, Ministero dell Istruzione, dell Università e della Ricerca

, Ministero dell Istruzione, dell  Università e della Ricerca
,
,
Ministero dell Istruzione, dell Università e della Ricerca
DIPARTIMENTO PER LA PROGRAMMAZIONE IL COORDINAMENTO E GLI AFFARI ECONOMICI - SAUS
PROGRAMMI DIRICERCA SCIENTIFICA DI RILEVANTE INTERESSE NAZIONALE
RICHIESTA DI COFINANZIAMENTO (DM n. 21 del 20 febbraio 2003)
PROGETTO DI UNA UNITA' DI RICERCA - MODELLOB
Anno 2003 - prot. 2003090934_001
1.1 Tipologia del programma di ricerca
Interuniversitario
Aree scientifico disciplinari
Area 09: Ingegneria industriale e dell'informazione (100%)
1.2 Durata del Programma di Ricerca
24 Mesi
1.3 Coordinatore Scientifico del Programma di Ricerca
BICCHI
ANTONIO
[email protected]
ING-INF/04 - Automatica
Università di PISA
Facoltà di INGEGNERIA
Dipartimento di SISTEMI ELETTRICI E AUTOMAZIONE
1.4 Responsabile Scientifico dell'Unità di Ricerca
BICCHI
ANTONIO
Professore Ordinario
01/06/1959
BCCNTN59H01G870P
ING-INF/04 - Automatica
Università di PISA
Facoltà di INGEGNERIA
Dipartimento di SISTEMI ELETTRICI E AUTOMAZIONE
050/554134
(Prefisso e telefono)
050/550650
(Numero fax)
[email protected]
(Email)
1.5 Curriculum scientifico del Responsabile Scientifico dell'Unità di Ricerca
Testo italiano
Antonio Bicchi e' Professore Straordinario (ING-INF04-Automatica), presso la Facolta' di Ingegneria di Pisa. Dopo il Dottorato di
Ricerca (Univ. di Bologna, 1988), e' stato presso il MIT (Cambridge, MA, USA, 1988-1991) e presso il Centro Interdipartim. di
Ricerca ``E. Piaggio'' della Univ. di Pisa del Centro Piaggio, in cui si svolgono ricerche nella Automazione e nella Bioingegneria,
coordina le attivita' di Automazione e Robotica dal 1990 ad oggi, ed e' vice-direttore.
Attivita' e riconoscimenti:
MIUR - BANDO 2003
-1-
,
Ministero dell Istruzione,
dell ,Università e della Ricerca
PARTE I
* Membro dell'"Advisory Committee" della "IEEE Society of Robotics and Automation"
* Presidente del Comitato Tecnico della "IEEE Control Systems Society" per "Manufacturing, Automation and Robotics";
* Associate Editor dell'Int. Journal of Robotics Research, della IEEE Robotics and Automation Magazine, delle IEEE Transactions
on Robotics and Automation (1996-2000), di Applied Mathematics and Computer Science (1996-2001);
* Organizzatore del IEEE CSS/RAS Workshop "Control Problems in Robotics", Las Vegas dicembre 2002, e dell' Int. Workshop on
Mathematical Control Theory and Robotics, Trieste 2000;
* Responsabile della ricerca in molti contratti nazionali e internazionali, tra cui sono in corso un progetto ASI sul tema della
esplorazione cooperativa robotica ("TEMA") ed un progetto europeo IST ("RECSYS") su Real-time Embedded Control for Mobile
Systems.
* E' autore di circa 150 lavori su rivista, libro e atti di conferenze revisionate e pubblicate, e di 4 Brevetti Industriali.
Testo inglese
ANTONIO BICCHI is Professor of Robotics at the School of Engineering, Univ. of Pisa. After his Ph.D. (Univ. Bologna, 1988), he
has been with MIT (Cambridge, MA, USA, 1988-1991) and with the Interdept. Research Center ``E. Piaggio'',Univ. Pisa. His
research interests are in Automatic Control and Robotics. At Centro Piaggio, where an interdisciplinary research agenda in
Automation and Bioengineering is brought forward, he is in charge of the Automation and Robotics group, and Associate Director.
Among his activities are:
* Member of the Advisory Committee, IEEE Society of Robotics and Automation;
* Chairman, IEEE Control Systems Society Technical Committee on Manufacturing, Automation and Robotics
* Associate Editor, Int. Journal of Robotics Research, IEEE Robotics and Automation Magazine, IEEE Transactions on Robotics
and Automation (1996-2000), Applied Mathematics and Computer Science (1996-2001)
* Program Chairman, IEEE-RAS/CSS joint Workshop on Control Problems in Robotics, Las Vegas, December 2002, and Int.
Workshop on Mathematical Control Theory and Robotics (2000);
* Principal Investigator of several national and international grants, including one EC IST project (RECSYS: Real-Time Embedded
control for Mobile Systems) and one from the Italian Space Agency (TEMA: Team-Based Exploration by Mobile Agents).
He is author of ca. 150 papers in international journals, books, and edited proceedings, and holds 4 patents.
1.6 Pubblicazioni scientifiche più significative del Responsabile Scientifico dell'Unità di Ricerca
1.
MURRIERI P.; FONTANELLI D.; BICCHI A. (2002). Visual-servoed parking with limited view angle
In SICILIANO B.; DARIO P. Experimental Robotics VIII. vol. 5 pp. 254-263: Sprimger Verlag
2.
LORUSSI F.; MARIGO A.; BICCHI A. (2001). Optimal exploratory paths for a mobile rover IEEE Int. Conf. on Robotics
and Automation. pp. 2078--2083
3.
P. SOUERES; A. BALLUCHI; BICCHI A. (2001). Optimal feedback control for line tracking with a bounded--curvature
vehicle INTERNATIONAL JOURNAL OF CONTROL. (vol. 74-10 pp. 1009-1019)
4.
F. CONTICELLI; D. PRATTICHIZZO; F. GUIDI; BICCHI A. (2000). Vision-Based Dynamic Estimation and Set-Point
Stabilization of Nonholonomic Vehicles Proc. IEEE Int. Conf.on Robotics and Automation. vol. 1 pp. 2771-2776
5.
F. CONTICELLI; BICCHI A. (2000). Observer Design for Locally Observable Analytic Systems: Convergence, Separation
Property, and Redundancy NONLINEAR CONTROL IN THE YEAR 2000. (vol. LNCIS 258 pp. 315-330) ISSN: isbn
1-85233-363-4 A. Isidori, F. Lamnabi-Lagarrigue, and W. Respondek, eds..
1.7.1 Personale universitario dell'Università sede dell'Unità di Ricerca
Personale docente
nº Cognome Nome
Dipartimento
Qualifica
Settore Disc.
Mesi Uomo
1° anno 2° anno
1. BICCHI
Antonio Dip. SISTEMI ELETTRICI E AUTOMAZIONE
Prof. Ordinario
ING-INF/04
7
7
2. CAITI
Andrea
Prof. Associato
ING-INF/04
6
4
13
11
Dip. SISTEMI ELETTRICI E AUTOMAZIONE
Altro personale
nº Cognome
Nome
Dipartimento
Qualifica
1. Carau
2. Fantozzi
3. Nepi
Agnese
Daniela
Gabriella
Dip. SISTEMI ELETTRICI E AUTOMAZIONE
Dip. INGEGNERIA AEROSPAZIALE
Dip. SISTEMI ELETTRICI E AUTOMAZIONE
Amministrativa
Amministrativa
Amministrativa
MIUR - BANDO 2003
Mesi Uomo
1° anno 2° anno
4
4
4
4
1
1
9
9
-2-
,
Ministero dell Istruzione,
dell ,Università e della Ricerca
PARTE I
1.7.2 Personale universitario di altre Università
Personale docente
nº Cognome
Nome
1. CORRADINI Maria
Letizia
2. INDIVERI Giovanni
3. BARTOLINI Giorgio
4. USAI
Elio
Università Dipartimento/Istituto
LECCE
Dip. INGEGNERIA DELL'INNOVAZIONE
LECCE
Dip. INGEGNERIA DELL'INNOVAZIONE
CAGLIARI Dip. INGEGNERIA ELETTRICA ED
ELETTRONICA
CAGLIARI Dip. INGEGNERIA ELETTRICA ED
ELETTRONICA
Qualifica Settore
Mesi Uomo
Disc.
