Вероятность столкновения автономного мобильного робота с препятствием

Рассмотрена задача оценки вероятности столкновения с препятствием автономного мобильного робота, выполняющего движение по спланированной траектории. Проведены обзор и анализ методов решения данной задачи. Показано, что рассмотренные методы базируются на использовании периодически обновляемых клеточных карт проходимости (сеток занятости). Разработан новый метод оценки вероятности столкновения мобильного робота с препятствием, базирующийся на использовании клеточной вероятностной карты, в каждой ячейке которой хранится значение оценки вероятности нахождения в ней препятствия, и условной вероятности накрытия клеток карты с учетом возможных боковых и угловых отклонений мобильного робота от спланированной траектории (координатного закона накрытия клетки), обусловленных динамическими характеристиками системы управления движением. Для построения вероятностной карты использована динамически обновляемая многослойная карта проходимости, в которой каждый слой, за исключением результирующего, заполняется данными от классификаторов внешней среды, обрабатывающих информацию от информационно-измерительной системы мобильного робота. Результирующий слой представляет собой результат байесовского вывода по данным остальных слоев. Система управления движением автономного мобильного робота обеспечивает построение многослойной карты проходимости, карты вероятностей нахождения препятствий, определение координат робота, планирование траектории, контроль за следованием робота по ней и вычисление вероятности столкновения с препятствием.
Выполнена программная реализация разработанного метода оценки вероятности столкновения мобильного робота с препятствием в виде встраиваемого модуля в среде ROS (Robot Operating System). Приведено описание натурных экспериментов с мобильным роботом при возникновении на пути его следования перемещаемого препятствия. Приведены результаты анализа изменения вероятности столкновения робота с препятствием, и дана интерпретация результатов экспериментов. Обоснована необходимость вычисления вероятности столкновения мобильного робота с препятствием для оценки риска как основного показателя безопасности системы управления движением. Дана оценка результатам данной работы в решении задачи обеспечения безопасности движения автономных мобильных роботов.

1. Liu S. B. et al. Provably Safe Motion of mobile robots in human environments // International Conference on Intelligent Robots and Systems (IROS-2017). 2017. P. 1351-1357. DOI: 10.1109/IROS.2017.8202313.

2. Adam S., Larsen M., Jensen K., Schultz U. P. Rule-based dynamic safety monitoring for mobile robots // Journal of software Engineering. 2016. Vol. 7. P. 120—141.

3. Hafez O. A., Arana G. D., Spenko M. Integrity risk-based model predictive control for mobile robots // 2019 International conference on Robotics and Automation (ICRA), Montreal, Canada, 2019. P. 5793—5799. DOI: 10.1109/ICRA.2019.8793521.

4. Gill J.S, Pisu P., Krovi V. N., Schmid M. J. Behavior identification and prediction for a probabilistic risk framework // arXiv:1905.08332v1, 2019, 10 p. DOI: 10.1115/DSCC2019-9097.

5. Blake A. et al. FPR — Fast path risk algorithm to evaluate collision probability // IEEE Robotics and Automation Letters. 2020. Vol. 5, N. 1. P. 1—7. DOI: 10.1109/LRA.2019.2943074.

6. Gindele T., Brechtel S., Dillmann R. A probabilistic model for estimating driver behaviors and vehicle trajectories in traffic environments // 13th International IEEE Conference on, IEEE. 2010. P. 1625—1631. DOI: 10.1109/ITSC.2010.5625262.

7. Xiangkun He, Yulong Liu, Chen Lv, Xuewu Ji, Yahui Liu. Emergency steering control of autonomous vehicle for collision avoidance and stabilization // Vehicle System Dynamics. 2019. Vol. 57, Iss. 8. P. 1163—1187. DOI: 10.1080/00423114.2018.1537494.

8. Puphal T., Probst M., Eggert J. Probabilistic UncertaintyAware Risk Spot Detector for Naturalistic Driving // IEEE Transactions on Intelligent Vehicles. 2019. Vol. 4, N. 3. P. 406—415. DOI: 10.1109/TIV.2019.2919465.

9. Miura J., Negishi Y., Shirai Y. Adaptive robot speed control by considering map and motion uncertainty // Robotics and Autonomous Systems. 2006. Vol. 54. P. 110—117. DOI: 10.1016/j.robot.2005.09.020.

10. Agamennoni G., Nieto J. I., Nebot E. M. Estimation of multivehicle dynamics by considering contextual information // IEEE Transactions on robotics. August 2012. Vol. 28, N. 4. DOI: 10.1109/TRO.2012.2195829.

11. Яковлев Д.С, Тачков А. А. Задача оценки и обеспечения безопасности наземных робототехнических комплексов // Сб. Тр. 3-й Междунар. науч.-практ. конф. "Фундаментально-прикладные проблемы безопасности, живучести, надежности, устойчивости и эффективности систем". 2019. С. 409—413.

12. Северцев Н. А., Дедков В. К. Системный анализ и моделирование безопасности. М.: Высшая школа, 2006. 462 с.

13. Rios-Martinez J., Spalanzani A., Laugier C. Understanding human interaction for probabilistic autonomous navigation using Risk-RRT approach // IEEE Int. Conf. IROS. 2011. P. 2014—2019. DOI: 10.1109/IROS.2011.6094496.

14. Fulgenzi C., Spalanzani A., Laugier C. Dynamic obstacle avoidance in uncertain environment combining PVOs and occupancy grid // Proceedings 2007 IEEE International Conference on Robotics and Automation, Roma. 2007. P. 1610—1616. DOI: 10.1109/ROBOT.2007.363554.

15. Кузнецов А. В. Модели движения, взаимодействия и сети связи мобильных агентов в иерархических системах на основе клеточных автоматов. Дисс. доктора физ.-мат. наук, 05.13.01, место защиты г. Воронеж, ФГБОУ ВО "Воронежский государственный университет", 2019. 268 с.

16. Elfes A. Using occupancy grids for mobile robot perception and navigation // Computer. June 1989. Vol. 22. P. 46—57. DOI: 10.1109/2.30720.

17. Freda L. et al. 3D Multi-robot patrolling with twolevel coordination strategy // Autonomous Robots. 2019. Vol. 43. P. 1747—1779. DOI: 10.1007/s10514-018-09822-3.

18. Lu D. V., Hershberger D., Smart W. D. Layered costmaps for context-sensitive navigation // IEEE International Conference on Intelligent Robots and Systems (IROS). 2014. P. 709—715. DOI: 10.1109/IROS.2014.6942636.

19. Fankhauser P., Hutter M. A Universal Grid Map Library: Implementation and Use Case for Rough Terrain Navigation // Robot Operating System (ROS), Springer, Cham. 2016. Vol. 1. P. 99—120. DOI: 10.1007/978-3-319-26054-9_5.

20. Sebastian Thrun, Wolfram Burgard, Dieter Fox. Probabilistic Robotics. MIT press, 2006. P. 26—33.

21. Буравлев А. И. К вопросу определения приведенной зоны поражения объектов // Вооружение и экономика. 2018. № 2(44). С. 11—16.

22. Тачков А. А., Вуколов А. Ю., Козов А. В. Особенности портирования Robot Operating System на программно-аппаратную платформу "Эльбрус" // Программные продукты и системы. 2019. Т. 32, № 4. С. 655—664. DOI: 10.15827/0236-235X.128.655-664.