End-to-end planner design for UAVs and ROS architecture design for UGV guidance in cluttered agriculture environments

This thesis presents the development of an end-to-end planning algorithm for unmanned aerial vehicles (UAVs) and the construction of a Robot Operating System (ROS) architecture for collaborative work of unmanned ground vehicles (UGVs) and UAVs in cluttered agriculture environments. More specifically, in addition to the UAV and the UGV, the agriculture environment is developed in the Webots open robot simulator, where the UAV is equipped with depth and touch sensors and donated with obstacle avoidance capabilities by developing an end-to-end planning algorithm. The end-to-end planning algorithm is defined over Markov Decision Process (MDP) and developed in the OpenAI gym environment. The UGV is guided from UAV by providing results of the end-to-end planner, i.e., filtered way-point-based obstacle-free path. Finally, the performance of the reinforcement agent is evaluated and guidance of the UGV is presented over different kinds of cluttered field scenarios.

Questa tesi presenta lo sviluppo di un algoritmo end to end per veicoli aerei a guida autonoma (UAV) e della costruzione di una architettura Robot Operating System (ROS) per la collaborazione nel lavoro combinato di veicoli terrestri senza pilota (UGV) e i sopracitati veicoli aerei, in ambienti agricoli non standard. Più specificatamente, in aggiunta all’utilizzo di UAV e UGV, l’ambiente agricolo è sviluppato attraverso il simulatore di robot Webots, nel quale gli UAV sono equipaggiati con sensori di profondità e di tatto, dotati della capacità di evitare ostacoli sviluppando un algoritmo end to end. L’algoritmo end to end è definito attraverso un processo di decisione markov (MDP) e sviluppato in OpenAI gym. I veicoli UGV sono guida di dai UAV che forniscono i risultati dell’algoritmo end to end, in particolare percorsi liberi di ostacoli filtrati con un metodo way point based. In ultimo, la performance dell’agente di rinforzo viene valutato e la guida dell’UGV viene presentata su una serie di scenari non standard differenti.