Coordinated path planning for Multiple Robots Siu-Siu Ha.

Slides:



Advertisements
Verwante presentaties
De stelling van pythagoras
Advertisements

De deelnemers over 16 stellingen
SBO - competitie Even terug naar de tekentafel ….
1 Motion Planning (simpel) •Gegeven een “robot” A in een ruimte W, een verzameling obstakels B, en een start en doel positie, bepaal een beweging voor.
Taal en rekenen in het mbo
AR voor Horn clause logica Introductie van: Unificatie.
Activerende werkvormen
55 meter 40 meter Het raster is 5x5m Vaardigheidsparcours -- Outdoor -- Wedstrijd: Parcourbouwer: Wim van Dijk, IJsselmuiden Basis Lengte Tempo240.
Multiple Moving Objects Siu-Siu Ha Marlies Mooijekind.
COMPETITIEREGLEMENT  De wedstrijden worden gespeeld op zaterdagmiddag van 13:00 uur – 17:30 uur  Iedereen wordt 15 minuten voor aanvang van de wedstrijd.
KADER JEUGDAFDELING seizoen 2007/2008
Excel, zin in een potje Zeeslag?
Welkom bij de introductieclinic voor hockey-ouders Dag 3
Nieuwe Natuurkunde Pilot en syllabus.
Oppervlakten berekenen
Graph Begrippen: knoop, vertices kant, zijde, edge
AR: clausale logica De stap naar: resolutie. 2 Clausale vorm  Veralgemeende vorm van de formules:  x1 …  xk A1  A2 …  Am  B1  B2 …  Bn  Horn.
1 Indeling Inleiding Opbouw van potentiaalvelden Pathplanning in potentiaalvelden Alternatieve potentiaalvelden Gerandomiseerde pathplanning.
Domein: Breuken, kommagetallen, verhoudingen en procenten
Kinematic Constraints Door Ronald Treur en Jeroen Resoort.
Visibility-based Probabilistic Roadmaps for Motion Planning Tim Schlechter 13 februari 2003.
Oppervlakten berekenen een mogelijke ontstaansgeschiedenis voor integralen... 6de jaar – 3 & 4u wiskunde Pedro Tytgat: Aanpassing Ronny Vrijsen.
vwo A/C Samenvatting Hoofdstuk 7
Voorbeeld a5a · 4b = 20ab b-5a · 4a = -20a 2 c-2a · -6a = 12a 2 d5a · -b · 6c = -30abc e-5b · 3a · -2 = 30ab f-2 · -a = 2a opgave 1 a7a + 8a = 15a b6a.
Implementatietechnieken voor logische programmeertalen
Met dank aan Joris Moreau Benjamin De Leeuw
Voorstellen en redeneren over kennis: diagnose en uitleg
Probleem P 1 is reduceerbaar tot P 2 als  afbeelding  :P 1  P 2 zo dat: I yes-instantie van P 1   (I) yes-instantie van P 2 als ook:  polytime-algoritme,
Complexe schakelingen
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica In3120 College 5 Cees Witteveen
Divide and Conquer in Multi-agent Planning Multi-Agent Planning as the Process of Merging Distributed Sub-plans Eithan Ephrati and Jeffrey S. Rosenschein.
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica In3005 Deel 2 College 3 Cees Witteveen
Toets 2. Opgave 1 a Opgave 1 b Used unwrap for continuous phase B1=firwd(7,1,pi*1/7,0,1) B2=firwd(7,1,pi*1/7,0,5)
AI21  Deel I: Terminologie Voorbeelden Zoekrichting (forward, backward)  Deel II: Zoekmethoden depth-first breadth-first iterative-deepening eigenschappen.
Approximate Cell Decomposition
