Show simple item record

dc.date.accessioned2019-03-25T12:08:55Z
dc.date.available2019-03-25T12:08:55Z
dc.date.issued2018-11
dc.identifierdoi:10.17170/kobra-20190320354
dc.identifier.urihttp://hdl.handle.net/123456789/11153
dc.language.isoeng
dc.rightsNamensnennung - Weitergabe unter gleichen Bedingungen 3.0 Deutschland*
dc.rights.urihttp://creativecommons.org/licenses/by-sa/3.0/de/*
dc.subjectRoboticeng
dc.subjectPlanningeng
dc.subjectDynamic Planningeng
dc.subjectAutonomous Robotseng
dc.subject.ddc004
dc.titlePlanning of Autonomous and Mobile Robots in Dynamic Environmentseng
dc.typeDissertation
dcterms.abstractThe 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.abstractDie 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.accessRightsopen access
dcterms.creatorNeuber, Daniel
dcterms.dateAccepted2019-02-28
dcterms.extentxv, 165 Seiten
dc.contributor.corporatenameKassel, Universität Kassel, Fachbereich Elektrotechnik / Informatik
dc.contributor.refereeGeihs, Kurt (Prof. Dr.)
dc.contributor.refereeZapf, Michael (Prof. Dr.)
dc.subject.swdAutonomer Roboterger
dc.subject.swdMobiler Roboterger
dc.type.versionpublishedVersion


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Namensnennung - Weitergabe unter gleichen Bedingungen 3.0 Deutschland
Except where otherwise noted, this item's license is described as Namensnennung - Weitergabe unter gleichen Bedingungen 3.0 Deutschland