Robustní Lokalizace UAV v Percepčně-Degradovadných Prostředích

Abstract

Tato práce se zabývá problémy nedostatečné robustnosti vnímání autonomních a mobilních robotů a zaměřuje se na výzkum odolnosti robotické percepce pod vlivem percepční degradace v prostředích bez přístupu ke GNSS a aplikovatelnosti na palubě robotů s omezenými výpočetními zdroji, jako jsou vícerotorové bezpilotní prostředky (UAVs). Nedostatečná odolnost robotické percepce a autonomie je stávajícím výzkumným problémem, který brání využití autonomních robotů v extrémních prostředích, jenž jsou geometricky symetrické a obsahují bezpříznakové struktury, proměnlivé osvětlení, mlhu a vířící prach a mnoho dalších zdrojů percepční degradace. Výzkum odolnosti vůči extrémním podmínkám je nesmírně důležitý pro aplikovatelnost autonomních robotů v nelítostných podmínkách reálného světa, ve kterém autonomní roboti nabízejí obrovský potenciál ne jenom při asistenci lidskému personálu v často opakovaných a nebezpečných úlohách. Tři hlavní cíle této práce spočívají v I) pokroku percepce v degradovaných prostředích u robotů s omezenými výpočetními zdroji, II) distribuci percepčních schopností mezi členy týmu vícera robotů a III) převodu základního výzkumu mimo laboratoř. Mezi výstupy prvního cíle tato práce přispívá novými percepčními metodami využívajícími laserové senzory. Tyto metody zahrnují lokalizaci s maximální pozorovatelností, minimalizaci redundance laserových dat pro odhad polohy v reálném čase a robustní filtrování prachu z laserových dat v extrémních podmínkách. Výstupy druhého cíle zahrnují nové modely pro decentralizované roje UAV, jež se koordinují bez komunikace pouze na základě palubní percepce. Teoretické přínosy a interdisciplinární přesahy této práce jsou posunuty do podmínek reálného světa, kde se zaměřují na vícerobotické úlohy search and rescue (S&R) v DARPA Subterranean Challenge (SubT) a na inspekci a dokumentaci neocenitelných interiérů historických památek v projektu Dronument. V úlohách S&R byly příspěvky práce nedílnou součástí palubního systému bezpilotních UAV, který se ukázal jako nejlépe fungující a nejodolnější leteckou autonomií nasazenou v drsných a různorodých podmínkách prestižní soutěže DARPA SubT. V úlohách projektu Dronument jsou přínosy této práce aplikovány do světově unikátního využití týmů autonomních UAV v interiérech osmnácti historických památek, z nichž dvě jsou zařazeny na seznamu UNESCO. Tato práce je složena z šesti článků publikovaných v odborných časopisech, z nichž každý přispívá k definovaným cílům a zaměřuje se na komplexní aspekty robustní percepce a autonomie týmu bezpilotních prostředků v reálném světě.

This thesis delves into the problems related to the lack of robustness in the perception of autonomous mobile robots, focusing on the advancement of perceptual resiliency under diverse sources of degradations in GNSS-restricted environments and the applicability on-board robots with limited computational capabilities, such as multi-rotor UAVs. The lack of resiliency of perception and autonomy is an ongoing challenge that hinders the use of autonomous robots in extreme environments containing geometrical symmetricity, featureless structures, variable lighting, fog, and whirling dust, as well as many other sources of perceptual degradation. Devising robustness to extreme conditions is of the utmost importance for the applicability of autonomous robots in the unforgiving conditions of the real world, in which autonomous robots yield immense potential not only in assisting human personnel in repetitive and hazardous tasks. The threefold objectives of this thesis lie in I) advancing the perceptual capabilities of resource-constrained robots in degraded environments, II) distributing perceptual capabilities among the members of a multi-robot team, and III) transferring theoretical advancements beyond the laboratory. The first objective is contributed to by novel methods in LiDAR-based perception. These methods include maximizing observability in localization, redundancy-minimizing sampling of LiDAR data for real-time pose estimation, and robust dust filtering in extreme conditions. Contributions to the second objective include novel models for decentralized perception-aware swarming of communication-free UAV teams. The theoretical contributions and interdisciplinary branches culminate in real-world settings, focusing on the multi-robot tasks of search and rescue in the DARPA Subterranean Challenge (SubT), as well as in the inspection and documentation of the priceless interiors of historical monuments in the Dronument project. With the former, these contributions were integral to the UAV stack that proved to be the best-performing and most resilient aerial autonomy deployed in the harsh and diversified conditions of the renowned DARPA SubT competition. The latter transfers these contributions to the world-unique utilization of multi-UAV teams in the interiors of eighteen historical structures, including two sites on the UNESCO World Heritage list. This thesis is a compilation of six journal publications, each contributing to the defined objectives and focusing on the complex aspects of robust real-world perception and autonomy of UAV teams.