Human-aware planning and control of an indoor autonomous wheelchair

The work done in this thesis focuses on the motion planning of an AGV (Autonomous Guided Vehicle), in particular an indoor autonomous wheelchair. The main goal is to develop a solution in order to make the vehicle completely human-aware and able to move inside a crowded environment. The adopted strategy relies on two different levels of control: Global Planning, on one side, and Local Planning, on the other. In particular, the global planner focuses on the computation of an optimal trajectory, through a novel application of the approach called RRT* Motion Primitives, by taking into account the characterization of human crowds, represented by means of a probabilistic distribution. The computed probabilities are used to construct a probabilistic map in which the trajectory planning will be performed. The optimal trajectory is then segmented in order to define a sequence of desired positions for the wheelchair. Aim of the local planner is to control the vehicle position, by solving a regulation problem and by imposing to the system the input values of longitudinal and angular velocity of the wheelchair, in order to reach each point of the segmented trajectory, guaranteeing collision avoidance with fixed and moving obstacles, comfort for the passenger and safety for the pedestrians. The local planning solution is obtained through the development of an advanced control strategy called MPC (Model Predictive Control), which allows to directly introduce in the formulation the limitations related to the system, by means of constraints of an optimization problem. The results observed from simulations proved the effectiveness of the combination of the two strategies.

Il lavoro svolto in questa tesi si colloca nell'ambito della pianificazione del moto di un AGV (Autonomous Guided Vehicle), in particolare una carrozzina autonoma. L'obiettivo principale è quello di sviluppare una soluzione che renda il veicolo completamente conscio della presenza umana e capace di muoversi all'interno di un contesto caratterizzato da folle di persone. La strategia adottata si basa su due livelli di controllo: da un lato la Pianificazione Globale, dall'altro la Pianificazione Locale. In particolare, il pianificatore globale si focalizza sul calcolo di una traiettoria ottima, attraverso una innovativa applicazione dell'approccio denominato RRT* Motion Primitives, il quale prende in considerazione folle di persone, caratterizzandole attraverso una distribuzione probabilistica. Le probabilità calcolate sono utilizzate per costruire una mappa probabilistica nella quale la pianificazione della traiettoria verrà eseguita. La traiettoria ottima è in seguito segmentata con lo scopo di definire posizioni strategiche che dovranno essere raggiunte dal veicolo. L'obiettivo del pianificatore locale è di controllare la posizione della carrozzina, risolvendo un problema di regolazione e fornendo in ingresso al sistema i valori di velocità longitudinale ed angolare del veicolo, per raggiungere ogni punto della traiettoria segmentata, evitando ostacoli fissi e mobili e garantendo contemporaneamente i requisiti di sicurezza e comfort per il passeggero e per i pedoni. La soluzione legata alla pianificazione locale è ottenuta attraverso lo sviluppo di una tecnica di controllo avanzata, denominata MPC (Model Predictive Control), la quale permette di introdurre direttamente nella formulazione i limiti legati al sistema, attraverso la definizione di vincoli all'interno di un problema di ottimizzazione. I risultati ottenuti per mezzo di simulazioni hanno dimostrato l'efficacia della combinazione tra le due strategie.