• Startseite
• Recherche
• Veröffentlichen
• Hilfe

Eingang zum Volltext

Lizenz

Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgende
URN: urn:nbn:de:bsz:25-opus-45489
URL: http://www.freidok.uni-freiburg.de/volltexte/4548/

Kleiner, Alexander

Mapping and exploration for search and rescue with humans and mobile robots

Kartierung und Erkundung in Katastrophengebieten durch Mensch und Roboter

Kurzfassung in Englisch

Urban Search And Rescue (USAR) is a time critical task since all survivors have to be rescued within the first 72 hours. One goal in Rescue Robotics is to support emergency response by mixed-initiative teams consisting of humans and robots. Their task is to explore the disaster area rapidly while reporting victim locations and hazardous areas to a central station, which then can be utilized for planning rescue missions. To fulfill this task efficiently, humans and robots have to map disaster areas jointly while coordinating their search at the same time. Additionally, robots have to perform subproblems, such as victim detection and navigation, autonomously. In disaster areas these problems are extraordinarily challenging due to the unstructured environment and rough terrain. Furthermore, when communication fails, methods that are deployed under such conditions have to be decentralized, i.e. operational without a central station. In this thesis a unified approach joining human and robot resources for solving these problems is contributed. Following the vision of combined multi-robot and multi-human teamwork, core problems, such as position tracking on rough terrain, mapping by mixed teams, and decentralized team coordination with limited radio communication, are directly addressed. More specific, RFID-SLAM, a novel method for robust and ecient loop closure in large-scale environments that utilizes RFID technology for data association, is contributed. The method is capable of jointly improving multiple maps from humans and robots in a centralized and decentralized manner without requiring team members to perform loops on their routes. Thereby positions of humans are tracked by PDR (Pedestrian Dead Reckoning), and robot positions by slippagesensitive
odometry, respectively. The joint-graph emerging from these trajectories serves as an input for an iterative map optimization procedure. The introduced map representation is further utilized for solving the centralized and decentralized coordination of large rescue teams. On the one hand, a deliberate method for combined task assignment and multi-agent path planning, and on the other hand, a local search method using the memory of RFIDs for coordination, are proposed.
For autonomous robot navigation on rough terrain and real-time victim detection in disaster areas an efficient method for elevation map building and a novel approach to genetic MRF (Markov Random Field) model optimization are contributed. Finally, a human in the loop architecture is presented that integrates data collected by first responders into a multi-agent system via wearable computing. In this context, the support and coordination of disaster mitigation in large-scale environments from a central-command-post-perspective are described. Methods introduced in this thesis were extensively evaluated in outdoor environments and official USAR testing arenas designed by the National Institute of Standards and Technology (NIST). Furthermore, they were an integral part of systems that won in total more than 10 times the first prize at international competitions, such as the RoboCup world championships.

Kurzfassung in Deutsch

Katastrophenhilfe ist eine zeitkritische Aufgabe bei der Überlebende innerhalb der ersten 72 Stunden gerettet werden müssen. Ein Ziel der Rettungsrobotik ist die Unterstützung dieser Aufgabe mit kooperierenden Teams bestehend aus Menschen und Robotern. Dabei sollen das Katastrophengebiet flächendeckend erkundet und Positionen Überlebender an eine zentrale Befehlsstelle zur Planung von Rettungsmissionen gemeldet werden. Dies kann nur effizient erfolgen wenn Menschen und Roboter das Katastrophengebiet gemeinsam kartieren und gleichzeitig
ihre Suche koordinieren. Roboter sollten dabei in der Lage sein, Teilprobleme, wie z.B. Navigation und das Aufspüren von Opfern, autonom durchzuführen. Aufgrund der unstrukturierten Beschaffenheit von Katastrophengebieten und der Unzugänglichkeit des Geländes ist die Bewältigung dieser Aufgaben außerordentlich schwierig. Des Weiteren müssen entwickelte Lösungen auch bei einem Totalausfall der Kommunikation dezentral funktionsfähig sein. In dieser Dissertation wird ein vereinheitlichter Ansatz für Menschen und Roboter zur Lösung dieser Probleme vorgestellt. Dabei werden Kernprobleme, wie z.B. Positionsbestimmung auf unwegsamen Gelände, Kartenerstellung durch heterogene Teams und dezentrale Team Koordination mit eingeschränkter Kommunikation direkt behandelt. Es wird die Methode "RFIDSLAM" zur robusten und effiziente Kartierung großräumiger Gebiete vorgestellt, welche RFID Technologie zur Wiedererkennung von Orten einsetzt. Die vorgestellte Methode beinhaltet einerseits die fortwährende Positionsbestimmung von Menschen und Robotern, jeweils mittels
Fußgänger-Koppelnavigation und rutschemfindlicher Radodometrie, und andererseits eine graphenbasierte Kartenoptimierung. Das Verfahren kann zentral oder dezentral erfolgen, wobei im Gegensatz zu herkömmlichen Methoden, ein wiederholtes Besuchen von Orten einzelner Teammitglieder zum optimieren der Karte nicht erforderlich ist. Aufbauend auf dieser Kartenrepräsentation werden für die Koordination größerer Rettungsteams eine deliberative Methode zur Bestimmung der Aufgabenverteilung und Multiagenten-Pfadplanung und eine Methode zur lokalen Suche unter der Verwendung des Speichers von RFIDs, vorgestellt. Zur autonomen Navigation von Robotern auf unwegsamen Gelände und automatischen Erkennung von Menschen in Katastrophengebieten werden einerseits eine effiziente Methode zur Erstellung von Höhenkarten und andererseits ein Ansatz zur genetischen Optimierung von "Markov Random Field" Modellen präsentiert. Abschließend wird eine human in the loop Architektur vorgestellt, welche die Integration von gesammelten Daten einzelner Rettungseinheiten in ein Multiagentensystem erlaubt. In diesem Zusammenhang wird die zentrale Koordination großräumiger Katastrophenhilfe mittels Agententechnologie beschrieben. Die in dieser Arbeit vorgestellten Verfahren wurden weitgehend in Outdoor-Szenarien und offiziellen Testszenarien zum Katastrophenschutz getestet. Sie waren ein wesentlicher Bestandteil von Systemen, die insgesamt mehr als zehn mal den ersten Platz bei internationalen Wettbewerben, wie z.B. den RoboCup Weltmeisterschaften, erreichten.