Kinematic-based model predictive control for space exploration rovers

In the realm of planetary exploration, moving platforms encounter challenging ground conditions, including rocky surfaces, slopes, and obstacles. Navigating through loose gravel, rugged terrain, and steep inclines demands robust mobility capabilities. To tackle these challenges, multi-modal robots showcase their invaluable versatility. By dynamically adjusting their locomotion mode or gait to match the terrain, these robots enable more effective exploration of diverse landscapes. This work focuses on the navigation of a multi-modal rover in relatively flat environments and demonstrates how it is possible to exploit the high redundancy inherent in such systems to keep low the energy consumption while following challenging paths. The study presents a kinematic-based Model Predictive Control approach for path-following, specifically designed for constrained nonlinear systems. Unlike existing approaches that parametrize the path as a function y=f(x), x, y being the plane coordinates, this work parametrizes the path with respect to its length, providing a more direct and flexible means of managing the rover's trajectory. Experiments conducted using a dynamic simulator have focused on comparing different driving configurations in terms of Tracking error and energy consumption, with the goal of identifying the most efficient configuration that balances precision in path-tracking with minimal energy expenditure. This involves evaluating various locomotion modes and control strategies to determine the best, providing insights into the optimal use of multi-modal capabilities for high efficiency and effectiveness in navigation tasks.

Nel campo dell'esplorazione planetaria, le piattaforme mobili incontrano condizioni del terreno difficili, inclusi superfici rocciose, pendii e ostacoli. Navigare attraverso terreni accidentati e pendenze ripide richiede capacità di mobilità robuste. Per affrontare queste sfide, i robot multi-modali mostrano la loro inestimabile versatilità. Regolando dinamicamente la loro modalità di locomozione o andatura in base al terreno, questi robot consentono un'esplorazione più efficace di paesaggi diversi. Questo lavoro si concentra sulla navigazione di un rover multi-modale in ambienti relativamente piatti e dimostra come sia possibile sfruttare l'elevata ridondanza insita in tali sistemi per ridurre il consumo energetico durante il seguito di percorsi impegnativi. Lo studio presenta un approccio di Controllo Predittivo Basato su Modelli (MPC) per il tracciamento del percorso, specificamente progettato per sistemi non lineari vincolati. A differenza degli approcci esistenti che parametrizzano il percorso come in funzione deli una funzione y=f(x), con x , y coordinate del piano, questo metodo parametrizza il percorso rispetto alla sua lunghezza, fornendo un mezzo più diretto e flessibile per gestire la traiettoria del rover. Gli esperimenti sono stati condotti utilizzando un simulatore dinamico, confrontando diverse configurazioni di guida in termini di errore di tracciamento e consumo energetico. L'obiettivo è identificare la configurazione più efficiente, bilanciando la precisione nel tracciamento del percorso con il minimo dispendio energetico. Questo implica valutare varie modalità di locomozione e strategie di controllo per determinare quali combinazioni offrono le migliori prestazioni. I risultati di queste simulazioni forniscono preziose intuizioni sull'uso ottimale delle capacità multi-modali, permettendo al rover di mantenere alti livelli di efficienza ed efficacia nei suoi compiti di navigazione.