Planning and execution for mobile robots using distributed persistent memory

Niemüller, Tim Dieter; Srinivasa, Siddhartha; Lakemeyer, Gerhard

doi:43074

Planning and execution for mobile robots using distributed persistent memory

Niemüller, Tim Dieter^RWTH*

2024

Verantwortlichkeitsangabevorgelegt von Diplom-Informatiker Tim Niemueller

ImpressumAachen : RWTH Aachen University 2024

Umfang1 Online-Ressource : Illustrationen

Dissertation, RWTH Aachen University, 2024

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak01

Hauptberichter/Gutachter
Lakemeyer, Gerhard (Thesis advisor)^RWTH* ; Srinivasa, Siddhartha (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2024-02-05

Online
DOI: 10.18154/RWTH-2024-02748
URL: https://publications.rwth-aachen.de/record/981068/files/981068.pdf

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
goal reasoning (frei) ; knowledge-based systems (frei) ; robotics (frei) ; task execution (frei) ; task planning (frei)

Thematische Einordnung (Klassifikation)
DDC: 004

Kurzfassung
In Zukunft wird von Robotern erwartet, Menschen in immer mehr Situationen zu unterstützen, etwa in Haushaltsumgebungen oder im industriellen Umfeld. Dies erfordert eine gesteigerte Autonomie und Ausfallsicherheit um die Notwendigkeit von menschlicher Unterstützung auf ein Minimum zu reduzieren. Robotersysteme bestehen aus vielfältigen Softwarekomponenten unterschiedlicher Bereiche wie Wahrnehmung, Selbstlokalisierung, Navigation, Entscheidungsfindung, oder Aufgabenausführung. Dies führt nur allzu leicht dazu, dass die Entwicklung abgeschottet voneinander erfolgt, wobei die Gesamtheit des Robotersystems erst nachträglich betrachtet wird, wobei nur bereichsspezifische Benchmarks für die einzelnen Komponenten berücksichtigt werden. Drei spezielle Probleme haben diese Arbeit motiviert: Erstens sind Daten in Robotersystemen oft flüchtig, sie existieren kurzzeitig, werden transferiert, verarbeitet, zur Entscheidungsfindung verwendet und schließlich gelöscht, alles innerhalb eines kurzen Zeitfensters. Falls Daten aufgezeichnet werden, geschieht dies häufig komponentenspezifisch und nicht leicht zugreifbar. In der vorliegenden Arbeit widmen wir uns diesem Problem mit einer dokumenten-orientierten Datenbank, welche sich in die Middleware einklinkt um so viele Daten wie möglich zu sammeln. Durch das Verwenden von MongoDB zur Datenspeicherung und die Möglichkeit, Middlewarenachrichten direkt in Dokumentenstrukturen zu übertragen entstehen flexible Abfragemöglichkeiten. Wir haben die Datenbank in einigen Anwendungen angewendet, wie etwa Wahrnehmung, Leistungs- und Fehleranalyse, sowie Aktionsmakroextraktion. Zweitens erfordert der Datenaustausch und die Koordination eines Multirobotersystems angepasste Ansätze. Allerdings können wir die ohnehin eingebettete Roboterdatenbank mit ihrem verteilten Ansatz für diesen Zweck verwenden, wofür wir sie um Trigger und Berechenbare Elemente (Computables) erweitern. Dadurch erhalten wir ein vereinheitlichendes Robotergedächtnis. Drittens entkoppeln Ausführungssysteme typischerweise Domänenmodellierung von der Spezifikation des Ausführungsflusses, also die spezifischen Details über eine Anwendung, die der Roboter benötigt, und die Art und Weise, wie er Ziele auswählt (üblicherweise hat der Roboter nur wenige vom Menschen spezifizierte solcher Ziele). Wir haben eine CLIPS-Basierte Executive entwickelt, welche auf Goal Reasoning aufbaut und den Ausführungsfluss von Zielen explizit modelliert. In diesem Ansatz gibt es potentiell viele Ziele die in Erwägung gezogen werden können und selektiv zur Expansion ausgewählt werden können, zum Beispiel durch Aufrufen von automatischer Aufgabenplanung, und welche dann zur Ausführung gebracht werden. Desweiteren erlaubt das verteilte Robotergedächtnis das einfache Teilen von Daten innerhalb der Roboterflotte und unterstützt dessen Koordination. Demonstrationen dieser Systeme in zwei mobilen Roboteranwendungen --- Haushaltsserviceroboter mit einem einzelnen Roboter und industrielle Fabriklogistik mit Robotergruppen --- zeigen die Anwendbarkeit und Vielseitigkeit der entwickelten Ansätze.

Robots are expected to help humans in ever more capacities, in household environments as well as in industry. This demands increasing autonomy and resilience in order to decrease the need for human intervention and support to a minimum. Robotic systems are composed of a wide range of software components from different areas like perception, self-localization, navigation, decision making, and task execution. This easily leads to compartmentalization of the development, where the whole robot system becomes an afterthought when only best-in-class benchmarks are considered per component. Three particular problems motivated this thesis: First, data in robot systems is most often volatile, it briefly exists, is transferred, processed, used to make some decision, and eventually discarded, all within a short time window. If data is recorded, it is often done component-specific and not easily accessible. In this thesis, we tackle this problem by a document-oriented database that hooks into a robot system's middleware to collect as much data as possible. By using MongoDB as the data store and adding the ability to map middleware message into document structures, we gain query capabilities. We have used the database in several applications such as perception, performance and failure analysis, and action macro extraction. Second, the data exchange and coordination of multi-robot systems usually requires custom approaches. However, with the robot database already in place, using its distributed nature and augmenting it with triggers and computable elements it can fill this role as well, providing a unified robot memory. Third, robot task execution systems typically decouple domain modeling and execution flow specification, that is the specific details about an application the robot needs to know and the way it goes about choosing goals (which are typically few and human-defined). We have developed the CLIPS-based Executive that builds on Goal Reasoning to explicitly model the flow according to goals, of which there may be many and they can be considered and then selectively chosen for expansion, e.g., by invoking task planning, and then executed. Furthermore, by distributing the robot memory it can easily share data among a fleet of robots and aid in its coordination. Demonstrations of these systems in two mobile robot domains -- domestic service robotics with a single robot and industrial factory logistics with groups of robots -- show the applicability and versatility of the approaches developed.

OpenAccess:
PDF
(additional files)