Vision-based robot motion planning using a topology representing neural network Gebaseerd op onderzoek verricht door Prof. M. Zeller et al. (1997), verbonden.
1 Complexiteit Bij motion planning is er sprake van drie typen van complexiteit –Complexiteit van de obstakels (aantal, aantal hoekpunten, algebraische.
Movable Objects Richard Jacobs Robin Langerak. Movable Objects Introductie en definities Aanpak Aangepaste algoritmen Grasp planning Assembly planning.
Motion planning with complete knowledge using a colored SOM Jules Vleugels, Joost N. Kok, & Mark Overmars Presentatie: Richard Jacobs.
Indeling Inleiding op PRM-planners & Medial Axis Retraction van configuraties op de Medial Axis Verbetering van retraction Verbetering van sampling Expliciete.
Path planning voor elastische objecten Robin Langerak Planning paths for elastic objects under manipulation constraints LamirauxKavraki.
Leren met effect “Taaltuin”
Deze wetten gelden voor ideale gassen die in een afgesloten
Druk en de gaswetten Druk De druk van een gas. Ideaal gas.
Hoofdstuk 3 Assenstelsel.
Neurale Netwerken Kunstmatige Intelligentie Rijksuniversiteit Groningen Mei 2005.
Hoe gaat dit spel te werk?! Klik op het antwoord dat juist is. Klik op de pijl om door te gaan!
23/11/2005 De Mets Armand.
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica In3120 College 3 Cees Witteveen
Hoofdstuk 10: Scheduling bij multiprocessing en realtime
Vermogen en arbeidsfactor van een sinusoïdale wisselstroom
Lokaalverdeling Ingang ½ a,d Ingang ½ e,g Ingang 3a.
Shortest path with negative arc-costs allowed. Dijkstra?
AS1200 moederbord. AS1200 Structuur RELREL Micro- controller P W F I / O I²C -Bus (seriëel) EEPROMDP1 B1 B2 DP2 B3 B4 AS1225 B1 B2 AS1225 B3 B4 AS1220.
Onderzoeksmethoden en -Technieken
55 meter 40 meter Het raster is 5x5m Vaardigheidsparcours -- Outdoor -- Wedstrijd: Parcourbouwer: Wim van Dijk, IJsselmuiden Basis Lengte Tempo240.
55 meter 40 meter Het raster is 5x5m Vaardigheidsparcours -- Outdoor -- Wedstrijd: Parcourbouwer: Wim van Dijk, IJsselmuiden Basis Lengte Tempo240.
Nieuwe kleding v.v. GILZE
Planning With Nonholonomic Constraints By Jeroen Resoort & Ronald Treur.
CAMBRIDGE ENGELS.
Verband In Bijbel geen onderscheid tussen 'gewone' en 'bijzondere' verschijnselen van de Geest.
Secties SECTIE C3 SECTIE B1 SECTIE A2 C B A38414 E Klik op een vlak om een sectie van nabij te zien. Volgende.
Representatie & Zoeken
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica in345 Deel 2 College 4 Cees Witteveen
Overzicht Beeldverbetering 1 met histogrammen
Energie op school. Energiebesparing op school tot 20%
Coordinaten: Tom Tourwé 10F729 Tel: 3492 Organisatie van de oefeningen: * 1 uur bespreking van oplossing vorige les + bespreking opgave.
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica in345 Deel 2 College 6 Cees Witteveen.
Modderdorp UNPLUGGED Bron: csunplugged.org.
In Gods rijk zijn de burgers vrij
Transcript van de presentatie:

Coordinated path planning for Multiple Robots Siu-Siu Ha

Multi robot path planning Decoupled planning: Paden van robots los vanelkaar plannen en dan naar interactie kijken. Coordinated approach: Centralized planning, combineren configuratieruimte van de robots.

Roadmap Simple roadmap per robot Combineren tot een super-graph Van de composite robot (A1,..,An), een toegestane pad construeren van start naar goal in de super-graph. a b c d (a,b) (a,d)(b,d) (a,c)(b,c) A1 A2 (A1,A2)

Notaties Pad P. Begin pad = P(0) Eind pad = P(1) Concatenatie: P  Q als P(1) = Q(0) Roadmap G = (V, E) A(x)= Volume van robot A op node x A(e)= Sweep volume van edge e van robot A. A(e)  A(x) = edge e geblokkeerd door x

Discretised Coordinated Paths (1) Composite robot (A1,.., An) Vrije begin configuratie (s1,.., sn) Vrije eind configuratie (g1,.., gn) Pad P1 tussen s1 en g1,.., pad Pn tussen sn en gn Coordinated path (P1,..,Pn)

Discretised Coordinated Paths (2) Trivial coordinated path: Slechts 1 robot beweegt tegelijkertijd (P1,..,Pn)  (Q1,..,Qn) = (P1  Q1,..,Pn  Q1) Discretised coordinated path is concatenatie van trivial coordinated paden. Identity path: Robot beweegt niet

Roadmap G = (V, E) met n robots Flat super-graph FG = (VF, EF) (x1,.., xn) is een node van FG als voor alle i en j geldt:  A(xi)  A(xj) Supernodes X(x1,..,xn ) en Y(y1,..,yn) zijn verbonden als: Een trivial coordinated pad tussen de supernodes Geen blokkage beweging door rest van de robots. Flat super-graph (1) y1 y2 y3 x1 x2 x3 x4 x3 x2 x4 x1

Flat super-graph (2)

Multi-level super-graph (1) Grootte flat super-graph exponentieel in het aantal robots Idee: Alleen als robots in dezelfde buurt komen, kunnen ze elkaar blokkeren en kunnen er deadlock situaties ontstaan. Neighbourhood (subgraph):Dienen independent te zijn. Geen node van een andere subgraph mag een edge van jou blokkeren.

Multi-level super-graph (2) (x1,x2,x3) X (x4,x5,x6,x7) = (A,B) (x4,x5,x6,x7) X (x1,x2,x3) = (B,A)

Multi-level super-graph (3) [(x3,x7), (x3,x4), (x1,x4),(x1,x2), (x3,x2), (x4,x2)] [(A,B), (x1,x2), (x3,x2), (B,A)]

Independent G-subgraphs

G-subdivision tree Each node is a connected G- subgraph, T-nodes G is root van T V van kinderen vormen partitie van V ouder Bladeren bevatten 1 G-node en zitten op dezelfde level ABC G a1a2a3b1b2b3c1c2c3

Coverage Nodes samentrekken (E,F) covers: (A,C) ; (B,C) ; (a3,c3) ; (b2, d1) (B,C) covers: (b3, c1) ; (b1, c2) G AB C b1b2b3c1c2c3d1d2d3 D a1a2a3 EF

Induced multi-level super-graph (1) Geen super-nodes: (A, B) -> niet-indep. (b1, c1) -> (B, C) (b3, a1) -> niet-indep. Wel super-nodes: (A, C) (B, C) (a3, a1) Pad ertussen als bestaat

Induced multi-level super-graph (2)

Path retrieval (1) ((s1,.., sn), (g1,.., gn)) si’s en gi’s in V Vind node Xs in MGT zodat Xs covers (s1,.., sn). Vind node Xg in MGT zodat Xg covers (g1,.., gn). Vind pad P = [X1,.., Xn] in MGT Vind Ti’s tussen de Xi en Xi+1 Vind paden in de knopen van in naar uit

Path retrieval (2) Y1 in en Y2 uit, zijn covered door dezelfde multi-level super-node X2. P2 is covered door X2 VB: X2(A,C); (a1, c3) (a1, c2) (a3, c2) T2 tussen X2 en X3 is pad van edge van FG

Path retrieval (3) Uiteindelijke pad P is een G-discretised coordinated pad. P = P1  T1  P2  T2  … Kan ook vanuit willekeurige configuraties, coordinated retraction.

Verdere verbeteringen Sieving Verdere reductie van grootte van graph Slechts deel van MGT nodig, de grootste subgraphs. Smoothing Simultaan bewegende robots Shortcuts

Resultaten