1° anno 2° anno
PO
ING-INF/04
4
4
RU
PO
ING-INF/04
ING-INF/04
6
2
4
2
PA
ING-INF/04
2
2
14
12
Altro personale
nº Cognome Nome
Università
Dipartimento
1. Parlangeli Gianfranco Universita' degli Studi di
LECCE
2. Pisano
Alessandro Universita' degli Studi di
CAGLIARI
Qualifica
Dipartimento dell'Ingegneria
Dottorando
dell'Innovazione
Dipartimento di Ingegneria Elettrica ed Assegnista di
Elettronica
Ricerc
Mesi Uomo
1° anno 2° anno
4
4
2
2
6
6
1.7.3 Titolari di assegni di ricerca
nº Cognome
Nome Dipartimento/Istituto
Data di inizio del contratto
Data fine contratto
1. PALLOTTINO
Lucia
11/07/2002
10/07/2004
Mesi Uomo
1° anno 2° anno
4
2
4
2
1.7.4 Titolari di borse per Dottorati di Ricerca e ex L. 398/89 art.4 (post-dottorato e specializzazione)
nº Cognome Nome
Dipartimento/Istituto
Anno del titolo
1. Fontanelli
2. Murrieri
3. Scordio
4. Tonietti
Dip. SISTEMI ELETTRICI E AUTOMAZIONE
Dip. SISTEMI ELETTRICI E AUTOMAZIONE
Dip. SISTEMI ELETTRICI E AUTOMAZIONE
Dip. SISTEMI ELETTRICI E AUTOMAZIONE
2006
2004
2006
2005
Daniele
Pierpaolo
Vincenzo Giovanni
Giovanni
Mesi Uomo
1° anno 2° anno
5
5
5
3
5
5
3
3
18
16
1.7.5 Personale a contratto da destinare a questo specifico programma
Qualifica
Borsa di Dottorato
Borsa di Dottorato
Costo previsto
Mesi Uomo
1° anno 2° anno
24.000
4
5
24.000
4
5
48.000
8
10
1.7.6 Personale extrauniversitario dipendente da altri Enti
Nessuno
MIUR - BANDO 2003
-3-
PARTE I
MIUR - BANDO 2003
,
Ministero dell Istruzione,
dell ,Università e della Ricerca
-4-
PARTE II
,
Ministero dell Istruzione,
dell ,Università e della Ricerca
2.1 Titolo specifico del programma svolto dall'Unità di Ricerca
Testo italiano
Localizzazione e Simultanea Costruzione di Mappe per l'Asservimento e per il Controllo
Testo inglese
Simultaneous Localization And Mapping for Servoing
2.2 Settori scientifico-disciplinari interessati dal Programma di Ricerca
ING-INF/04 - Automatica
ING-INF/05 - Sistemi di elaborazione delle informazioni
ING-INF/01 - Elettronica
2.3 Parole chiave
Testo italiano
VEICOLI AUTONOMI ; ROBOT MOBILI ; LOCALIZZAZIONE ; COSRTUZIONE DI MAPPE ; CONTROLLO E GUIDA ;
FILTRAGGIO DI DATI SENSORIALI
Testo inglese
AUTONOMOUS VEHICLES ; MOBILE ROBOTICS ; LOCALIZATION ; MAP BUILDING ; GUIDANCE AND CONTROL ;
SENSORIAL DATA FILTERING
2.4 Base di partenza scientifica nazionale o internazionale
Testo italiano
I veicoli autonomi hanno una vasta gamma di applicazioni, sia in ambienti interni che esterni, e rappresentano uno dei settori con
più grande potenziale per la robotica avanzata. Alcuni esempi riguardano l’esplorazione di ambienti non strutturati (all’aperto o in
ambiente sottomarino [Huster02,Silpa01,Alvarez02,Pisano03]), la sorveglianza di ambienti interni ([Burgard98, Thrun99]), le
operazioni di salvataggio e l’assistenza ai disabili ([Levine99]), oltre alle sempre piu’ numerose applicazioni nell’industria e nella
logistica. Lo sviluppo di un'efficace applicazione di veicoli autonomi non può prescindere dall'analisi di molteplici problematiche di
notevole interesse nell'ambito dell'automazione in genere. Tra queste: le architetture di sistemi complessi multi sensoriali
([Palopoli02]), la coordinazione e la cooperazione di squadre di agenti autonomi ([Casalino02]), la loro localizzazione e la
costruzione di mappe ([Borenstein96]), il loro controllo ([Lygeros96]), la robustezza dei sistemi rispetto agli errori sul modello e ai
guasti ([Podder01]). Questi argomenti sono affrontati nel progetto DRIVING all’interno dei 7 temi proposti. L’unita’ di Pisa si
propone come coordinatrice del tema di Localizzazione e Simultanea Costruzione di Mappe per l'Asservimento e per il Controllo.
Una descrizione dello sviluppo scientifico delle problematiche legate a tale tema e’ riportato qui di seguito.
Un aspetto molto importante nel settore dei robot mobili riguarda la loro sensorizzazione ed in particolare il compromesso fra
efficacia e costo dei diversi strumenti sensoriali. Tre delle principali difficoltà tecniche nell'applicazione dei robot mobili in ambienti
parzialmente o completamente non strutturati sono infatti legate ai sensori: la localizzazione del veicolo rispetto all'ambiente, la
costruzione di una mappa dell'ambiente stesso e il controllo (asservimento) del veicolo nella posizione, o sulla traiettoria,
desiderata. Naturalmente le tre problematiche sono strettamente correlate.
Negli anni ‘80 e i primi anni ‘90, il problema della costruzione delle mappe veniva affrontato con approcci di tipo metrico o
topologico. Le mappe di tipo metrico contengono informazioni sulle proprieta’ geometriche dell’ambiente mentre le mappe
topologiche descrivono la connessione tra i diversi ambienti ([Mataric90], [Kuipers 91]). Le prime tipologie di approccio metrico si
basavano sulle tecniche di “Occupancy grid” ([Moravec85]), e di descrizione poliedrale dell’ambiente ([Chatila85]).
Dagli anni ’90, il problema della costruzione delle mappe e’ stato affrontato tramite tecniche probabilistiche. Una serie di articoli
fondamentali, [Smith85, Smith90], introduce un’efficace struttura statistica per risolvere simultaneamente il problema della
costruzione di mappe e il problema della localizzazione del robot all’interno della mappa in costruzione. Da allora la connessione
tra i problemi di localizzazione e di costruzione di mappe e’ stata comunemente indicata con l’acronimo SLAM (Simultaneous
Localization And Map building [Leonard92,Thrun98,Bicchi98, Dissana00, Durrant01,Thrun02]), oppure CML (Concurrent
Mapping and Localization [Leonard99]). Recentemente, grande attenzione e’ stata posta sui problemi legati ai sistemi robotici
distribuiti per la localizzazione, l’esplorazione e la costruzione di mappe ([ThrunFox98, Fenwick02,Roume02]), che garantiscono
maggiore robustezza ed efficienza.
Si puo’ formalizzare il problema dello SLAM come un problema di osservabilita’ per singoli o piu’ agenti dotati di sensori che si
muovono in un ambiente sconosciuto. L’obiettivo della squadra di veicoli e’ quello di localizzarsi e simultaneamente individuare un
insieme di caratteristiche dell’ambiente (features). Ogni incognita del problema puo’ essere considerata come una variabile di stato
da stimare. Il sistema dinamico cosi’ ottenuto, soffre di due tipi di sorgenti di incertezza: il rumore di processo, dovuto ad un
modello non perfetto del sistema ed ai disturbi sugli ingressi, e al rumore sui sensori. L’incertezza puo’ essere gestita con modelli
deterministici o probabilistici. L’approccio deterministico si basa sull’ipotesi che tutte le fonti di incertezza possono generare errori
non noti ma limitati e cerca di stimarne i limiti. Ovviamente, senza algoritmi efficienti, il problema tende a diventare complesso da
MIUR - BANDO 2003
-5-
PARTE II
,
Ministero dell Istruzione,
dell ,Università e della Ricerca
un punto di vista computazionale e di occupazione di memoria. Un’applicazione a questo tipo di approccio si trova in
[Garulli01,Caiti02,Caiti03], in cui si descrive un algoritmo efficiente e ricorsivo che approssima un insieme di posizioni del robot
compatibili con le misure ottenute. Gli algoritmi deterministici soffrono di un eccessivo conservativismo e non sono tipicamente
adatti a considerare l’esistenza di errori sui sensori elevati e non prevedibili (outliers) che sono tipici dei sensori utilizzati nello
SLAM (le riflessioni spurie dei laser o dei sonar, non corrispondenza delle feature, etc.). Nei casi in cui, da particolari applicazioni
critiche, non e’ richiesto un eccessivo conservativismo si preferisce adottare modelli dell’incertezza di tipo probabilistico [Thrun02].
