Långsiktig utforskning i okända dynamiska miljöer

In order for autonomous robots to perform tasks and safely navigate environments they need to have a reliable and detailed map. These maps are generally created by the robot itself since maps with the required level of detail rarely exist beforehand. In order to create that map the robot has to explore an unknown environment. Such activity is referred to as autonomous exploration within the field of robotics. Most research done in autonomous exploration assumes a static environment. Since most environments in the real world often changes over time an exploration algorithm that is able to re-explore areas where changes may occur is of interest for autonomous long term missions. This thesis presents a method to predict where changes may occur in the environment using Markov chains and an occupancy grid map. An exploration algorithm is also developed with the aim of keeping an updated map of a changing environment. The exploration algorithm is based on a static exploration algorithm that uses RRT? to sample poses and evaluates these poses based on the length of the path to get there and the information gain at and on the path to the sampled pose. An evaluation of both the mapping and exploration is made respectively. The mapping is evaluated on its ability of suppressing noisy measurements whilst being able to accurately model the dynamics of the map. The exploration algorithm is evaluated in three different environments of increasing complexity. Its ability to seek out areas susceptible of change whilst providing data for the mapping is evaluated in each environment. The results show both a mapping and exploration algorithm who works well but are noise sensitive. För att autonoma robotar ska kunna utföra handlingar och tillförlitligt kunna navigera i sin omvärld så behöver de en pålitlig och detaljerad karta. Dessa kartor är oftast generade av roboten själv då det sällan finns kartor som uppfyller dessa krav. För att skapa dessa kartor så behöver roboten kunna utforska okända miljöer och kartlägga dessa. Detta kallas autonom utforskning inom mobil robotik. Det mesta av forskningen som är gjord inom detta antar att miljön är statisk och inte förändrar sig men eftersom detta sällan är fallet i verkligheten så kan utforskning och återutforskning av dynamiska miljöer vara av intresse, särskilt för robotar som skall vara aktiva i samma miljö under en längre tid. Denna rapport presenterar en metod att förutspå förändringar i en miljö med hjälp av Markovkedjor och occupancy grid kartor samt en utforskningsalgoritm vars mål är att hålla en uppdaterad version av en dynamisk miljö. Utforskningsalgoritmen är baserad på en sådan anpassad för en statisk miljö som använder RRT? för att välja ut positioner och orienteringar för roboten. Dessa evalueras baserat på sträckan för att komma dit och den nya informationen som kan observeras där och på vägen dit. En evaluering av både kartläggning och utforskning är gjord. Kartläggningen är evaluerad på dess förmåga att hantera brus i mätningarna samtidigt som den behåller en bra representation av de dynamiska aspekterna i miljön. Utforskningsalgorithmen är testad i tre olika miljöer av olika komplexitet. Dess förmåga att upptäcka och utforska områden med ökad sannolikhet för förändring och samtidigt förse kartläggningen med data för att modellera miljön och dess dynamik är det som evalueras i experimenten. Resultaten visar att både kartläggning och utforskningsalgoritmen fungerar bra men båda är känsliga för mätbrus