 |
 |
|
Existing applicants/evaluators log in here
|
|
Cooperability
| Project leader |
Petrović Ivan |
| Project co-leader: |
Assoc. Prof. Dana Kulić |
| Administering organization: |
University of Zagreb Faculty of Electrical Engineering and Computing
(Sveučilište u Zagrebu Fakultet elektrotehnike i računarstva) – (Acronym: FER)
Address: Unska 3, 10000 Zagreb, Croatia
URL: http://www.fer.unizg.hr
OIB: 57029260362 |
| Partner Institution/Company: |
University of Waterloo |
| Grant type: |
1B |
| Project title: |
Cooperative cloud based simultaneous localization and mapping in dynamic environments (cloudSLAM) |
| Project summary: |
Over the last several decades, robotics has been a key technology for achieving high productivity and industrial competitiveness. Recently, robotics has begun expanding intensively outside of industrial settings, thus bringing robots closer and closer to humans. The main robotics challenges in the coming decade will be to develop robotic systems that can safely cooperate with humans in arbitrary settings and that are capable of autonomously performing complex tasks in human environments.
One of the main prerequisites for robot autonomous operation in unknown environments populated by humans or other robots is to perform simultaneous localization and mapping (SLAM) so that the robot can infer its position and relate it to other objects of interest. The main focus of the cloudSLAM project is to develop algorithms for solving the SLAM problem such that robots can operate reliably even in highly dynamic environments. This will be achieved through a mathematical framework accurately describing the non-Euclidean geometry of objects moving in space and through robot cooperation via a cloud based service.
The methodology of the proposed project will be grounded in a novel estimation approach based on the recently developed Kalman filter on Lie groups. We will estimate the state of the robot and the tracked objects in six degrees of freedom by representing the state with the special Euclidean group (SE3) and performing filtering directly on the introduced group. This way, the non-Euclidean nature of the orientation components will be intrinsically respected, while their uncertainty will be correctly coupled with the uncertainty of the Euclidean members of the SE3 group through the joint covariance matrix.
Since the idea of cloudSLAM is to exploit the moving objects for enhancing the SLAM performance, we will develop algorithms for multiple object detection and tracking using Lie groups and random finite sets theory. This result will then serve as an input to a dynamic SLAM algorithm. The dynamic SLAM will also be based on Lie groups, where we will develop an algorithm based on the exactly sparse delayed state filter so as to keep the computational complexity reasonable. Finally, all the information will be shared by multiple agents through a common cloud-based service, thus enabling robots which have just started operating to immediately exploit the experience of veteran team members. The proposed framework will be tested in coordinated exploration scenarios involving heterogeneous teams moving in dynamic environments, including aerial and ground vehicles and human operators.
|
| Hrvatski sažetak: |
Posljednjih nekoliko desetljeća robotika je glavna tehnologija kojom se postiže visoka produktivnost i industrijska konkurentnost. U novije vrijeme robotika se intenzivno širi van industrijskih primjena i postaje sve bliža ljudima. Glavni robotički izazovi u nadolazećem desetljeću vezani su uz razvoj robotskih sustava koji mogu sigurno surađivati s ljudima u nestrukturiranim okruženjima, te koji imaju svojstvo autonomnog izvršavanja složenih zadataka u ljudskom okruženju. Roboti s navedenim mogućnostima preobrazit će našu svakodnevicu i industrijske procese, slično kao što su to učinili internet, mobilni uređaji i računala u posljednja dva desetljeća.
Jedan od glavnih preduvjeta za autonomni rad robota u nepoznatim prostorima u kojima se kreću ljudi i drugi roboti je izvođenje simultane lokalizacije i kartiranja (SLAM) tako da robot može zaključivati o svojoj poziciji u odnosu na druge objekte od značaja. Glavni cilj cloudSLAM projekta je razviti algoritme koji rješavaju SLAM problem kako bi robot mogao pouzdano izvršavati zadatke u izuzetno dinamičnom okruženju. To će se ostvariti koristeći napredne matematičke postupke koji uzimaju u obzir ne-euklidsku geometriju estimiranih varijabli te suradnju robota preko usluga u oblaku.
Metodologija predloženog projekta uključivat će nov pristup estimaciji zasnovan na novo razvijenom Kalmanovu filtru na Lieevim grupama. Fokus istraživanja bit će stavljen na estimiranje stanja robota i praćenih objekata sa šest stupnjeva slobode, gdje je stanje predstavljeno specijalnom euklidskom grupom (SE3) i izvršavanjem filtriranja direktno na predloženoj grupi. Na taj će se način poštivati ne-euklidska priroda orijentacijskih komponenti te će istovremeno njihova među ovisnost s euklidskim komponentama SE3 grupe biti ispravno opisana matricom kovarijance.
Budući da je ideja cloudSLAM-a iskoristiti gibajuće objekte u svrhu unaprjeđenja performansi SLAM-a, u sklopu projekta razvit će se algoritmi za detekciju i praćenje više objekata pomoću Lieevih grupa i teorije slučajnih konačnih skupova. Ovaj će rezultat služiti kao ulaz za algoritam dinamičkog SLAM-a. Dinamički SLAM će se također zasnovati na Lieevim grupama te će se razviti algoritam zasnovan na zakašnjelom egzaktno rijetkom filtru stanja tako da se poštuju okviri računske složenosti. Naposljetku, sve relevantne informacije dijelit će se među agentima kroz zajedničku uslugu u oblaku, omogućujući robotima koji tek počinju sa zadatkom trenutačno iskorištavanje iskustva veteranskih članova tima. Predloženi pristup provjerit će se u scenarijima koordiniranog istraživanja dinamičkog prostora heterogenim timom agenata koji uključuje zračno i zemljano vozilo te čovjeka.
|
| Amount requested from UKF: |
1,405.294,12 |
| Amount of matching funding: |
340.000,00 |
|
|
|
