobilen Roboter-Pfadplanung auf unebenem Gelände präsentiert. Drei neuartige Pfadplanungsalgorithmen zur Navigation auf unebenem Gelände werden vorgestellt, die Erweiterungen von existierenden Ansätzen sind. Zur Quantifizierung der Navigationsschwierigkeit auf unebenem Gelände wird ein neues generisches Mass namens "Obstacleness" vorgestellt welches die Basis für die vorgeschlagenen Algorithmen bildet. Der erste Algorithmus basiert auf dem "Randomised Potential Field Planner" (RPP) Ansatz und ist daher ein lokaler Algorithmus. Der zweite vorgeschlagene Pfadplaner erweitert RRTconnect , ein bidirektionaler "Rapidly Exploring Random Tree" (RRT) Algorithmus, durch eine gewichtete Erkundung des Suchraums zugunsten von einfach traversierbaren Regionen. Der dritte Planer ist eine Erweiterung des Zweiten und verwendet dieselbe Heuristik um eine Anzahl zusätzlicher, lokaler RRT-Bäume zu erstellen. Dies ermöglicht es ihm, Trajektorien durch komplexe Verteilungen der Navigationsschwierigkeit zu errechnen und dabei Vorteile aus einfachen Regionen entlang des gesamten Pfades zu ziehen. Es wird ein komplettes Beispiel gezeigt, in welchem die vorgeschlagenen Algorithmen die Basis für sensor-basierte dynamische Neuplanung von Trajektorien in der Simulationsumgebung bilden. Im gezeigten Szenario legt ein simulierter geländegängiger Roboter eine lange Strecke auf einer unebenen planetarischen Oberfläche zurück und sammelt fortwährend Sensordaten über die Geländetopographie. Detektierte Hindernisse welche das Verfolgen der ursprünglichen Trajektorie verunmöglichen werden mittels dynamischer Neuplanung umfahren. Im Verlauf dieses Dokuments wird anhand einer theoretischen Einführung sowie von Anwendungsbeispielen eine komplette Simulationsumgebung vorgestellt welche die Entwicklung von Pfadplanungsalgorithmen für Roboter bedeutend unterst ützen kann. Die Simulationsumgebung kann Szenen simulieren welche den Anforderungen der Entwicklung aktueller Pfadplanungsalgorithmen genügen.