Dynamic holonomic navigation and obstacle avoidance in a Robogame environment

The thesis presented here has the main objective of the realization of a controller for an omni-directional robot navigation while operating in a dynamic game situation where a human player plays against his robotic counterpart in a challenge that involves speed and strategy. This work presents a controller for the global playground navigation able to decouple the robot translational and rotational motion, along with a people tracking controller to enable the robot to change its orientation while navigating to track the human player movements during the game. An obstacle avoidance controller based on fuzzy logic is also implemented to enable the robot to avoid collision with the player during the game; the player is in fact by definition an unmapped moving obstacle so the robot must be able to adapt to the current situation in order to be able to reach its goal without colliding with the environment features. At the end of this work, it is also presented a method of recognition of high-level human player activity in a Physically Interactive RoboGame (PIRG) scenario based on the variance in player motion as data instances and primary source of information from where to extract features and then train a machine learning model that in future works will be used as base to dynamically modify the robot behavior during the game. All the previously mentioned techniques have been tested in real game situations.

Il lavoro di tesi qui presentato ha come obiettivo principale la realizzazione di un sistema di controllo per la navigazione autonoma di un robot olonomico che opera in una situazione dinamica di gioco in cui un giocatore umano sfida la controparte robotica in una gara di velocità e strategia. Il lavoro presenta un sistema di controllo per la navigazione autonoma all’interno del campo di gioco in grado di disaccoppiare i movimenti di traslazione e rotazione del robot, questo è unito ad un controllore per il tracciamento del giocatore umano che permetta al robot di modificare il suo orientamento durante la navigazione in modo da poter tenere traccia dei movimenti del giocatore durante la partita. E’ stato inoltre implementato un sistema di evitamento ostacoli basato su logica fuzzy che permette al robot di evitare collisioni durante il gioco; il giocatore umano è infatti, per definizione, un ostacolo mobile non mappato. Per questo motivo il robot deve essere in grado di adattarsi alla situazione corrente in modo da poter raggiungere la sua posizione obiettivo evitando collisioni all’interno del campo di gioco. Viene infine presentato un metodo di riconoscimento di attività (high-level human player activity in a Physically Interactive RoboGame (PIRG) scenario), basato sulla variazione di moto del giocatore come prima fonte di informazione da cui poi poter estrarre delle caratteristiche particolarmente descrittive che verranno utilizzate per addestrare un modello di machine learning. Questo modello verrà utilizzato in futuro per modificare dinamicamente il comportamento del robot durante il gioco. Tutte le tecniche sopracitate sono state testate in situazioni reali di gioco.