scholarly journals Collaborative Complete Coverage and Path Planning for Multi-Robot Exploration

Sensors ◽  
2021 ◽  
Vol 21 (11) ◽  
pp. 3709
Author(s):  
Huei-Yung Lin ◽  
Yi-Chun Huang
Keyword(s):  
Path Planning ◽  
Mobile Robotics ◽  
Mobile Robot Navigation ◽  
Selection Function ◽  
Complete Coverage ◽  
Goal Selection ◽  
And Performance ◽  
Collaborative Exploration ◽  
The Individual ◽  
Multi Robot

In mobile robotics research, the exploration of unknown environments has always been an important topic due to its practical uses in consumer and military applications. One specific interest of recent investigation is the field of complete coverage and path planning (CCPP) techniques for mobile robot navigation. In this paper, we present a collaborative CCPP algorithms for single robot and multi-robot systems. The incremental coverage from the robot movement is maximized by evaluating a new cost function. A goal selection function is then designed to facilitate the collaborative exploration for a multi-robot system. By considering the local gains from the individual robots as well as the global gain by the goal selection, the proposed method is able to optimize the overall coverage efficiency. In the experiments, our CCPP algorithms are carried out on various unknown and complex environment maps. The simulation results and performance evaluation demonstrate the effectiveness of the proposed collaborative CCPP technique.

scholarly journals Towards a fully autonomous and cooperative deployment of multi-robot teams for exploration and coverage in unknown or partially known environments

2017 ◽  
Author(s):  
Αθανάσιος Καπούτσης
Keyword(s):  
Path Planning ◽  
Coordinate Descent ◽  
Np Hard ◽  
Block Coordinate Descent ◽  
Adaptive Optimization ◽  
Complete Coverage ◽  
Coverage Path Planning ◽  
Simulation Based ◽  
Np Complete ◽  
Multi Robot