Per una esecuzione in tempo reale dello SLAM, e’ necessario implementare algoritmi ricorsivi. Il filtro di Kalman è uno degli
algoritmi ricorsivi più utilizzati; nel caso del problema (non lineare ) dello SLAM si applica una sua estensione (EKF)
([Borenstein96,Leonard92,Bartolini01]). Una limitazione del filtro EKF e’ la richiesta di tempo di calcolo e di spazio memoria.
Recentemente, sono state proposte diverse variazioni dell’algoritmo EKF per superarne i limiti computazionali. Ad esempio, il
FastSlam, che suddivide il problema di determinare la posizione di N features in N problemi di osservabilita’ [Montemerlo02]; il
filtro CEKF (Compressed EKF), in cui l’informazione sulla regione circostante al robot viene costantemente aggiornata mentre
l’aggiornamento globale viene effettuato sporadicamente ([Guivant01]); il filtro SEIF (Sparse Extended Information Filter), in cui si
sfrutta il fatto che la matrice di informazione sia sparsa per l’aggiornamento in tempo reale [Thrun87].
Dall’analisi della letteratura sullo SLAM, si determinano alcune mancanze nello stato dell’arte, come il fatto che l’intrinseca non
linearita’ del problema implica che diverse traiettorie del veicolo forniscono diverse precisioni nella localizzazione e diverse
qualita’ della mappa. Questo suggerisce la possibilita’ di progettare politiche esplorative ottime [Tarantola87, Lorussi01]. Un altro
importante fatto e’ che mentre riguardo la localizzazione e la costruzione delle mappe sono stati studiati i problemi correlati alla
loro interazione, non si e’ mai considerato il problema della loro connessione al problema di controllo (nella letteratura dello SLAM
i veicoli sono spesso comandati in anello aperto). D’altra parte, nella vasta letteratura del controllo di robot autonomi, la
localizzazione e’ assodata. Questo e’ il caso di alcuni articoli che riguardano la stabilizzazione set-point si ipotizza una completa
conoscenza dello stato ([Canudas92, Samson95, Casalino95, Lygeros96, Astolfi96, Corradini99]). Nelle applicazioni pratiche del
controllo automatico di veicoli, ci si deve confrontare con il problema di stimare la posizione e l’orientazione corrente del veicolo
attraverso le sole misure rumorose ottenute tramite i sensori disponibili. Anche se molto lavoro e’ stato fatto sulle tecniche di
localizzazione dei veicoli basate sulla fusione dell’informazione sensoriale (odometria, laser range finders, telecamere, etc.), molto
poco si conosce riguardo la connessione in tempo reale di algoritmi di localizzazione e di controllo in retroazione (in termini della
teoria dei sistemi, un problema di stabilizzazione con retroazione delle uscite).
La ricerca che ci proponiamo di svolgere ha come obiettivo lo sviluppo di un approccio teorico al problema dello SLAM per
l’asservimento (SLAMS)[Hutch96,Murrieri02]. La nostra unita’ contribuira’ scientificamente anche alle tematiche su architetture
multi sensore per il controllo di robot mobili (MUSTANG), sistemi robotici distribuiti con asservimenti visivi (VISE), navigazione e
cooperazione di sistemi multi-robot (MULTIR) e pianificazione e controllo della locomozione (LOCOM). In particolare, riguardo
agli ultimi due temi, che sono fortemente correlati, il nostro contributo riguardera’ il controllo coordinato del moto di un sistema di
piattaforme mobili sotto attuate (controllo in formazione).
Per le limitazioni di spazio, non e' qui possibile descrivere la qualificazione della unita' proponente rispetto alle attivita' proposte. A
tale fine, si rimanda alla descrizione delle attivita' di ricerca dei membri della Unita', riportate alle seguenti pagine:
http://www.piaggio.ccii.unipi.it/robotics/robotics-eng.html
http://www.diee.unica.it/~giob/infoit.html
http://ntreti.unile.it/ing/docenti/corradini/
http://persone.dii.unile.it/indiveri/
Testo inglese
Autonomous vehicles have a wide range of applications, both in indoor and outdoor environments, and represent one of the areas
with largest potential for advanced robotics. Some examples include exploration of unstructured environments (e.g. in outer space or
underwater [Huster02, Silpa01,Alvarez02,Pisano03]) , indoor maintenance and surveillance ([Burgard98, Thrun99]), rescuing,
assistance to disabled or elderly persons ([Levine99]), besides ever-increasing industrial applications in logistics and
manufacturing. Many different components are necessary to build a successful application of autonomous vehicles, including the
architecture of complex multi-sensorial systems ([Palopoli02]), the coordination and cooperation of multiple autonomous agents
([Casalino02]), their localization and map building ([Borenstein96]), their control ([Lygeros96]), the system's robustness to
modeling errors and to failures ([Podder01]). These topics are studied within the DRIVING proposal in different work-packages,
among which our research group will be responsible for the leadership in the Simultaneous Localization and Mapping for Servoing
(SLAMS) package, for which a background overview is provided below.
A very important trend in research related to mobile robots is concerned with their sensorization and in particular with the tradeoffs
between effectiveness and cost of different possible sensorial apparatuses. Three of the main technical difficulties in applying mobile
robots to partially or totally unstructured environments are indeed sensor-related: the localization of the vehicle with respect to the
environment, the construction of a map of the environment itself, and the control (servoing) of the vehicles to desired postures or
trajectories with respect to the environment. Naturally, the three problems are closely interconnected.
In the 1980s and early 1990s, the field of mapping was roughly divided into metric and topological approaches. Metric maps capture
the geometric properties of the environment, whereas topological maps describe the connectivity of different places. Early influential
paradigms of metric mapping techniques are occupancy grid methods ([Moravec85]), and polyhedral descriptions of the
environment ([Chatila85]). Topological maps represent environments as a list of significant places that are connected via arcs,
annotated with information on how to navigate from one place to another ([Mataric90], [Kuipers 91]).
Since the 1990s, the field of robot mapping has been dominated by probabilistic techniques. A series of seminal papers by Smith,
Self, and Cheeseman [Smith85, Smith90] introduced a powerful statistical framework for simultaneously solving the mapping
problem and the induced problem of localizing the robot relative to its growing map. Since then, the conjunction of the localization
and mapping problems has been commonly been referred to as SLAM ([Leonard92, Thrun98, Bicchi98, Dissana00, Durrant01,
Thrun02]), or CML (short for Concurrent Mapping and Localization [Leonard99]). A strong accent has been recently put on
distributed robotics systems for coordinated localization, exploration, and mapping ([ThrunFox98,Fenwick02,Roume02]), which can
guarantee greater robustness and efficiency.
The SLAM problem can be formalized as an observability problem for single or multiple sensorized vehicles moving in an unknown
MIUR - BANDO 2003
-6-
PARTE II
,
Ministero dell Istruzione,
dell ,Università e della Ricerca
environment. The task of the team of vehicles is to simultaneously localize itself and a set of environment characteristic features.
Each unknown, can be considered as a state variable that must be estimated. The dynamical system obtained within this
formalization, is affected by two main sources of uncertainty: the process noise, due to a imperfect model and input disturbances,
and sensor noise. Uncertainty can be dealt with in basically two ways, i.e. deterministically, and by using probabilistic models. The
first approach assumes that all uncertainty sources may generate errors that are unknown but bounded, and seeks for bounds on how
these error can propagate through the reconstruction process. Naturally, the problem tends to be overly complex from the
computational and memory-occupation viewpoints, hence efficient algorithms to approximate the worst-case bounds are in order. An
application of this approach to robot localization is reported in [Garulli01,Caiti02,Caiti03], where an efficient, recursive algorithm
to approximate the set of robot poses compatible with present and past measurements is presented. Deterministic algorithms tend to
suffer from excessive conservativeness, and are typically not very suited to take into account the existence of large, sporadic errors
in sensor readings (outliers), which are common in some types of sensors used in SLAM (e.g. spurious reflections of lasers or sonars,
feature mismatch, etc.). When an excess of conservatism is not justified by particularly risk-sensitive applications, it is often
preferred to adopt probabilistic models of uncertainty [Thrun02].
For real-time execution of SLAM, recursive algorithms are to be implemented. The Kalman filter is one of the most widely used,
which is applied to the (nonlinear) SLAM problem in one of its extended versions (EKF) ([Borenstein96, Leonard92, Bartolini01]).
An inherent limitation of the EKF is the time and memory space demand, which quickly increases with the number of features.
Recently, variations of the EKF algorithm have been proposed to overcome those computational limits, such as FastSlam,
decomposing the problem of determining the position of N features in N observability problems [Montemerlo02]; the CEKF
(Compressed EKF) filter, whereby information on the neighboring region of the robot is constantly updated while global updates are
only required sporadically ([Guivant01]); the SEIF (Sparse Extended Information Filter) filter, where the sparsity of the information
matrix is exploited to update in real time [Thrun87].
