Indoor autonomous navigation for service robots using beacons

Abstract

Nowadays robots are becoming more present in our daily life performing a variety of on-demand services. In order to perform autonomous tasks the robot should be aware of its environment. To achieve this goal, there are three main problems to solve: mapping, localisation and navigation. During this work, we developed an autonomous welcome robot for the Institute of Electronics and Informatics Engineering of Aveiro ( IEETA ) with the capacity to receive requests from a visitor and guide him to the requested destination. At the end of this task, the robot should return autonomously to its docking station. To accomplish this goal we studied algorithms related to the three referred problems. As an example, a laser-based solution is used for the Simultaneous Localisation and Mapping procedure ( Gmapping ), the adaptive Monte Carlo localisation approach (AMCL) for the robot moving in 2-D and A* as a method for path planning. Improvements have been made regarding the use of these algorithms including in the environment an active localisation system based on the use of ultrasound beacons. The end result is an autonomous agent capable of mapping the building, self-localise in the resulting map and moving from current position to a specified target. It is also capable of path recalculation and minimal real-time collision avoidance while navigating.

Hoje em dia, os robôs estão cada vez mais presentes no nosso quotidiano, fornecendo uma variedade de serviços e realizando as mais diversas tarefas, algumas delas de forma completamente autónoma. Para que o robô execute tarefas autónomas deve estar ciente do ambiente que o rodeia e conhecer a sua posição no mesmo. Para atingir esse objetivo, existem três problemas principais a serem resolvidos: mapeamento, localização e navegação. Durante este trabalho desenvolvemos um robô autónomo de boas-vindas para o Instituto de Engenharia Eletrónica e Informática de Aveiro com a capacidade de receber ordens de um visitante e guiá-lo até ao destino solicitado. No final desta tarefa, o robô retorna autonomamente ao seu local de partida, onde retoma a tarefa de carregamento. Para atingir este objetivo estudámos algoritmos relacionados com os três problemas referidos. Como exemplo, o algoritmo GMapping baseado em laser scans é usado para o processo de Mapeamento e Localização Simultânea, a abordagem adaptativa de localização de Monte Carlo é usada para que o robô que se mova no espaço e o algoritmo A* é aplicado para planeamento de um caminho. Foram feitas diversas melhorias em relação ao uso desses algoritmos, incluindo no ambiente um sistema de localização ativa baseado no uso de beacons ultra-som. O resultado final é um agente autónomo capaz de mapear o edifício, localizarse no mapa resultante e mover-se da posição atual para um destino especificado. Também é capaz de recalcular o caminho e evitar colisões mínimas em tempo real durante a navegação.