Modelling and simulation of Lince mobile robot with MPC and EKF application for trajectory tracking

In this thesis, conducted at the Robotics and Autonomous Systems Laboratory of INESC TEC at the Instituto Superior de Engenharia do Porto (ISEP) - Instituto Politécnico do Porto (IPP), a methodology for optimal trajectory tracking was analyzed using Model Predictive Control (MPC) to calculate optimal inputs. The algorithm, written in Matlab and then in Python, was tested on both the bicycle kinematic model and a virtual model characterized by the Ackermann kinematics. In both cases, the inclusion of sensors such as GPS and IMU made necessary the use of an Extended Kalman Filter (EKF) for state estimation in noisy conditions, significantly reducing disturbances in the generation of the optimal inputs via MPC. This improvement positively influenced trajectory tracking performance, though its robustness varied depending on the application. A significant portion of the work involved modeling the Lince rover, a real robot provided by the laboratory, using ROS, and testing the algorithms in Gazebo. It was also developed a basic obstacle avoidance, installing a laser scanner on the model, to test the robustness of the MPC algorithm in case of unexpected deviations.

In questo lavoro di tesi, realizzato presso il Robotics and Autonomous Systems Laboratory dell'INESC TEC all'Instituto Superior de Engenharia do Porto (ISEP) - Instituto Politécnico do Porto (IPP), si è analizzata una metodologia per l'inseguimento ottimale della traiettoria utilizzando il Model Predictive Control (MPC) per il calcolo degli input ottimali. L'algoritmo, scritto inizialmente in Matlab e successivamente in linguaggio Python, è stato testato sia sul modello bicicletta che su un modello virtuale dotato di cinematiche Ackermann. L'impiego di sensori come GPS e IMU ha reso necessario l'utilizzo di un Extended Kalman Filter (EKF) per la stima degli stati in presenza di rumore, contribuendo positivamente alla riduzione dei disturbi nella generazione degli input ottimali tramite MPC. Questo strumento ha influenzato positivamente le prestazioni nell'adattamento alla traiettoria di riferimento, sebbene la robustezza dell'EKF è risultata variabile a seconda dell'applicazione. Una parte significativa del lavoro ha coinvolto la modellazione tramite ROS, del rover Lince, un robot reale presente in laboratorio, e il test degli algoritmi in Gazebo. E' stato inoltre sviluppato un rudimentale algoritmo per evitare gli ostacoli, installando un laser scanner sul modello, per testare la robustezza dell'MPC nel caso di deviazioni non programmate.