From the analysis of the SLAM literature, some deficiencies of the current state of art result. For instance, the intrinsic nonlinearity
of the SLAM problem implies that different trajectories of the vehicle(s) deeply affect the quality of localization and mapping, and
suggests the possibility of designing optimal exploratory policies [Tarantola87, Lorussi01]. Another problem of major momentum is
that, while the localization and mapping problems have been considered in their interactions with much attention, their connection to
control is much less frequently addressed. Indeed, in the SLAM literature, vehicles are often commanded in open loop. On the other
hand, in the rather extensive literature on control of autonomous robots, localization is often simply taken for granted. Such is the
case e.g. in many papers dealing with set-point stabilization of wheeled vehicles, which assume full state information (viz.
[Canudas92, Samson95, Casalino95, Lygeros96, Astolfi96,Corradini99]). In practical applications of automated vehicle control,
however, one is confronted with the problem of estimating the current position and orientation of the vehicle only through indirect,
noisy measurements by available sensors. Although much work has been done on techniques for vehicle localization based on
combinations of sensory information (odometry, laser range finders, cameras, etc.), very little is known about the real time
connection of a localization algorithm and a feedback control law (an output-feedback stabilization problem, in system theoretic
terms).
The research we propose, to be described in detail in a later section of this document, aims at developing an integrated, system
theoretic approach at the SLAM for Servoing (SLAMS) problem [Hutch96,Murrieri02]. Besides its primary role in coordinating
efforts towards localization and mapping for servoing, our unit will contribute to other tasks, namely on Multi sensor architectures
for guidance and control of mobile robots (MUSTANG), Distributed robotics and visual servoing: cooperation and control for
exploration tasks (VISE), navigation and cooperation of multi-robot system (MULTIR) and locomotion planning and control (
LOCOM). In particular for the last two topics, that are strictly related, our contribute will deal with the motion control
coordination of a set of under-actuated wheeled mobile platforms (formation control). Because of space limitations, we refer to
descriptions of research activities available at
http://www.piaggio.ccii.unipi.it/robotics/research-eng.html;
http://www.diee.unica.it/~giob/infoit.html;
http://ntreti.unile.it/ing/docenti/corradini/;
http://persone.dii.unile.it/indiveri/;
2.4.a Riferimenti bibliografici
[Alvarez02] A.Alvarez, A. Caiti, "Interactions of autonomous underwater vehicles with variable scale ocean structures", IFAC
World Conf., 2002.
[Astolfi96] A. Astolfi, "Discontinuous control of nonholonomic systems," Systems and Control Letters, 1996.
[Bartolini01] G. Bartolini, L. Cisci, A. Pisano, E. Usai "Navigation and Control of AUVs via Second Order Sliding-Modes and
Extended Kalman Filtering" Proc. of the 2001 IEEE Mediterranean Control Conference (MED 2001), 2001.
[Bicchi98] A. Bicchi, D. Pratichizzo, A. Marigo, A. Balestrino, "On the observability of mobile vehicles localization", Proc. IEEE
Mediterranean Conf. On Control And Systems, 1998.
[Borenstein96] J. Borenstein, A. Everett, L. Feng, Navigating mobile robots, AK Peters, 1996.
[Burgard98] W. Burgard, D. Fox, D. Hähnel, G. Lakemeyer, D. Schulz, W. Steiner, S. Thrun A.B. Cremers, Real Robots for the Real
World -- The RHINO Museum Tour-guide Project, Proc. of the AAAI 1998 Spring Symposium on Integrating Robotics Research,
Taking the Next Leap, 1998.
[Caiti02] A.Caiti, A. Garulli, F. Livide, D. Prattichizzo, "Set-membership acoustic tracking of autonomous underwater vehicles",
Acta Acustica united with Acustica, vol. 88, n. 5, pp. 648-653, 2002.
[Caiti03] A.Caiti, A. Garulli, F. Livide, D. Prattichizzo, "Localization of autonomous underwater vehicles by floating acoustic
buoys: a set-membership approach", accept. IEEE J. Oceanic Engineering, 2003.
[Canudas92] C. Canudas de Wit, O. J. Sørdalen, ``Exponential Stabilization of Mobile Robots with Nonholonomic Constraints'',
IEEE Transactions on Automatic Control, pp. 1791-1797, Vol. 37, No. 11, Nov. 1992.
[Casalino95] G. Casalino, M. Aicardi, A. Bicchi, A. Balestrino. Closed Loop Steering and Path Following for Unicycle--like
Vehicles: a Simple Lyapunov Function based Approach. IEEE Robotics and Automation Magazine, 2(1):27--35, 1995.
[Casalino02] G. Casalino, G. Indiveri, A. Turetta, M. Aicardi, Moving Base Multiarm Systems: Coordination Within Object
MIUR - BANDO 2003
-7-
PARTE II
,
Ministero dell Istruzione,
dell ,Università e della Ricerca
Manipulation, ISRA 2002 International Symposium on Robotics and Automation, 2002.
[Chatila 85] R. Chatila, J.-P. Laumond. Position referencing and consistent world modeling for mobile robots. In Proc. of the 1985
IEEE International Conference on Robotics and Automation, 1985.
[Corradini99] Corradini M.L., Leo T., Orlando G.: Robust stabilization of a mobile robot violating the nonholonomic constraint via
quasi-sliding modes. Proc. American Control Conference, pp.3935-3939, 1999.
[Dissana00] G. Dissanayake, H. Durrant-Whyte, T. Bailey. A computationally efficient solution to the simultaneous localisation and
map building (SLAM) problem. Working notes of ICRA’2000 Workshop W4: Mobile Robot Navigation and Mapping, 2000.
[Durrant01] H. Durrant-Whyte, S. Majumder, S. Thrun, M. de Battista, S. Scheding. A Bayesian algorithm for simultaneous
localization and map building. In Proceedings of the 10th International Symposium of Robotics Research, 2001.
[Fenwick02] J. W. Fenwick, P. M. Newman, J.J. Leonard "Cooperative Concurrent Mapping and Localization, "Proceedings of the
2002 IEEE International Conference on Robotics and Automation, pp. 1802-1809, 2002.
[Garulli01] A. Garulli, A. Vicino, "Set Membership Localization ofMobile Robots via Angle Measurements," IEEE Transaction on
Robotics and automation, Vol. 17, nr. 4, 2001
[Guivant01] J. E. Guivant and E. M. Nebot, "Optimization of the Simultaneous Localization and Map-Building Algorithm for
Real-Time," Proc. IEEE, 2001.
[Huster02] A. Huster, E. W. Frew, S. M. Rock, “Relative position estimation for AUVs by fusing bearing and inertial rate sensor
measurements”, Proc. of the Oceans 2002 Conference, pages 1857--1864, 2002.
[Hutch96] S. Hutchinson, D. Hager, P. Corke, "A Tutorial Introduction to Visual Servo Control", IEEE Transactions on Robotics
and Automation, 12(5) pp. 651-670, 1996.
[Kuipers91] B. Kuipers and Y.-T. Byun.A robot exploration and mapping strategy based on a semantic hierarchy of spatial
representations. Journal of Robotics and Autonomous Systems, 8:47–63, 1991.
[Leonard92] J. J. Leonard, H. F. Durrant-White,I. J. Cox, "Dynamic map building for an autonomous mobile robot," International
Journal of Robotics Research, vol. 11, pp. 89–96, 1992.
[Leonard99] J.J. Leonard, H.J.S. Feder. A computationally efficient method for large-scale concurrent mapping and localization. In
J. Hollerbach and D. Koditschek, editors, Proceedings of the Ninth International Symposium on Robotics Research, 1999.
[Levine99] S. P. Levine, D. A. Bell, L. A. Jaros, R. C. Simpson, Y. Koren, J. Borenstein, "The NavChair assistive wheelchair
navigation system", IEEE Trans. on Rehabilitation Engineering, vol. 7, no. 4, 1999, pp. 443-451.
[Lorussi01] F. Lorussi, A. Marigo, A. Bicchi, "Optimal exploratory paths for a mobile rover," Proc. IEEE Int. Conf. on Robotics and
Automation, pp. 2078–2083, 2001.
[Lygeros96] J. Lygeros, D.N. Godbole, S. Sastry, "Optimal control approach to multiagent, hierarchical system verification", in
IFAC World Congress, pp. 389-394, 1996.
[Mataric90] M. J. Matari´c. "A distributed model for mobile robot environment-learning and navigation". Master’s thesis, MIT,
Cambridge, MA, January 1990.
