Συντάχθηκε 10-06-2013 12:27
από Eleni Stamataki
Email συντάκτη: estamataki<στο>tuc.gr
Ενημερώθηκε:
-
Ιδιότητα: σύνταξη/αποχώρηση υπάλληλος.
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Νικόλαος Παυλάκης
με θέμα
Συνεργατική Εκτίμηση Καθολικής Κατάστασης Παιχνιδιού
για το Πρωτάθλημα Standard Platform του RoboCup
Cooperative Global Game State Estimation
for the RoboCup Standard Platform League
Τρίτη 11 Ιουνίου 2013, 11 π.μ
Αίθουσα συνεδριάσεων ΗΜΜΥ, Κτίριο Επιστημών, Πολυτεχνειούπολη
Εξεταστική Επιτροπή
Αναπληρωτής Καθηγητής Μιχαήλ Γ. Λαγουδάκης (επιβλέπων)
Καθηγητής Μίνως Γαροφαλάκης
Επίκουρος Καθηγητής Άγγελος Μπλέτσας
Περίληψη
Το RoboCup είναι ένας διεθνής διαγωνισμός που προωθεί την έρευνα σε πολυ-ρομποτικές ομάδες που λειτουργούν σε δυναμικά περιβάλλοντα. Στο Πρωτάθλημα Standard Platform (SPL) όλες οι ομάδες χρησιμοποιούν πανομοιότυπα ρομπότ και συγκεκριμένα τα ανθρωποειδή ρομπότ Aldebaran NAO. Τα ρομπότ που χρησιμοποιούνται στο SPL έχουν περιορισμένες ικανότητες αντίληψης, πράγμα που σημαίνει ότι μπορούν να αντιληφθούν μόνο μέρος του περιβάλλοντός τους, λόγω κατευθυντικής όρασης, ύπαρξης δυναμικών εμποδίων, και υψηλής αβεβαιότητας στις ενέργειες μετακίνησης και στην αναγνωριστική τους ικανότητα. Το γεγονός αυτό σημαίνει ότι κάθε ένα ρομπότ από μόνο του μπορεί να διαμορφώσει μόνο μια μερική και ενδεχομένως ανακριβή εκτίμηση της κατάστασης του κόσμου γύρω του. Η σημασία της σύντηξης αυτών των τοπικών πεποιθήσεων σε μια ενιαία και συνεπή πεποίθηση που αφορά όλο το περιβάλλον μπορεί να γίνει εύκολα κατανοητή, λαμβάνοντας υπόψη ότι τέτοιου είδους πληροφορία δίνει στην ομάδα τη δυνατότητα συνεργατικού ομαδικού σχεδιασμού και συντονισμού. Η παρούσα διπλωματική εργασία εξετάζει το πρόβλημα της καθολικής εκτίμησης της κατάστασης ενός παιχνιδιού στο SPL για μια ομάδα από ρομπότ μέσω των τοπικών τους εκτιμήσεων. Η προσέγγισή μας λαμβάνει ως είσοδο την τοπική πεποίθηση του κάθε ρομπότ για τον κόσμο γύρω του (τη θέση του και τον προσανατολισμό του μέσα στο γήπεδο, τη θέση της μπάλας, κλπ.) και συνδυάζει όλες αυτές τις τοπικές πεποιθήσεις για να εκτιμήσει την πιο πιθανή καθολική κατάσταση του κόσμου σύμφωνα με αυτές. Για να δημιουργηθεί αυτή η πληροφορία με έναν αξιωματικό τρόπο, χρησιμοποιείται ένα Extended Kalman Filter (EKF) με κατάλληλα μοντέλα μετάβασης και παρατήρησης, εφαρμόζοντας γραμμικοποίηση όπου χρειάζεται. Μια σημαντική πτυχή αυτής της εργασίας είναι η υλοποίησή της στο πλαίσιο του λογισμικού της ομάδας «Κουρήτες», η οποία επιτρέπει αποκεντρωμένες και ασύγχρονες ενημερώσεις πεποίθησης και έχει βελτιστοποιηθεί για εκτέλεση σε πραγματικό χρόνο, πάνω στο ρομπότ ΝΑΟ. Τα οφέλη της καθολικής εκτίμησης κατάστασης του παιχνιδιού επιδεικνύονται σε δύο συνηθισμένα σενάρια παιχνιδιού: (α) την συνεταιριστική, ακριβή εκτίμηση της θέσης της μπάλας μέσα στο γήπεδο από πολλές, ενδεχομένως ανακριβείς, τοπικές εκτιμήσεις και (β) την ικανότητα απόκτησης μη υπάρχουσας πληροφορίας για την μπάλα και προσέγγισής της «παρατηρώντας» την με τη βοήθεια των συμπαικτών. Ο μηχανισμός καθολικής εκτίμησης κατάστασης που δημιουργήθηκε χρησιμοποιείται σε έρευνα που στοχεύει στην ανάπτυξη συνεργατικών στρατηγικών και συντονισμένου σχεδιασμού.
Abstract
RoboCup is an international competition that promotes research in multi-robot teams operating in dynamic environments. In the Standard Platform League (SPL) all teams use identical robots, namely the Aldebaran NAO humanoid robots. SPL robots have limited perceptual abilities, meaning that they can perceive only parts of their environment, due to directed vision, existence of dynamic obstacles, and high uncertainty in locomotion actions and recognition ability. This fact implies that any single robot on its own can only form a partial and possibly inaccurate estimate about the state of the world around it. The importance of fusing these local beliefs into a single and consistent global belief can be easily understood, considering that such information enables the possibility of collaborative team planning and coordination. This thesis addresses the problem of global game state estimation over a team of robots from their local state estimates. Our approach takes as input each robot's local belief about the world around it (pose within the field, location of the ball, etc.) and combines all these local beliefs to estimate the most probable global state of the world consistent with these local beliefs. In order to generate this information in a principled way, an Extended Kalman Filter (EKF) is employed with appropriate state transition and observation models, applying linearization where needed. An important aspect of this work is our implementation within the software framework of team Kouretes, which allows for decentralized and asynchronous belief updates and is optimized for real-time, on-board execution on the NAO robots. The benefits of global game state estimation are demonstrated on two common game scenarios: (a) cooperative, accurate estimation of ball location within the field from multiple, possibly inaccurate, local estimations and (b) ability to acquire missing ball information and walk towards the ball “seeing” it through the help of teammates. Our shared global state information mechanism is currently used in the development of collaborative strategies and coordinated planning.
