Autonomous navigation in human crowded environments : integrating model predictive control within global planning

The work developed in this thesis is in the field of mobile robotics and focuses on autonomous navigation in human crowded environments, with specific reference to autonomous personal mobility vehicles. The goal is to develop an innovative solution to the problem of autonomous navigation in human crowded environments, resting on the integration of two layers: a Global Planner and a Local Planner. The Global Planner is the layer specialized in planning, which computes a feasible trajectory, in a given environment, by choosing a feasible geometric path and endowing it with the time information. The geometric path is determined exploiting a Probabilistic RoadMap algorithm. The Local Planner solves a trajectory tracking problem while detecting obstacles from sensor data and ensuring collision avoidance, pedestrian safety and comfort. A novel approach is adopted to enable socially compliant human-robot interactions, based on a socially aware navigation model. This is achieved through a Model Predictive Control scheme, where the distance from the reference trajectory provided by the Global Planner is minimized, subject to operational, collision avoidance, safety and human comfort constraints. The two layers are intertwined, in order to allow the Local Planner to correct the trajectory designed by the Global Planner according to the detected obstacles, and the Global Planner to intervene and replan a new trajectory whenever the Local Planner is not able to find a feasible solution to the trajectory tracking problem. Simulation results show the effectiveness of the proposed solution.

Il lavoro sviluppato in questa tesi appartiene al campo della robotica mobile e si concentra sulla navigazione autonoma in ambienti affollati, con specifico riferimento ai veicoli autonomi per la mobilità personale. L'obiettivo è sviluppare una soluzione innovativa al problema della navigazione autonoma in ambienti affollati, basata sull'integrazione di due livelli: un Pianificatore Globale e un Pianificatore Locale. Il Pianificatore Globale è il livello specializzato in pianificazione, che calcola una traiettoria fattibile, in un dato ambiente, scegliendo un percorso geometrico fattibile e dotandolo delle informazioni temporali. Il percorso geometrico viene determinato sfruttando un algoritmo del tipo Probabilistic RoadMap. Il Pianificatore Locale si occupa dell’inseguimento della traiettoria, rilevando al contempo gli ostacoli dai dati dei sensori al fine di prevenire le collisioni e garantire la sicurezza e il comfort dei pedoni. È stato adottato un nuovo approccio per consentire la coesistenza nello stesso ambiente di umani e robot, basato su un modello di navigazione consapevole dei vincoli sociali. Ciò è ottenuto attraverso uno schema di tipo Model Predictive Control, soggetto a vincoli operativi, di prevenzione delle collisioni, di sicurezza e comfort, nel quale la distanza dalla traiettoria di riferimento fornita dal Pianificatore globale viene minimizzata. I due livelli sono interconnessi, per consentire al Pianificatore Locale di correggere la traiettoria progettata dal Pianificatore Globale in base agli ostacoli rilevati e al Pianificatore Globale di intervenire e ripianificare una nuova traiettoria ogni volta che il Pianificatore Locale non è in grado di trovare una soluzione al problema di inseguimento della traiettoria. I risultati delle simulazioni mostrano l'efficacia della soluzione proposta.