[Montemerlo02] M. Montemerlo, S. Thrun, D. Koller, B. Wegbreit, "A Factored Solution to the Simultaneous Localization and
Mapping Problem" Proceeedings of the AAAI National Conference on Artificial Intelligence, 2002.
[Moravec85] P. Moravec, A. Elfes, "High resolution maps from wide angle sonar", Proc. of the IEEE International Conference on
Robotics and Automation, pp.116-121, 1985.
[Murrieri02] P. Murrieri, D. Fontanelli, A. Bicchi, "Visual-servoed parking with limited view angle," Experimental Robotics
VIII,Sprimger Verlag, vol. 5, pp. 254-263, 2002.
[Palopoli02] L. Palopoli, C. Pinello, A. L. Sangiovanni-Vincentelli, L. El-Ghaoui, A. Bicchi, "Synthesis of robust control systems
under resource constraints". In M. Greenstreet and C. Tomlin, editors, Hybrid Systems: Computation and Control, volume LNCS
2289of Lecture Notes in Computer Science,pages 337-350. Springer-Verlag, Heidelberg, Germany, 2002.
[Pisano03] A. Pisano, E. Usai, “Output-feedback control of an underwater vehicle prototype: theory and experiments.”, 4-th IFAC
Symposium on Robust Control Design (ROCOND 2003) 2003.
[Podder01] T.K. Podder, G. Antonelli, N. Sarkar,"An Experimental Investigation into the Fault-Tolerant Control of an Autonomous
Underwater Vehicle". J. Advanced Robotics, 15:501-520, 2001.
[Roume02] S.I. Roumeliotis, G.A. Bekey, "Distributed multirobot localization", IEEE Transactions on Robotics and Automation,
18-5, pp. 781-795, 2002.
[Samson95] C. Samson, "Control of Chained Systems, Application to Path Following and Time Varying point Stabilization of
Mobile Robots", IEEE Transactions on Automatic Control, 40-1, pp. 54-67, 1995.
[Silpa01] C. Silpa-Anan, T. Brinsmead, S.Abdallah, A. Zelinsky. "Preliminary Experiments in Visual Servo Control for Autonomous
Underwater Vehicle", Proc. of the IEEE International Conference on Intelligent Robots and Systems, Hawaii, 2001.
[Smith85] R. C. Smith, P. Cheeseman, "On the representation and estimation of spatial uncertainty". Technical Report TR 4760
&7235, SRI, 1985.
[Smith90] R. Smith, M. Self, P. Cheeseman, "Estimating uncertain spatial relationships in robotics". In I.J. Cox and G.T. Wilfong,
editors, Autonomous Robot Vehnicles, pages 167–193. Springer-Verlag, 1990.
[Tarantola87] A. Tarantola: "Inverse Problem Theory", Elsevier, Amsterdam, 1987.
[Thrun87] S. Thrun, D. Koller, Z. Ghahmarani, H. Durrant-Whyte "SLAM Updates Require Constant Time," Tech. rep., School of
Computer Science, Carnegie Mellon University,2002.
[ThrunFox98] S. Thrun, D. Fox, W. Burgard, "A probabilistic approach to concurrent mapping and localization for mobile robots".
Machine Learning, 31:29–53, 1998. also appeared in Autonomous Robots 5, 253–271 (joint issue).
[Thrun98] S. Thrun, W. Burgard, D. Fox, "A Probabilistic Approach to Concurrent Mapping and Localizationfor Mobile Robots,"
Machine Learning and Autonomous Robots, nr. 31/5, 125, 1998.
[Thrun99] S. Thrun, M. Bennewitz, W. Burgard, A. B. Cremers, F. Dellaert, D. Fox, D. Hähnel, C. Rosenberg, N. Roy, J. Schulte, D.
Schulz, "MINERVA: A Tour-Guide Robot that learns". In: Proceedings of the 23rd German Conference on Artificial Intelligence (KI
99), 1999, to appear.
[Thrun02] S. Thrun, "Robotic Mapping: A Survey,", in Exploring Artificial Intelligence in the New Millenium, Morgan Kaufmann,
2002.
MIUR - BANDO 2003
-8-
PARTE II
,
Ministero dell Istruzione,
dell ,Università e della Ricerca
2.5 Descrizione del programma e dei compiti dell'Unità di Ricerca
Testo italiano
Nella proposta DRIVING, come riportato dal Coordinatore nel modello ''A'', il gruppo di ricercatori dell'unita' UNIPI coordina il
tema SLAMS: localizzazione e simultanea costruzione di mappe per l'asservimento e per il Controllo (Simultaneous localization and
mapping for servoing), con la collaborazione di altri partner (UNICAS, UNIROMA1, UNISI, UNIVPM). L'unita' UNIPI collabora
anche sui temi MUSTANG, VISE, MULTIR, e LOCOM. In seguito riportiamo una descrizione dettagliata dei contenuti scientifici del
tema SLAMS e descriviamo piu' succintamente il nostro contributo relativo agli altri temi.
Si consideri un sistema formato da piu' veicoli mobili i cui obiettivi sono quello di localizzarsi in un ambiente e quello di ricostruire
delle caratteristiche dell'ambiente stesso. Per semplicita', si ipotizza che le caratteristiche dell'ambiente (features) sono punti dello
spazio tridimensionale e che i veicoli sono forniti di sensori come range finder laser radiali o telecamere. In generale, la posizione e
l'orientazione iniziale del veicolo, cosi' come la posizione delle features, sono note a priori in modo esatto o con una certa
distribuzione di probabilita'. La configurazione finale del veicolo puo' essere una data configurazione o un insieme di
configurazioni. Si suppone inoltre che durante una fase preliminare siano state determinate le letture dei sensori dalla
configurazione finale. Tra le features dell'ambiente rilevate dai sensori e' possibile distinguere tra quelle che appartengono ad
oggetti in posizione non nota (denominate targets) e quelle appartenenti ad oggetti la cui posizione assoluta sia conosciuta
(denominate markers). La distinzione viene introdotta per semplicita' in quanto, generalmente, si hanno features in posizioni note
con maggiore o minore incertezza. La dinamica del veicolo e' sufficientemente lenta e puo' essere cosi' trascurata. La cinematica dei
veicoli su ruote viene di solito modellizzata come un sistema di equazioni differenziali ordinarie non lineari del tipo dx = G(x) u dt,
dove con x si indica la configurazione del robot (di solito, x ha tre dimensioni per un veicolo che si muove sul piano considerando
l'orientazione), e u sono le velocita' date in ingresso al sistema. Spesso, le velocita' del sistema sono soggette a disturbi (n), come lo
slittamento delle ruote. Tenendo conto dei disturbi, il modello modificato risulta dx = G(x) (u + n). Sia p_i, il vettore che determina
le coordinate del target i-esimo e sia p il vettore formato dai vettori p_i (p ha quindi dimensione 3 n_f per n_f features
tridimensionali). In base alle specifiche, le letture dei sensori sono le posizioni relative del veicolo e delle features (informazioni note
anche come letture osservabili) descritte dalla mappa y=h(x,p). La misura m del disturbo e' additiva e quindi si ha y = h(x,p) + m. In
termini della teoria dei sistemi, i tre problemi dello SLAMS possono essere descritti facendo riferimento al sistema in forma di stato
I problemi di localizzazione e di costruzione di mappe possono quindi essere descritti come problemi di osservabilita'. Il problema di
localizzazione riguarda la ricostruzione della configurazione corrente x, mentre il problema della costruzione delle mappe riguarda
la ricostruzione della mappa delle features. Entrambi i processi di ricostruzione si basano sulle osservazioni passate e correnti, sulla
conoscenza del modello e degli ingressi, sulle statistiche sul processo (n) e sulle misure del rumore m. L'asservimento e' invece un
problema di stabilita', si cerca quindi, in base ai dati disponibili, un ingresso u per cui il sistema raggiunga la configurazione
desiderata. Se la configurazione corrente x fosse nota esattamente in ogni istante, l'asservimento consisterebbe nel trovare una legge
di retroazione degli stati della forma u(x,t), tale per cui il sistema dx = G(x) u(x,t) dt converga asintoticamente alla configurazione
desiderata. In generale, la configurazione corrente non e' sempre nota per la presenza di un disturbo sulle misure oppure per il
minor numero di misure rispetto alle incognite (ad esempio quando si usano landmarks assoluti e una telecamera stereo
trinoculare).