Η παρούσα διατριβή ασχολείται με το πρόβλημα της πλοήγησης ομάδων ρομπότ σε άγνωστα ή μερικώς γνωστά περιβάλλοντα, έτσι ώστε να καλυφθούν οι στόχοι της εκάστοτε αποστολής. Η δομή της διατριβής χωρίζεται σε δυο κύριους πυλώνες. Ο πρώτος πυλώνας αφορά τον σχεδιασμό τροχών offline για περιπτώσεις στις οποίες υπάρχει πληροφορία σχετικά με το περιβάλλον που χρειάζεται να καλύψει η ομάδα από ρομπότ. Για την περίπτωση του ενός ρομπότ, όπου το πρόβλημα είναι γνωστό και ως Σχεδιασμός Τροχιάς για Κάλυψη (Coverage Path Planning, CPP), μια βέλτιστη Ο(n) μεθοδολογία έχει προταθεί, όπου n είναι το μέγεθος του πλέγματος που πρέπει να καλυφθεί. Δυστυχώς, όταν εμπλέκονται παραπάνω από ένα ρομπότ το πρόβλημα γίνεται NP-hard και μόνο προσεγγιστικές μεθοδολογίες έχουν προταθεί. Στο 3ο κεφάλαιο της παρούσας διατριβής, προτείνουμε έναν αλγόριθμο που χωρίζει τη διαθέσιμη περιοχή σε χωρικά-συμπαγείς υποπεριοχές, μία για κάθε ρομπότ. Αξίζει να σημειωθεί ότι οι αρχικές θέσεις των ρομπότ είναι μέρος της εξίσωσης και άρα δεν απαιτείται ξεχωριστός χρόνος έτσι ώστε να μεταφερθεί το κάθε ρομπότ στη δικιά του υποπεριοχή. Μετά από τη χάραξη αυτών των υποπεριοχών, εφαρμόζουμε κατανεμημένα τον βέλτιστο αλγόριθμο (STC), που έχει προταθεί για την περίπτωση του ενός ρομπότ, σε κάθε μια από αυτές τις περιοχές. Συνολικά, η μεθοδολογία πλοήγησης πετυχαίνει: 1) να διασχίσει όλη τη διαθέσιμη περιοχή (complete coverage), 2)περνώντας μόνο μια φορά από κάθε σημείο της περιοχής (without backtracking), 3) πραγματοποιώντας ελάχιστα ίδια μονοπάτια για κάθε διαθέσιμο ρομπότ (minimum coverage path per robot), 4) και τέλος τα ρομπότ μπορούν να ξεκινούν από τις αρχικές τους θέσεις (initial positions constraint).Μελετώντας τη σχετική βιβλιογραφία (κεφάλαιο 2), προκύπτει ότι καμία άλλη μέθοδος δεν πετυχαίνει όλα τα προηγούμενα χαρακτηριστικά στην παραγόμενη λύση της. Ο δεύτερος άξονας αφορά την ανάπτυξη μια ομάδας από ρομπότ σε ένα τελείως άγνωστο περιβάλλον, έτσι ώστε να επιτευχθούν οι στόχοι της αποστολής. Στο δεύτερο άξονα οι αποφάσεις για την πλοήγηση των αυτόνομων οχημάτων λαμβάνονται σε πραγματικό χρόνο αξιοποιώντας τη γνώση (από τις μετρήσεις) που έχουν λάβει μέχρι το εκάστοτε βήμα. Η πλειονότητα των συγκεκριμένων προβλημάτων έχει αποδειχθεί αρκετά δύσκολη να επιλυθεί αποδοτικά. Στη βιβλιογραφία το παραπάνω πρόβλημα έχει αντιμετωπιστεί με τις ακόλουθες κλάσεις προσεγγίσεων: 1) Βέλτιστος έλεγχος ή τεχνικές δυναμικού προγραμματισμού, 2) Άπληστοι αλγόριθμοι, 3) Εκμάθηση παραμέτρων ελέγχου μέσω εκτεταμένων προσομοιώσεων (simulation-based). Στο 2ο κεφάλαιο παρουσιάζουμε συνοπτικά τις βασικές αρχές που διέπουν τη λειτουργία τους αλλά και τα επιτεύγματα και τις αδυναμίες που παρουσιάζουν η κάθε μια από αυτές. Στο 4ο κεφάλαιο προτείνουμε μια μεθοδολογία που είναι σε θέση να σχεδιάζει τις τροχιές των ρομπότ αυτόματα σε πραγματικό χρόνο, έτσι ώστε να κατασκευάζεται ο χάρτης της περιοχής στον μικρότερο δυνατό χρόνο. Το συγκεκριμένο πρόβλημα