Complex Maneuvers of Heterogeneous Formations of Ground and Aerial Robots

Tato diplomová práce je zaměřena na vývoj metod pro řízení a plánování trajektorie heterogenních týmů pozemních robotů a helikoptér, ve kterých je používán systém vizuální relativní lokalizace instalovaný na palubě bezpilotních helikoptér. Navrhovaná metodologie je zaměřena na použití prediktivního řízení (MPC). Hlavním cílem této práce je navrhnout, implementovat a experimentálně ověřit dvě rozšíření systému pro řízení formací robotů vyvíjeného na katedře kybernetiky, ČVUT v Praze. První rozšíření systému umožní inicializaci MPC algoritmu založenou na rychle rostoucích náhodných stromech. Druhé rozšíření systému umožní provádět komplexní manévry (opakovanou změnu směru pohybu formace) ve složitém prostředí s překážkami. Důvod obou rozšíření je diskutován a jednotlivé algoritmy i systém jako celek verifikovány sadou numerických experimentů v prostředích různé složitosti. Dále je staticky analyzováno chování systému v dynamicky se měnícím a částečně neznámém prostředí a je porovnán vliv různých nastavení algoritmu na kvalitu získané trajektorie a výpočetní náročnost.This diploma thesis deals with control and trajectory planning of heterogeneous teams of ground robots and helicopters, in which a system of relative localization carried onboard of unmanned aerial vehicles is used for formation stabilization. The proposed planning method is based on the model predictive control technique. The main goal of this diploma thesis is design, implementation and experimental verification of two extension of the formation driving methodology being developed within Department of Cybernetics, FEE, CTU. The first extension of the system enables usage of rapidly-exploring random tree method for initialization of the model predictive control algorithm. The second extension of the system enables possibility of making complex maneuvers in environments with obstacles. The purpose of both extensions is discussed, and particular algorithms and the entire system are verified in various numerical experiments in environments of different complexity. Furthermore, the behaviour of the system is statistically analyzed in dynamic and partially unknown environment. Influence of different settings of the algorithm on the quality of obtained trajectories and time complexity is evaluated as well