Un Nuevo Método Cooperativo Para Encontrar Personas En Un Entorno Urbano Con Robots Móviles
Resumen
En este trabajo se presenta un nuevo método para localizar a personas en entornos urbanos usando robots sociales móviles cooperativos, que supera las limitaciones de enfoques ya existentes, los cuales se adaptan a entornos específicos, o se basan en comportamientos humanos pocos realistas. Con este método cooperativo los robots pueden encontrar a personas fuera del campo de rango de sensores u ocultados por obstáculos dinámicos o estáticos. Nuestro enfoque incluye la búsqueda de personas, seguimiento, cooperación multi-robot y comunicación.
En particular se define un "Cooperative Highest-Belief Continuous Real-time POMCP" que puede ejecutarse en tiempo real y en entornos continuos y grandes. En este método se usan algoritmos de búsqueda online Partially Observable Monte-Carlo Planning (POMCP), los cuales, al contrario de trabajos anteriores son capaces de planificar con incertidumbre y con grandes espacios de estados. La estrategia de búsqueda hace un balanceo entre la probabilidad de que la persona esté en una posición concreta, la distancia a las posiciones, y si la posición está cerca de una meta ya asignada a otro robot.
La validación del método se ha llevado a cabo a través de un conjunto extensivo de simulaciones y experimentos reales con una persona y dos robots.
Vídeos Experimentales
En esta página se muestran vídeos de los experimentos usando el algoritmo Cooperative HB-CR-POMCP para buscar y seguir personas. Como explicado en el artículo, el robot tiene que buscar y seguir a una persona. El robot reconoce a la persona por el AR Markers.
Leyenda de Vídeos
En los vídeos se muestran tres áreas:
- Vídeo: El escenario
- Mapa: Mapa como mostrado en ROS rviz con:
- Dabo: Azul
- Tibi: Naranja
- Obstáculos: Negro y gris oscuro
- Detección de láser: Líneas/puntos azules/naranjas (de Dabo y Tibi respectivamente)
- Camino: Líneas/puntos azules/naranjas indican el camino ya hecho por el robot
- Detección de personas:
- Detección de piernas: Puntos azules/naranjas
- Última posición detectada: Cilindro rojo (combinación de detección de piernas y del AR Marker)
- Mapa de Belief: Muestra el belief (probabilidad de que esté la persona) del robot, de Tibi arriba a la derecha, y de Dabo abajo a la derecha, con:
- Robot: Círculo azul grande
- Otro robot: Círculo azul pequeño
- Posición de la persona detectada: Círculo rojo grande
- Posición de la persona detectada por otro robot: Círculo rojo pequeño
- Obstáculos: Rectángulos negros
- Matriz de probabilidad: La probabilidad que la persona esté en una posición, indicado con colores: azul claro es probabilidad 0 y de blanco a rojo es de poco a mucho (1)
Experimentos
Búsqueda
Los robots buscan cooperativamente a la persona.
Seguimiento de la persona en el lab FME
Los robots siguen a la persona sin problemas, y aunque la persona debería estar visible, no lo es por las detecciones falsas negativas. En este caso, se puede usar la detección del otro robot, y si no el belief. En algunos casos los robots tienen dificultad de navegar por sus dimensiones y el poco espacio.
Búsqueda difícil
En este ejemplo la persona se esconde muy bien y el robot no le encuentra, por eso va a la otra posición posible. Sin embargo, después de haber explorado la segunda posición, el robot vuelve al primer sitio para encontrar a la persona.
Si no puedes ver los vídeos completos puedes hacer click con el botón derecho y elegir la opción "Copiar URL" y entonces verlo con otro visualizador (por ejemplo VLC) o con otro navegador.