έχει αποδειχθεί ότι είναι NP-complete, έτσι δεν μπορεί να λυθεί με βέλτιστο τρόπο. Στο ίδιο κεφάλαιο δείχνουμε ότι το συνολικό πρόβλημα μπορεί να αντιμετωπιστεί επαρκώς, εάν σχεδιαστεί μια συνάρτηση κόστους (κριτήριο απόδοσης) που περιλαμβάνει όρους που αφορούν συγκεκριμένες παραμέτρους και μετρικές του προβλήματος της χαρτογράφησης. Παρόλα αυτά, οι άπληστες μεθοδολογίες δεν μπορούν να εφαρμοστούν στον πραγματικό κόσμο αφού θα απαιτούσαν από την ομάδα των ρομπότ να κάνει ένα (μεγάλο) σύνολο από κινήσεις και ύστερα να αποφασίσει ποια είναι η αποδοτικότερη για να ακολουθήσει. Για να αντιμετωπίσουμε το συγκεκριμένο πρόβλημα προτείνουμε μια μεθοδολογία πλοήγησης που θα μπορεί να υλοποιηθεί σε ρομποτικά αυτόνομα οχήματα πραγματικού κόσμου. Η μεθοδολογία αυτή βασίζεται στον Γνωσιακό Προσαρμοστικό αλγόριθμο Βελτιστοποίησης (Cognitive-based Adaptive Optimization, CAO) και είναι σε θέση να προσεγγίζει τις λύσεις από τους άπληστους αλγορίθμους μέσω ενός πρακτικά υλοποιήσιμου συστήματος αποφάσεων, αφαιρώντας τη μη ρεαλιστική απαίτηση για πραγματοποίηση ενός συνόλου από εντολές ελέγχου πριν τη λήψη της απόφασης. Ο προτεινόμενος αλγόριθμος ξεπέρασε την υπάρχουσα στρατηγική χαρτογράφησης σε μια σειρά από εκτεταμένες προσομοιώσεις, αλλά και όταν εφαρμόστηκε σε πραγματικά μη επανδρωμένα υποβρύχια οχήματα που βρίσκονταν στο λιμάνι Leixoes του Πόρτο. Στο 5ο κεφάλαιο προτείνουμε έναν κατανεμημένο αλγόριθμο γενικού σκοπού, που είναι σε θέση να πλοηγεί ομάδες από ρομπότ με σκοπό την επίτευξη των αυθαίρετα ορισμένων στόχων της αποστολής. Η συγκεκριμένη μεθοδολογία επεκτείνει τον αλγόριθμο που προτάθηκε στο προηγούμενο κεφάλαιο, για αυτό το λόγο παρουσιάζουμε και μια λεπτομερή σύγκριση της απόδοσης των δυο αλγορίθμων. Το κύριο χαρακτηριστικό που διαφοροποιεί τον παρόντα αλγόριθμο - εκτός από την κατανεμημένη φύση του - σε σχέση με αυτόν που προτάθηκε στο 4ο κεφάλαιο, είναι η ικανότητά του να χρησιμοποιεί αποδοτικά πληροφορία από προηγμένες αποφάσεις, με σκοπό την προσέγγιση της παραγώγου της συνάρτησης κόστους που πρέπει να βελτιστοποιηθεί σε κάθε αποστολή. Συνολικά, η προτεινόμενη μεθοδολογία έχει τα ακόλουθα πλεονεκτήματα: (α) δεν απαιτεί γνώση από τις δυναμικές του συστήματος που καλείται να βελτιστοποιήσει, (β) μπορεί να ενσωματώσει οποιουδήποτε είδους λειτουργικούς ή φυσικούς περιορισμούς, (γ) έχει τα ίδια χαρακτηριστικά σύγκλισης με την οικογένεια των block coordinate descent (BCD) αλγορίθμων, (δ) είναι ανεκτική στον θόρυβο, (ε) μπορεί να χειριστεί επαρκώς προβλήματα πλοήγησης πολλαπλών ρομπότ, όπου οι στόχοι αλλάζουν κατά τη διάρκεια της αποστολής, και (στ) μπορεί να υλοποιηθεί σε ενσωματωμένα συστήματα με περιορισμένες ενεργειακές δυνατότητες. Ο προτεινόμενος αλγόριθμος δοκιμάστηκε σε τέσσερα διαφορετικά προβλήματα που αφορούν την πλοήγηση ρομπότ, με αρκετά διαφορετικά σενάρια, συγκρινόμενος με γενικού σκοπού αλγορίθμους αλλά και μεθοδολογίες ειδικά κατασκευασμένες για το εκάστοτε πρόβλημα.

