Integration of model predictive control and RRTx planning algorithm for the navigation in human-crowded environments

The work developed in this thesis belongs to the field of mobile robotics. More specifically, the focus is to develop a full navigation architecture for an autonomous wheelchair that moves within a human crowded environment. The strategy presented is based on the cooperation of two different layer, namely the Global Planner and the Controller. The Global Planner is the layer in charge of computing a collision free trajectory, considering the obstacles in the environment. The computation of the trajectory is obtained following two consecutive steps. First, a geometric path defined as a sequence of waypoints from the vehicle start to the desired goal is determined, considering the position of the obstacles and their motion. This step is achieved exploiting the RRTx algorithm, that allows to obtain an asymptotically optimal path considering a prediction of human motion within a specific time range. Once the optimal path is obtained, the waypoints are interpolated through a given time law to obtain the required trajectory. The Controller is then responsible of solving the trajectory tracking problem, while performing obstacle avoidance, so to adapt to changes in the environment that were outside the prediction frame in the planning phase and avoid collisions, so to ensure safety for pedestrians. Hence, the vehicle might need to deviate from the planned trajectory. Then, a re-planning action is activated whenever the tracking error becomes higher than a predefined maximum value, to generate a new optimal trajectory that leads the robot to its destination. Simulation results show the effectiveness of the solution proposed.

Il lavoro sviluppato in questa tesi appartiene al campo della robotica mobile. Nello specifico, l’obiettivo è sviluppare un’architettura di navigazione per una carrozzina a guida autonoma che si muove all’interno di un ambiente affollato. La strategia presentata si basa sulla cooperazione di due diversi livelli, vale a dire il Pianificatore Globale e il Controllore. Il Pianificatore Globale è il livello incaricato di calcolare una traiettoria priva di collisioni, considerando gli ostacoli presenti nell’ambiente circostante. Il calcolo della traiettoria si ottiene seguendo due passi consecutivi. Innanzitutto, viene determinato un percorso geometrico definito come una sequenza di punti di passaggio intermedi, dalla posizione di partenza del veicolo verso la meta desiderata, considerando la posizione degli ostacoli e il loro movimento. Questo passaggio è ottenuto sfruttando l’algoritmo RRTx, che permette di ottenere un cammino asintoticamente ottimo considerando una previsione del movimento dei pedoni in uno specifico intervallo di tempo. Una volta ottenuto il percorso ottimo, i punti di passaggio intermedi vengono interpolati attraverso una determinata legge temporale per ottenere la traiettoria richiesta. Il controllore si occupa di risolvere il problema di inseguimento della traiettoria pianificato, garantendo l’evitamento degli ostacoli, in modo da adattarsi ai cambiamenti nell’ambiente che erano al di fuori dell’intervallo di predizione nella fase di pianificazione ed evitare le collisioni, garantendo quindi la sicurezza dei pedoni. Pertanto, il veicolo potrebbe dover deviare dalla traiettoria pianificata. Ogni qual volta si verifica la condizione per cui l’errore di tracking diventa superiore ad un valore massimo predefinito, viene attivata un’azione di ripianificazione, per generare un nuovo percorso ottimale. I risultati delle simulazioni mostrano l’efficacia della soluzione proposta.