Nello SLAMS, l'asservimento dovrebbe quindi essere visto come un problema di stabilizzazione dell'uscita, per mezzo del quale si
deve progettare un nuovo sistema dinamico nelle coordinate w nella forma
Tale sistema, quando connesso al sistema originale dovrebbe formare un sistema asintoticamente stabile negli stati [x w]. Spesso, il
sistema ausiliario include uno stimatore del sistema originale. Lo stimatore e' progettato in modo tale per cui lo stato w(t) converga
alla configurazione x(t) e alle features p. La tipologia di progetto piu' utilizzata per lo stimatore si basa sui filtri di Kalman estesi. In
base a questo approccio, si progetta un controllo nella forma di stabilizzazione in retroazione u(w,t), in cui si usa w invece di x.
Ovviamente, la convergenza dello stimatore e della legge di stabilizzazione in retroazione separatamente sono solo condizioni
necessarie per garantire un comportamento stabile e soddisfacente del sistema composto da entrambi.
Il modello sopra riportato viene spesso denominato come world-centric. E' ovvio che, la ricostruzione della posizione e orientazione
assoluta del robot e' impossibile a meno che non si abbiano a disposizione dei marker geografici o altre informazioni equivalenti (ad
esempio, fornite da bussole, GPS, ecc.)
Una diversa descrizione dello stesso problema puo' essere data in funzione di coordinate relative al veicolo ( modello robot-centric)
ottenendo un sistema nella forma
Tale modello e' applicabile, ad esempio, nel caso in cui una telecamere sia montata sul veicolo: in questo caso la funzione di uscita
MIUR - BANDO 2003
-9-
PARTE II
,
Ministero dell Istruzione,
dell ,Università e della Ricerca
hat h(cdot) rappresenta la proiezione di features 3D sul piano immagine della telecamera. Il controllo ottenuto mediante la
retroazione dell'uscita del nostro sistema e' equivalente a quello che comunemente viene definito asservimento visuale nello spazio
immagine (studiato anche nel TEMA "VISE" di questo progetto). In questo caso una stima esplicita della configurazione del robot e'
chiaramente non necessaria.
Durante il progetto proposto, studieremo in dettaglio questi diversi aspetti del problema dello SLAM enfatizzando la maggior
comprensione che un approccio della teoria dei sistemi puo' dare al problema. Il programma di ricerca e' strutturato come segue:
FASE 1)
• 1-a) Definizione della struttura della Unita' operativa UNIPI. Attivazione contratti di ricerca e collaborazioni professionali.
Struttura di collegamento con membri dell'unita' che hanno sede diversa (Universita' di Lecce, Universita' di Cagliari).
• 1-b) Definizione della struttura della linea SLAMS. Definizione dei contribute delle unita’ cooperanti (UNICAS, UNIROMA1,
UNISI, UNIVPM) per l'accesso ai laboratori, i contenuti tecnologici e/o metodologici e la struttura informatica del tema SLAMS.
• 1-c) Aggiornamento dello stato dell'arte relativo ai temi della linea SLAMS.
• 1-d) Partecipazione coordinata alla definizione della struttura delle linee MUSTANG , VISE, MULTIR, e LOCOM, e
all'aggiornamento del relativo stato dell'arte.
RISULTATI PARZIALI ATTESI:
• R1-a) Struttura di collegamento informatica, che consenta l'accesso ai rapporti della linea SLAMS, alle pubblicazioni delle sedi
cooperanti, alla conoscenza della disponibilità di attrezzature sperimentali;
• R1-b) Aggiornamento dello stato dell'arte per la linea SLAMS, presentato come rapporto di progetto;
• R1-c) Partecipazione all'incontro di coordinamento.
COSTI RELATIVI ALLA FASE: 22000Euro
FASE 2)
• 2-a) Analisi delle eventuali carenze dello stato dell'arte rispetto alle specifiche esigenze delle applicazioni di localizzazione e di
costruzione di mappe con particolare attenzione alle problematiche di controllo in ambienti interni, e impostazione di possibili
soluzioni alternative. In particolare:
o 2-a-1) Caratterizzazione e formalizzazione matematica del problema SLAM. Riferimenti utilizzabili: possibilità di utilizzare
riferimenti assoluti (word-centric) o relativi al veicolo (robot-centric). Applicazione di diversi tipi di filtri e valutazione sperimentale
delle prestazioni in termini di robustezza della stima e di velocità di convergenza.
o 2-a-2) Studio di tecniche analitiche e numeriche per l’ottimizzazione delle traiettorie, al fine di utilizzare al meglio le risorse
disponibili (tempo, carburante, numero di veicoli utilizzati).
o 2-a-3) Analisi di tecniche di localizzazione di un veicolo tramite sensori di visione. Integrazione del controllo visivo con
odometria.
o 2-a-4) Studio di differenti tipologie di mappe; tecniche di costruzione di mappe basate sull'utilizzo di sistemi di visione;
possibilità di generare una mappa mediante sezionamento in piani dello spazio 3D.
o 2-a-5) Studio e progetto di un sistema di localizzazione e posizionamento per robot mobili ad elevata precisione e banda
passante.
• 2-b) Partecipazione alla analisi critica dello stato dell'arte, e alla proposizione di soluzioni innovative nei temi cui UNIPI
partecipa in modo coordinato:
o 2-b-1) MUSTANG: problematiche di integrazione dei dati provenienti dai vari sensori presenti sul veicolo al fine di aumentare la
consistenza e la precisione dell'informazione estratta, studio di fusione tra dati sensoriali provenienti da una piattaforma inerziale,
da un ricevitore GPS, da un sistema di visione artificiale e da altri sensori propriocettivi a basso costo quali ad esempio bussole
magnetiche, inclinometri e tubi di Pitot;
o 2-b-2) MULTIR: studio della coordinazione e del moto di un insieme di piattaforme mobili sottoattuate; studio di protocolli di
comunicazione tra le unità; studio di architetture centralizzate e distribuite;
o 2-b-3) VISE: studio di tecniche di controllo con retroazione sull'immagine per la navigazione ed il parcheggio di robot mobili;
o 2-b-4) LOCOM: analisi del controllo del moto di un insieme di piattaforme mobili sottoattuate su ruote.
• 2-c) Acquisti delle attrezzature richieste e organizzazione dei laboratori messi a disposizione del progetto.
RISULTATI PARZIALI ATTESI:
• R2-a) Sviluppo di strumenti software per la simulazione degli algoritmi;
• R2-b) Implementazione e test su veicoli degli algoritmi di localizzazione e mapping tramite visione;
• R2-c) Partecipazione al primo Convegno di Programma;
COSTI RELATIVI ALLA FASE: 41000Euro
FASE 3)
• 3-a) Realizzazione di verifiche simulative e sperimentali delle soluzioni emerse o proposte nella fase 2, avvalendosi anche della
struttura di laboratorio integrata messa a disposizione dalla rete DRIVING. In particolare:
o 3-a-1) Metodi di ottimizzazione dell'esplorazione ad orizzonte recessivo. Studio del comportamento del robot supposti disponibili
determinati dati sperimentali;
o 3-a-2) Tecniche di localizzazione robusta. Integrazione dei dati sensoriali e di algoritmi probabilistici per la localizzazione del
robot mobile all'interno dell'ambiente, anche in presenza di errori sul modello;
o 3-a-3) Tecniche di navigazione. Navigazione di un agente mobile a cui viene assegnata una mappa di immagini dell'ambiente,
utilizzando tecniche di localizzazione robusta e di asservimento visuale;
o 3-a-4) Tecniche di localizzazione e navigazione. Integrazione di un esperimento di localizzazione e navigazione in ambiente
MIUR - BANDO 2003
- 10 -
PARTE II
,
Ministero dell Istruzione,
dell ,Università e della Ricerca
strutturato (uffici dipartimentali);
o 3-a-5) Coordinamento di agenti mobili autonomi. Impiego sinergico delle informazioni di localizzazione da parte di più veicoli
facenti parte della stessa squadra. Navigazione coordinata di più veicoli autonomi o parzialmente autonomi, rispetto alla struttura
informativa della squadra di veicoli (informazioni a conoscenza di un agente sullo stato degli agenti vicini);
o 3-a-6) Integrazione dello SLAM con tecniche di asservimento visuale;
• 3-b) Partecipazione alla verifica simulativa e sperimentale nei temi cui UNIPI partecipa in modo coordinato:
o 3-b-1) MUSTANG: realizzazione di tecniche di controllo per robot mobili utilizzando la fusione sensoriale, realizzazione del
sistema di fusione sensoriale descritto nella fase 2: 2-b-1);
o 3-b-2) VISE: realizzazione di esperimenti di asservimento visuale di veicoli robotici su retroazione visiva (connesso con
MUSTANG);
o 3-b-3) MULTIR: sperimentazione di architetture multi-agente per la navigazione e la costruzione di mappe in ambienti strutturati
(connesso con MUSTANG);
o 3-b-4) LOCOM: implementazione sperimentale di algoritmi di controllo del moto coordinato di una squadra di piattaforme mobili.
