Hledání statického objektu ve známém prostředí

Abstract

Problém mobilního hledání obecně spočívá v nalezení jednoho nebo více cílů v daném prostředí pomocí jednoho nebo několika mobilních senzorů. My předpokládáme jeden statický objekt, který je, neznámo kam, umístěn dovnitř známého 2D polygonálního prostředí a chceme ho nalézt s pomocí jediného mobilního robotu v průměru co nejrychleji. Robot je vybaven senzorem s 360° rozhledem a omezeným dosahem viditelnosti, který po celou dobu hledání snímá okolí. U robotu se předpokládá schopnost rozpoznat objekt zájmu pokud se vyskytuje v jeho zorném poli. Jádrem problému je tedy naplánovat co nejeefektivnější strategii hledání. V této práci navrhneme a implementujeme novou metodu pro tento problém a experimentálně ověříme její vlastnosti. V obecné rovině problém řešíme standardně a to rozdělením na diskretizaci a optimalizaci. Obě části našeho řešení jsou nicméně inovativní. Navrhujeme nový způsob, jak diskretizovat prostředí s využitím řešení souvisejícího, tzv. hlídačova problému. Zavádíme také obecnou metaheuristiku produkující efektivní plány pro několik diskrétních modelů původního problému. Nová metaheuristika, která bere v úvahu omezený výpočetní čas, je nejprve navržena pro nejjednodušší model — problém cestujícího doručovatele — a to pomocí obecné metodiky založené na vyhodnocení distribuce výpočetního času z mnoha běhů. Testována na několika sadách standardních instancí používaných komunitou z operačního výzkumu, naše metaheuristika výrazně překonává současný nejlepší přístup z literatury v experimentech s omezením na výpočetní čas v rozmezí od 1 do 100 sekund. Dále poskytuje konkurenceschopné výsledky v tradičním smyslu a v experimentech s danou cílovou kvalitou řešení, která odpovídá nejlepšímu známému řešení zhoršenému přibližně o 1 %. Metaheuristika je dále rozšířena tak, aby lépe modelovala problém mobilního hledání, a to zohledněním úsilí potřebného k otáčení robota, snímání na cestě mezi lokacemi a dalších reálných aspektů problému. Navrhovaná diskretizace a metaheuristika společně produkují efektivní strategie pro mobilní hledání, jak ukazují naše vlastní idealizované simulace a také experimenty v realistickém prostředí robotického simulátoru. V reálném životě lze naše řešení použít například jako efektivní plánovač v krizovém scénáři, kde mobilní robot nebo jiný druh agenta hledá oběti po nějaké katastrofě.

The mobile search consists of finding one or several targets in a given environment by one or several mobile sensors. We assume a single static object secretly placed inside a known 2D polygonal environment and aim to find the object by a single mobile robot as quickly as possible on average. The robot is equipped with a sensor of 360° view and limited visibility range, sensing is performed throughout the whole search, and the robot can recognize the object once it appears in its field of view. The core of the problem is planning the search efficiently. In this thesis, we design, implement, and evaluate an original framework for the mobile search. In general, the problem is solved by a standard decoupling approach; nevertheless, both parts of our solution are innovative. We propose a novel way to discretize the environment utilizing a solution to the related watchman route problem. We also introduce a general metaheuristic for finding efficient plans on several discrete models of the problem. The new metaheuristic, which considers limited computing time, is first designed using a general run-time distribution methodology for the most basic model — the traveling deliveryman problem. Evaluated on several sets of standard benchmark instances used by the operations research community, it significantly outperforms the current best approach from the literature under hard limit settings with limits ranging from 1 to 100 seconds. Still, it provides competitive results in the traditional sense and with cost targets corresponding to the best-known solutions worsened by about 1%. The metaheuristic is further extended to better model the mobile search by considering non-equal and non-static locations' information gains, an effort needed to turn the robot and sensing on the way between locations. Together, the proposed discretization and metaheuristic produce efficient mobile search strategies, as shown by our idealized custom simulations and experiments in a realistic robotic simulator. In real life, our solution can be used as an efficient planner for a search and rescue scenario in which a mobile robot or other agent searches for victims after some catastrophic event.