dc.date.accessioned | 2019-03-25T12:08:55Z | |
dc.date.available | 2019-03-25T12:08:55Z | |
dc.date.issued | 2018-11 | |
dc.identifier | doi:10.17170/kobra-20190320354 | |
dc.identifier.uri | http://hdl.handle.net/123456789/11153 | |
dc.language.iso | eng | |
dc.rights | Namensnennung - Weitergabe unter gleichen Bedingungen 3.0 Deutschland | * |
dc.rights.uri | http://creativecommons.org/licenses/by-sa/3.0/de/ | * |
dc.subject | Robotic | eng |
dc.subject | Planning | eng |
dc.subject | Dynamic Planning | eng |
dc.subject | Autonomous Robots | eng |
dc.subject.ddc | 004 | |
dc.title | Planning of Autonomous and Mobile Robots in Dynamic Environments | eng |
dc.type | Dissertation | |
dcterms.abstract | The capabilities of autonomous robots are increasing which is a reason for research progress
in the last years. An increasing number of robotic scenarios are becoming more viable in
various domains for example, mowing, harvesting, warehouse robots. But autonomous
mobile robots need more than the ability to navigate through their world, and manipulate
objects. Even in teams of robots, a structured plan for each team member is necessary.
Planning becomes a more important task. Furthermore, the environment can change, which
results in failures for a robotic team using static plans. The team can end insolvable situation
even when a robot breaks down. Automated planning helps to avoid failing behaviour caused
by environment changes or robotic failures.
We present a solution for planning heterogenous, autonomous, mobile robots in soft realtime,
the proposed framework, pRoPhet MAS, based on the modeling language ALICA. This
language enables description of the team activities from a central point of view. These team
activities are realised by state machines annotated with tasks. ALICA supports basic algorithms
for role and task assignment. The realisation of planning requires description of the logic.
Hence, ALICA is extended by a first-order logic description. pRoPhEt MAS introduces a
planning problem element in ALICA based on the Planning Problem Definition Language
(PDDL). Planning problems can be solved offline to support the behaviour modelling, online
to work in reactive domains, or interactively as guidance in extraterrestrial scenarios. The
planner generates a multi-agent plan based on a goal description in the planning problem
element where these plans require a specific task and role allocation algorithm. The online
planning uses a soft real-time limit when providing promising plans. If a created plan fails
while executing, pRoPhet MAS starts to replan. Finally, the pRoPhet MAS can divide the
planning process among the teammates.
We evaluate our approach in the research project IMPERA (Integrated Mission Planning for
Distributed Robot Systems) as proof of concept. The usage of the planner is demonstrated
as mission guidance for a team of four robots consisting of three different types. Moreover,
pRoPhEt MAS successfully controls five robots in a reactive blocks world domain wherein
the team was disturbed by opponent robots to produce plan failures. Then, we evaluate the
parallel planning engine MAGiC for a complex planning problem using low communication
overhead. Finally, we evaluate the task- and role-allocation algorithm towards increasing
agents and tasks. | eng |
dcterms.abstract | Die Fähigkeiten autonomer Roboter wachsen, aufgrund des Forschungsfortschritts der letzten
Jahre. Immer mehr Roboterszenarien werden in verschiedenen Bereichen praktikabler. Zum
Beispiel sind Mäh-, Ernte- oder Lagerroboter gegenwärtig bestehende Anwendungen. Aber
autonome mobile Roboter brauchen mehr als die Fähigkeit, durch ihre Welt zu navigieren,
interessante Objekte wahrzunehmen und Objekte zu manipulieren. Auch in Roboterteams ist
ein strukturierter Plan für jedes Teammitglied notwendig. Darüber hinaus wird Planung zu
einer wichtigeren Aufgabe. Außerdem kann sich die Umgebung verändern, was zu Fehlern
für das Robotikteam führt, das statische Pläne verwendet. Selbst ausfallende Roboter können
zu unlösbarem Teamverhalten führen. Die automatisierte Planung hilft, Fehlverhalten zu
vermeiden, das durch Umgebungsänderungen oder Roboterfehler ausgelöst wird.
Wir präsentieren eine Lösung zur Planung heterogener autonomer mobiler Roboter in weicher
Echtzeit. Das vorgeschlagene Framework pRoPhet MAS basiert auf der Modellierungssprache
ALICA. Diese Sprache ermöglicht es, die Teamaktivitäten von einem zentralen Standpunkt
aus zu beschreiben. Diese Teamaktivitäten sind durch Zustandsmaschinen realisiert, welche
durch Aufgaben annotiert sind. Darüber hinaus unterstützt ALICA Basisalgorithmen für
die Rollen- und Aufgabenzuweisung. Die Realisierung der Planung benötigt eine Logikbeschreibung.
Daher wird ALICA um eine First-Order Logic erweitert. PRoPhEt MAS führt ein
Planungsproblemelement in ALICA basierend auf der Planning Problem Definition Language
(PDDL) ein. Planungsprobleme können offline gelöst werden, um die Verhaltensmodellierung
zu unterstützen, online, um in reaktiven Domänen zu arbeiten, oder interaktiv als
Unterstützung in extraterrestrischen Szenarien. Der Planer generiert basierend auf einer Zielbeschreibung
im Planungsproblemelement einen Multiagentenplan, wobei diese Pläne einen
spezifischen Aufgaben- und Rollenzuweisungsalgorithmus erfordern. Die Online-Planung verwendet
ein weiches Echtzeitlimit und stellt einen vielversprechende Plan nach dem Zeitlimit
bereit. Wenn ein erstellter Plan während der Ausführung von pRoPhet MAS fehlschlägt, wird
erneut geplant. Schließlich kann pRoPhet MAS den Planungsprozess auf die Teammitglieder
verteilen.
Wir evaluieren unseren Ansatz in IMPERA (Integrierte Missionsplanung für verteilte Robotersysteme)
als Proof of Concept. Der Planer dient als Unterstützung zum Steuern der
Mission eines Teams bestehend aus vier Robotern, wobei drei unterschiedliche Typen von
Robotern eingesetzt werden. Darüber hinaus steuert pRoPhet MAS erfolgreich fünf Roboter
in der “Blocks world“, in der das Team von gegnerischen Robotern gestört wurde, um
Planungsfehler zu erzwingen. Anschließen werten wir die parallele Planung für ein komplexes
Planungsproblem mit geringer Kommunikation aus. Schließlich evaluieren wir den
Task- und Rollenzuweisungsalgorithmus mit zunehmender Zahl von Agenten und Aufgaben. | ger |
dcterms.accessRights | open access | |
dcterms.creator | Neuber, Daniel | |
dcterms.dateAccepted | 2019-02-28 | |
dcterms.extent | xv, 165 Seiten | |
dc.contributor.corporatename | Kassel, Universität Kassel, Fachbereich Elektrotechnik / Informatik | |
dc.contributor.referee | Geihs, Kurt (Prof. Dr.) | |
dc.contributor.referee | Zapf, Michael (Prof. Dr.) | |
dc.subject.swd | Autonomer Roboter | ger |
dc.subject.swd | Mobiler Roboter | ger |
dc.type.version | publishedVersion | |