RISULTATI PARZIALI ATTESI:
• R3-a) Realizzazione di esperimenti e simulazioni comparative (pubblicate in rapporti di progetto, disponibili in rete);
• R3-b) Pubblicazioni scientifiche presentate a conferenze internazionali e sottomesse a riviste;
COSTI RELATIVI ALLA FASE: 41000Euro
FASE 4)
• 4-a) Integrazione dei contributi delle sedi coordinate nella linea SLAMS. Verifica delle interfacce tecnico-funzionali come da
specifiche tra i risultati delle diverse unità;
• 4-b) Disseminazione dei risultati della linea SLAMS;
• 4-c) Partecipazione alla preparazione della documentazione dei risultati delle linee MUSTANG, VISE, MULTIR, LOCOM;
• 4-d) Messa a punto della sottostruttura telematica informativa della linea.
RISULTATI PARZIALI ATTESI:
• R4-a) Sviluppo di architetture software/hardware di squadre di veicoli autonomi cooperanti;
• R4-b) Partecipazione al Secondo convegno internazionale di progetto;
• R4-c) Pubblicazioni su riviste scientifiche e in atti di convegni internazionali;
COSTI RELATIVI ALLA FASE: 21000Euro
Testo inglese
In the general framework of the DRIVING proposal, as detailed in the Coordinator application ``A'', the group of researchers
appearing as UNIPI coordinates the work-package SLAMS Simultaneous localization and mapping for servoing, with the
collaboration from other partners (UNICAS, UNIROMA1, UNISI, UNIVPM), and cooperates within W.P.'s MUSTANG, VISE,
MULTIR, and LOCOM. We provide below a detailed description of the contents of the SLAMS work package and describe succinctly
the organization of our contribution to different WP's.
Consider a system comprised of a vehicle moving in an environment with the aim of localizing itself and the environment features.
For simplicity, assume that features are distinctive 3D points in the environment where the vehicle moves, and that the vehicle is
endowed with sensors, such as a radial laser rangefinder or video cameras. Both the vehicle initial position and orientation, and the
feature positions, are unknown or, more generally, known up to some a priori probability distribution. A particular pose of the
vehicle, or set of poses, is regarded as the goal. Sensor readings corresponding to the goal pose are known (by e.g. recording them
in a preliminary learning phase). Among the features that the sensor head detects in the robot environment, one sometimes
distinguishes between those belonging to objects with unknown positions (which we shall call targets), and those belonging to
objects whose absolute position is known (which will be referred to as markers). Indeed, as it will be discussed, this distinction is
only introduced for thesake of simplicity, as in general the case is that there exist features that are more or less uncertain. The
vehicle dynamics are often slow enough to be neglected. Kinematics of wheeled vehicles can usually be written as a nonlinear system
of O.D.E. equations of the type dx = G(x) u dt, where x is the robot pose (typically, x has dimension 3 for a vehicle moving in a plane
with an orientation), and u are the input velocities. It is often the case where the system velocities are affected by disturbances n
(such as e.g. slippage of the wheels), and the model is accordingly modified to include process noise as dx = G(x) (u + n).
Let the i--th target coordinates be denoted by vector p_i, and use p to denote the juxtaposition of all p_i (p has dimension 3 n_f for
n_f 3-dimensional features). According to the sensor equipment specifics, the relative position of the vehicle and of the features form
sensor readings, also known as observables, described by the map y=h(x,p). Measurement noise m adds to this as y = h(x,p) + m. In
system-theoretic terms, the three problems in SLAMS can be described by referring to the input-state-output system
Localization and mapping can hence be described as observability problems, dealing respectively with the reconstruction of the
present pose x and feature map p from current and past observables, from model and input knowledge, and from statistics on process
and measurement noise, respectively n and m. Servoing is a stabilization problem, aiming at devising what inputs $u$ are to be given
to the system so as to reach the desired pose, based on available data. Should the current pose x be known exactly at all times,
servoing would amount to find a state feedback law in the form u(x,t), such that dx = G(x) u(x,t) dt asymptotically and stably
converged to the desired pose. However, such knowledge is not available in general, because typically there are fewer measurements
than unknowns, and, even when this does not hold (as e.g. when using absolute landmarks and a trinocular stereo camera head),
MIUR - BANDO 2003
- 11 -
PARTE II
,
Ministero dell Istruzione,
dell ,Università e della Ricerca
because of measurement noise. Servoing in SLAMS should therefore be regarded in general as an output stabilization problem,
whereby a new dynamic system must be designed in a set of additional states w as
such that, when connected to the original system, asymptotic stability of the compound [x w] states can be achieved. It is often (but
not always) the case that the auxiliary system includes an estimator of the system, i.e. its design is aimed at achieving the
convergence of w(t) to the pose x(t) and features p. The currently prevailing design for the estimator is based on Extended Kalman
Filters. According to this approach, a design is often attempted for the control in the form of a state-feedback stabilizer u(w,t), where
w is used in place of x. Naturally, convergence of the estimator and of the state-feedback law separately are only necessary
conditions for the composition of the two ones to provide a stable and satisfactory behavior.
The above model is sometimes referred to as world-centric. It is rather obvious that, unless geographic markers or other equivalent
information (from compass, GPS, etc.) are present, reconstruction of absolute robot position and orientation is impossible. A
different description of the same problem can hence be given in coordinates relative to the vehicle (a robot-centric model), which
would be written in the form
Such a model is applicable for instance to the case where a camera is mounted on the vehicle, with the output map $hat h(cdot)$
representing the projection of 3D features to the image plane of the camera. Output feedback control of our system amounts then to
what is commonly referred to as image-based visual servoing of the vehicle (also studied in the "VISE" WP of this project). In this
case, explicit estimation of the robot pose is clearly unnecessary.
In the proposed research, we will study these different aspects of the SLAMS problem in detail, emphasizing the insight that an
integrated system theoretic approach can bring to the field, according to a research plan articulated as follows:
PHASE 1)
• 1-a) Definition of the group structure with collaborators in other universities (Universita' di Lecce, Universita' di Cagliari).
Establishment of research and professional collaborations.
• 1-b) Definition of the SLAMS WP structure. Definition of contributions by cooperating groups (UNICAS, UNIROMA1, UNISI,
UNIVPM) regarding laboratory access, technology and methodology, informatic infrastructure of the WP.
• 1-c) Update of the state-of-the-art for WP SLAMS.
• 1-d) Participation in the definition of structure and to the update of the state of the art in the WP's MUSTANG , VISE, MULTIR, e
LOCOM.
EXPECTED RESULTS:
• R1-a) Linked structure of WWW pages, enabling access to reports of the WP SLAMS, to scientific publications of the participants,
and initiating the condivision of remote laboratories.
• R1-b) Report on state-of-art update;
• R1-c) Participation to the first Program meeting.
PHASE COSTS: 21000Euro
PHASE 2)
• 2-a) Analysis of possible shortcomings in the state-of-the-art relative to peculiar needs of robotic localization and maps building,
with particular emphasis on the control in indoor environments. Study of possible alternative solutions. Specifically:
o 2-a-1) Characterization and mathematical formalization of SLAM
problem. Reference frames: absolute reference (word-centric) or
vehicle relative reference (robot-centric). Application of several type of filters and experimental simulation; assessment of
robustness, performance, and convergence rate.
o 2-a-2) Study of analytical and numerical techniques for trajectory optimization, for better resource use (time, fuel, number of used
vehicles).
o 2-a-3) Analysis of vision-based localization techniques for vehicles. Sensor fusion: odometry with vision control.
o 2-a-4) Study of different maps’ typologies; vision based maps building; maps generation with 3D space planes clipping.
o 2-a-5) Study of a position and localization system for high accurate and high bandwith mobile robots.
• 2-b) Participation in the critical evaluation of the state-of-the-art, and to the proposal of innovative solutions, regarding WP's in
which UNIPI is coordinated:
o 2-b-1) MUSTANG: vehicle’s sensors data fusion problems to increase the consistency and precision of the extracted information,
sensors data fusion obtained from an inertial platform, a GPS receiver, an artificial vision system and from other low cost
proprioceptive sensors;
o 2-b-2) MULTIR: study of coordination and motion of an underactuated mobile platform set; study of units communication
protocols; study of centralized and distributed architecture;
o 2-b-3) VISE: study of vision based control techniques for mobile robots navigation and parking.
MIUR - BANDO 2003
- 12 -
,
Ministero dell Istruzione,
dell ,Università e della Ricerca
PARTE II
o 2-b-4) LOCOM: analysis of motion control for a set of underactuated mobile wheeled platform.
