A study on autonomous urban navigation on sidewalks applied to last mile delivery

Over the last few years, the number of outdoor applications that could benefit from the use of mobile robots has been steadily increasing. Last mile urban delivery is a good example of a field in which fast, compact and agile autonomous vehicles are regarded as a crucial factor to improve the service quality and efficiency. One of the key enablers for this type of robots is that of navigating on sidewalks, pedestrian areas and crosswalks. The challenges related to such pedestrian-like navigation are manifold, and range from the lack of strict regulations for pedestrian flow on sidewalks, to the need to actively interact with other road agents to achieve joint collision avoidance. The autonomous street crossing problem is a perfect example of these type of challenges. This dissertation presents a study on some of the fundamental algorithms allowing a mobile robot to safely navigate sidewalks and crosswalks. A two-wheeled, self standing robot designed for parcel delivery is used to experimentally validate the developed algorithms. The work detailed in this presentation contributes to improve the navigation capabilities of the prototype under many aspects. The first of them is the vehicle handling performance on uneven and irregular terrains. Within this context a set of robust state estimators, an innovative model-based slope angle observer, and a feed-forward controller to compensate control disturbances on inclined roads. All of them are shown to improve the vehicle handling, and can in general be applied to any vehicle with a Two Wheeled Inverted Pendulum configuration. The second explored aspect is related to the ability of the robot to perceive and understand the surrounding environment. Within this context the dissertation presents a camera-based algorithm that leverages map-based priors to detect semaphores and their logic state, and a novel lidar-based target tracking algorithm aimed at estimating the position and speed of incoming vehicles. The latter is then used as an input of a decision making algorithm enabling safe street crossing. Such decision making algorithm is developed within a broader study on the most relevant decision variables that a robot should consider when negotiating a crosswalk. The dissertation is concluded with a detailed statistical analysis of how humans engage robots during obstacle avoidance maneuvers. The study gives evidence that pedestrians indeed behave differently when they cross a robot than when they encounter another human. At the same time, it also demonstrates that the very well-known Social Force Model which was developed to predict human-to-human interactions can also be effectively used in the human-to-robot case.

Negli ultimi anni, il numero di applicazioni outdoor che potrebbero beneficiare dall’utilizzo di robot mobili è andato crescendo costantemente. In ambito urbano, la consegna di pacchi cosiddetta “dell’ultimo miglio” è un ottimo esempio di un settore in cui i veicoli autonomi veloci, compatti e agili sono considerati un fattore cruciale per migliorare la qualità e l'efficienza del servizio. Uno dei fattori abilitanti per l’utilizzo di questo tipo di robot è la capacità di navigare su marciapiedi e aree pedonali. Le sfide legate a questo tipo di navigazione sono molteplici e vanno dalla mancanza di regolamentazioni rigide per il flusso pedonale sui marciapiedi, alla necessità per il robot di interagire attivamente con svariate tipologie di agenti della strada per evitare collisioni. Il problema dell'attraversamento autonomo della strada è un esempio perfetto di questo tipo di sfide. Questa dissertazione presenta uno studio incentrato su alcuni degli algoritmi fondamentali che consentono a un robot mobile di navigare in sicurezza sui marciapiedi e sulle strisce pedonali. Gli algoritmi sviluppati sono stati testati e validati sperimentalmente utilizzando un prototipo di robot autostabilizzante su due ruote, progettato per la consegna di pacchi. Il lavoro descritto in questa tesi ha prodotto un miglioramento nelle capacità di navigazione del prototipo sotto diversi aspetti. Il primo di questi è la capacità del veicolo di navigare su terreni irregolari e disomogenei. In questo contesto, sono stati sviluppati un insieme di stimatori di stato robusti alle non-idealità dei sensori utilizzati, un osservatore model-based dell'angolo di pendenza del manto stradale e un controllore feed-forward per migliorare la controllabilità del veicolo su strade inclinate. Il secondo aspetto esplorato è legato alla capacità del robot di percepire e comprendere l'ambiente circostante. In questo contesto, la tesi presenta un algoritmo basato su telecamera che sfrutta una conoscenza pregressa dell’ambiente di navigazione per rilevare i semafori pedonali e il loro stato logico, e un innovativo algoritmo di tracciamento di ostacoli basato su lidar. Quest'ultimo viene poi utilizzato come input di un algoritmo decisionale che consente al robot di compiere in completa autonomia manovre di attraversamento della strada. Tale algoritmo decisionale è stato sviluppato all'interno di uno studio più ampio sulle variabili decisionali più rilevanti che un robot dovrebbe considerare durante manovre di attraversamento stradale. La tesi si conclude con un'analisi statistica dettagliata su come gli esseri umani interagiscano con i robot durante le manovre di evitamento degli ostacoli. Lo studio dimostra che i pedoni si comportano effettivamente in modo diverso nell’evitare un robot rispetto a quando incontrano un altro essere umano sul proprio cammino. Allo stesso tempo, lo studio dimostra anche che il Social Force Model, un modello noto in letteratura e sviluppato per modellare le interazioni umano-umano, può essere utilizzato efficacemente anche nel caso di interazioni tra umani e robot.