scholarly journals Optimizing Coverage Performance of Multiple Random Path-planning Robots

2012 ◽  
Vol 3 (1) ◽  
Author(s):  
Md Ahsan Habib ◽  
M.S. Alam ◽  
N.H. Siddique
Keyword(s):  
Path Planning ◽  
Planning Problem ◽  
Coverage Path Planning ◽  
Simulated Environment ◽  
Planning Algorithm ◽  
Multi Agent ◽  
And Performance ◽  
Unknown Area ◽  
Path Planning Algorithm ◽  
Multi Robot

AbstractThis paper presents a new approach to the multi-agent coverage path-planning problem. An efficient multi-robot coverage algorithm yields a coverage path for each robot, such that the union of all paths generates an almost full coverage of the terrain and the total coverage time is minimized. The proposed algorithm enables multiple robots with limited sensor capabilities to perform efficient coverage on a shared territory. Each robot is assigned to an exclusive route which enables it to carry out its tasks simultaneously, e.g., cleaning assigned floor area with minimal path overlapping. It is very difficult to cover all free space without visiting some locations more than once, but the occurrence of such events can be minimized with efficient algorithms. The proposed multi-robot coverage strategy directs a number of simple robots to cover an unknown area in a systematic manner. This is based on footprint data left by the randomized path-planning robots previously operated on that area. The developed path-planning algorithm has been applied to a simulated environment and robots to verify its effectiveness and performance in such an application.

scholarly journals An Auto-Adaptive Multi-Objective Strategy for Multi-Robot Exploration of Constrained-Communication Environments

2019 ◽  
Vol 9 (3) ◽  
pp. 573 ◽  
Author(s):  
Facundo Benavides ◽  
Caroline Ponzoni Carvalho Chanel ◽  
Pablo Monzón ◽  
Eduardo Grampín
Keyword(s):  
Main Part ◽  
Mobile Robotics ◽  
Complete Coverage ◽  
Multi Objective ◽  
Exploration Time ◽  
Robot Systems ◽  
Communication Environments ◽  
Autonomous Mobile Robotics ◽  
Selection Of ◽  
Multi Robot

The exploration problem is a fundamental subject in autonomous mobile robotics that deals with achieving the complete coverage of a previously unknown environment. There are several scenarios where completing exploration of a zone is a main part of the mission. Due to the efficiency and robustness brought by multi-robot systems, exploration is usually done cooperatively. Wireless communication plays an important role in collaborative multi-robot strategies. Unfortunately, the assumption of stable communication and end-to-end connectivity may be easily compromised in real scenarios. In this paper, a novel auto-adaptive multi-objective strategy is followed to support the selection of tasks regarding both exploration performance and connectivity level. Compared with others, the proposed approach shows effectiveness and flexibility to tackle the multi-robot exploration problem, being capable of decreasing the last of disconnection periods without noticeable degradation of the completion exploration time.

scholarly journals Heat Pump Bridge Analysis Using the Modified Energy Transfer Diagram

Energies ◽  
2020 ◽  
Vol 14 (1) ◽  
pp. 137
Author(s):  
Florian Schlosser ◽  
Heinrich Wiebe ◽  
Timothy G. Walmsley ◽  
Martin J. Atkins ◽  
Michael R. W. Walmsley ◽  
...  
Keyword(s):  
Energy Transfer ◽  
Heat Pump ◽  
Heat Recovery ◽  
Heat Pumps ◽  
Coefficient Of Performance ◽  
Combined Application ◽  
Recovery Potential ◽  
Composite Curve ◽  
And Performance ◽  
The Individual

Heat pumps are the key technology to decarbonise thermal processes by upgrading industrial surplus heat using renewable electricity. Existing insight-based integration methods refer to the idealised Grand Composite Curve requiring the full exploitation of heat recovery potential but leave the question of how to deal with technical or economic limitations unanswered. In this work, a novel Heat Pump Bridge Analysis (HPBA) is introduced for practically targeting technical and economic heat pump potential by applying Coefficient of Performance curves into the Modified Energy Transfer Diagram (METD). Removing cross-Pinch violations and operating heat exchangers at minimum approach temperatures by combined application of Bridge Analysis increases the heat recovery rate and reduce the temperature lift to be pumped at the same time. The insight-based METD allows the individual matching of heat surpluses and deficits of individual streams with the capabilities and performance of different market-available heat pump concepts. For an illustrative example, the presented modifications based on HPBA increase the economically viable share of the technical heat pump potential from 61% to 79%.

scholarly journals Decentralized Task and Path Planning for Multi-Robot Systems

2021 ◽  
Vol 6 (3) ◽  
pp. 4337-4344
Author(s):  
Yuxiao Chen ◽  
Ugo Rosolia ◽  
Aaron D. Ames
Keyword(s):  
Path Planning ◽  
Robot Systems ◽  
Multi Robot
Sign in / Sign up

Export Citation Format

Share Document