• 2-c) Acquisition of laboratory equipment and organization of the labs for the project demos.
EXPECTED RESULTS:
• R2-a) Realization of software tools for algorithms simulation;
• R2-b) Development and vehicle test of vision based localization and mapping algorithms;
• R2-c) Participation to the Program Meeting.
PHASE COSTS: 41000Euro
PHASE 3)
• 3-a) Simulations and experimental validation of solutions resulting from Phase 2, also using the integrated laboratory structure of
DRIVING. Specifically:
o 3-a-1) Receding-horizon optimization methods for exploration. Applications to automatic incremental planning of exploratory
motions;
o 3-a-2) Robust localization techniques. Data sensors fusion and probabilistic algorithm for indoor mobile robot localization,
considering modeling errors;
o 3-a-3) Navigation techniques. Mobile robot navigation knowing a given image-map of the environment, using robust localization
and visual servoing techniques;
o 3-a-4) Localization and navigation techniques. Experiments of localization and navigation in a structured environment (office
space);
o 3-a-5) Autonomous mobile agents coordination. Integration of localization information from mobile robots belonging to the same
team. Coordinated navigation of autonomous and semi-autonomous of multi mobile vehicles, with respect to the vehicles team
information structure (single agent information based on neighbourhood agents data);
o 3-a-6) Integration of SLAM with visual servoing;
• 3-b) Participation to simulative and experimental validation in other workpackages:
o 3-b-1) (MUSTANG) realization of mobile robots control techniques with sensors fusion, realization of the sensor fusion system
described in 2: 2-b-1);
o 3-b-2) (VISE) experiments of visual servoing on mobile robots with vision feedback (related with MUSTANG WP);
o 3-b-3) (MULTIR) experiments of multi-agents architectures for navigation and maps building in structured environment (related
with MUSTANG WP);
o 3-b-4) (LOCOM) development of coordinated motion control algorithms for a set of mobile platforms.
EXPECTED RESULTS:
• R3-a) Realization of simulative and experimental trials on existing and innovative techniques (results published in project reports,
available through the web site);
• R3-b) Scientific publications, presented at international meetings, and submitted to Journals;
PHASE COSTS: 41000Euro
PHASE 4)
• 4-a) Integration of contributions from cooperating research units in WP SLAMS. Verification of technical and functional interfaces
among components provided by different partners;
• 4-b) Dissemination of results of WP SLAMS;
• 4-c) Participation in the preparation of documentation for WP MUSTANG, VISE, MULTIR, LOCOM;
• 4-d) Final setup of the informatics structure for dissemination of results.
EXPECTED RESULTS:
• R4-a) Development of software/hardware architecture for a team of cooperant autonomous mobile vehicles;
• R4-b) Participation to the second Project conference;
• R4-c) Publications on international conferences and journals;
PHASE COSTS: 21000Euro
2.6 Descrizione delle attrezzature già disponibili ed utilizzabili per la ricerca proposta
Testo italiano
nº
anno di
acquisizione
1.
2002
2.
2000
3.
1999
4.
5.
1995
2002
Descrizione
3 Veicoli robotici su ruote (Koala K-Team) con sensori di posizione (ad infrarossi e sonar) e di luminosità
Testa laser range finder ``Robosense''
Sistema di visione con telecamera Panasonic, frame grabber MATROX, testa robotica di orientamento
telecamera.
Veicolo robotico TRC Labmate, dotato di PC a bordo, sensoristica US, radio-modem.
Manipolatore Parallelo a sei gradi di libertà (Delta)/ Interfaccia Aptica (Phantom)
MIUR - BANDO 2003
- 13 -
,
Ministero dell Istruzione,
dell ,Università e della Ricerca
PARTE II
Testo inglese
nº anno di acquisizione
1.
2002
2.
2000
3.
1999
4.
1995
5.
2002
Descrizione
3 Wheeled Vehicles (K-Team Koala) with positioning sensors (infrared and sonar)
Laser range-finder Robosense
Camera system (Panasonic camera, Matrox framegrabber, robotic head for pan/tilt)
Robotic vehicle TRC Labmate
Six degrees of freedom parallel manipulator (Delta)/ Haptic Display (Phantom)
2.7 Descrizione della richiesta di Grandi attrezzature (GA)
Testo italiano
Nessuna
Testo inglese
Nessuna
2.8 Mesi uomo complessivi dedicati al programma
Numero Mesi Uomo
Personale universitario dell'Università sede dell'Unità di Ricerca
2
24
Personale universitario dell'Università sede dell'Unità di Ricerca (altri)
3
18
Personale universitario di altre Università
4
26
Personale universitario di altre Università (altri)
2
12
Titolari di assegni di ricerca
1
6
Titolari di borse dottorato e post-dottorato
4
34
Personale a contratto
2
18
Personale extrauniversitario
0
0
TOTALE
18
138
3.1 Costo complessivo del Programma dell'Unità di Ricerca
Testo italiano
Voce di spesa
Materiale inventariabile
Grandi Attrezzature
Materiale di consumo e
funzionamento
Spese per calcolo ed
elaborazione dati
Personale a contratto
Servizi esterni
Missioni
Pubblicazioni
Partecipazione /
Organizzazione convegni
Altro
TOTALE
MIUR - BANDO 2003
Spesa in
Descrizione
Euro
12.300 Calcolatori per il controllo dei robot mobili, Sistemi di visione, elettronica di
controllo; , materiale bibliografico.
3.000 Beni di consumo per l'ufficio
3.000 Licenze Software per il calcolo e le simulazioni
48.000 Assegnisti di Ricerca e/o supporto Dottorati e post-dottorati
35.000 Coordinamento e Conferenze di Progetto; Conf. Internazionali.
5.000 Iscrizione a Convegni e workshop
18.700 Spese di Dipartimento e di Coordinamento
125.000
- 14 -
,
Ministero dell Istruzione,
dell ,Università e della Ricerca
PARTE III
Testo inglese
Voce di spesa
Materiale inventariabile
Grandi Attrezzature
Materiale di consumo e
funzionamento
Spese per calcolo ed elaborazione
dati
Personale a contratto
Servizi esterni
Missioni
Pubblicazioni
Partecipazione / Organizzazione
convegni
Altro
TOTALE
Spesa in
Descrizione
Euro
12.300 Computers for the control of mobile vehicles, vision systems, electronic
hardware, books.
3.000 Office supplies and costs
3.000 Simulation and computation Software Licences
48.000 Doctoral and postdoctoral
35.000 Coordinating meetings; scientific meetings and conferences.
5.000 Congress/Workshop Fees
18.700 Departmental and coordination costs
125.000
Il progetto è già stato cofinanziato da altre amministrazioni pubbliche (art. 4 bando 2003)? NO
3.3 Tabella riassuntiva
Costo complessivo del Programma dell'Unità di Ricerca 125.000
Costo minimo per garantire la possibilità di verifica dei risultati
93.000
Fondi disponibili (RD)
3.800
Fondi acquisibili (RA)
33.700
Cofinanziamento di altre amministrazioni pubbliche (art. 4 bando 2003)
Cofinanziamento richiesto al MIUR
MIUR - BANDO 2003
87.500
- 15 -
PARTE IV
,
Ministero dell Istruzione,
dell ,Università e della Ricerca
4.1 Risorse finanziarie già disponibili all'atto della domanda e utilizzabili a sostegno del Programma
Provenienza Anno Importo disponibile
Note
Università
Dipartimento
CNR
Unione Europea 2002
3.800 Progetto RECSYS IST 2001-37170
Altro
TOTALE
3.800
4.2 Risorse finanziarie acquisibili in data successiva a quella della domanda e utilizzabili a sostegno del
programma nell'ambito della durata prevista
Provenienza Anno della domanda o stipula
Stato di approvazione
del contratto
Università
2003
disponibile in caso di accettazione
della domanda
Dipartimento
CNR
Unione
Europea
Altro
TOTALE
Quota disponibile per il
Note
programma
33.700 Cofinanziamento di
Ateneo
33.700
4.3 Certifico la dichiarata disponibilità e l'utilizzabilità dei fondi di cui ai punti 4.1 e 4.2:
SI
(per la copia da depositare presso l'Ateneo e per l'assenso alla diffusione via Internet delle informazioni riguardanti i programmi
finanziati; legge del 31.12.96 n° 675 sulla "Tutela dei dati personali")
Firma _____________________________________
MIUR - BANDO 2003
Data 28/03/2003 ore 19:13
- 16 -
Was this manual useful for you? yes no
Thank you for your participation!

* Your assessment is very important for improving the work of artificial intelligence, which forms the content of this project

Download PDF

advertisement