Dr. Alexander Kleiner, Albert-Ludwigs-Universität Freiburg Autonome Roboter Teams für Fußball und Katastrophenhilfe Verteiltes Wahrnehmen und Handeln Roboter

Dr. Alexander Kleiner, Albert-Ludwigs-Universität Freiburg

Autonome Roboter Teams für Fußball und Katastrophenhilfe

Verteiltes Wahrnehmen und Handeln Roboter Fußball & der RoboCup Wettkampf Kooperative Wahrnehmung Individuelle Fähigkeiten & Koordination Roboter zur Katastrophenhilfe & der TechX Wettkampf Schlussbemerkungen

A. Kleiner, Univ. Freiburg Roboter Teams für Fußball und Katastrophenhilfe

Verteiltes Wahrnehmen und Handeln in dynamischer Umgebung

Unsere Sicht von Algorithmen ändert sich: Von zentralistischen Algorithmen … … hin zur Echtzeit-Interaktion verteilter Rechner mit ihrer Umwelt

Verschmelzung verschiedener Sensormodalitäten Erreichen von Zielen durch Kooperation und Interaktion

Beispiele: Sensornetzwerke Handy & Eigenheim Automatisierung Roboter Teams

2


Fußball als a Benchmark für die Forschung [Kitano et al 97]: Seit 1997 jährliche Wettkämpfe und

Workshops, seit 2001 RoboCup Rescue Einige RoboCup Ligen:

„Soccer Mid-Size“ Liga (CS Freiburg) „Rescue Simulation“ Liga (ResQ

Freiburg) „Rescue Robot“ Liga (RescueRobots

Freiburg) Andere Wettkämpfe:

Sick AG Competition TechX Challenge Singapur

Goal CS Freiburg against CMU Hammerheads(RoboCup´01)

Die RoboCup Initiative


Robotik Projekte der Gruppe von Prof. Dr. Nebel

All-Terrain Sicherheit & Rettung

(2008-)

Roboter Fußball (1998-2002)„Rettungsroboter“

(2003-2007)

Dieser Vortrag

A. Kleiner, Univ. Freiburg Roboter Teams für Fußball und Katastrophenhilfe 5

CS Freiburg: Roboter Hardware

Hardware Pioneer 1 Roboter (von ActivMedia) Notebook (mit Linux) WLAN Kicker: Eigenbau mit der SICK AG

Sensors Digital Sony Kamera SICK Laser Scanner RAD-Odometrie Kicker Sensors


Sensordaten Interpretation Eingabe:

Laser Scanner Daten (360 Entfernungsmessungen in 180°, 1cm Genauigkeit, 30 Scans/Sekunde)

Odometrie (Translation, Rotation, 10 Messungen/Sekunde) Video (30 Bilder pro Sekunde)

Ausgabe: Eigene Pose (Position und Orientierung) = „Selbstlokalisierung“ Posen und Geschwindigkeiten anderer Spieler (Mitspieler und

Gegner) Ball Position und Geschwindigkeit


Multi-Roboter Sensorverarbeitung

Alle Spieler senden ihre Schätzungen (eigene Position, Ball Position, Position anderer Spieler) mit einem Zeitstempel zu einem globalen Integrations-Modul.

Schätzungen werden vereint Freund-Feind Erkennung: Unsere Spieler funken ihre

eigene Position Globale Ballposition Schätzung: Globale Sicht von allen

Kameras des Teams Erkennung von Phantom Bällen (sehr wichtig für den Torwart)

Generell: Kooperative Wahrnehmung


False Positives

Spieler 2 „halluziniert“

?


Demokratische Phantom Ball Eliminierung: Markov Localization

Aktualisierungsschritt Korrigiert momentan geschätzte Position nach der Bayes´ Regel gegeben

eine Beobachtung, z.B. Kamera sieht den Ball bei ~3m und -20°, und das Beobachtungsmodell

Vorhersageschritt (von bekannter Richtung und Geschwindigkeit auf 2-dimensionalen Grid) Berechnet die zukünftige Ballposition, gegeben das Bewegungsmodell und die

momentane Ballposition (Positionen als Wahrscheinlichkeitsdichte)

)´()´|()(´

11 ttz

tt zpzzpzp

)(

)()|()( 11

1b

ttbt zp

zpzzpzp


Phantom Bälle: Filterung durch Wahrscheinlichkeitsverteilung

Bei RoboCup 2000 wurden 938 von 118388 (0.8%) Ball-Beobachtungen durch die “Markov localization” gefiltert.

Ballposition wird im Gebiet höchster Wahrscheinlichkeit

angenommen.

after 1st measurement (1)after 2nd measurement (2)after 3rd measurement (3)after 4th measurement (1)after 5th measurement (2)after 6th measurement (3)


Minho (Portugal) schießt von der anderen Seite des Feldes auf unser Tor. Unser “Goalie” erhält diese Information schon früher von seinen Kameraden und kann deshalb auch früher reagieren.

Die Notwendigkeit kooperativer Ballbeobachtung


Individuelle Spieler Verhalten Mit dem Ball

MoveTrickShoot: beim Lauf auf das Tor, täusche eine Richtung an und drehe im letzten Moment auf die andere Ecke

DribbleBall: Lauf mit dem Ball auf as Tor zu ShootPos: Pass auf eine bestimmte Position, oft in der Nähe des

gegnerischen Tors InboundShoot: Schuss auf die Bande nach Berechnung TurnBall: Drehung mit Ball in Richtung gegnerisches Tor

Ohne Ball ObserveBall, SearchBall, GotoPosition, WaitPass, GetBall,

GotoBall . . .


Spieler Verhalten: Bandenschuss & Trickschuss

Bandenschuss gegen COPS Stuttgart Trickschuss gegen Sharif (Iran)


Kooperatives Handeln Fehlende Koordination führt zu Schwarmverhalten Verringerung von Störverhalten erwünscht

Keine Angriffe auf eigene Mitspieler Keine Blockierung des angreifenden oder verteidigenden Roboter Verwendung von Kompetenzbereichen auf dem Feld

Aufgabenverteilung und Neuverteilung Der Spieler der dem Ball am nächsten ist sollte zu diesem gehen Wenn ein Spieler verhindert ist, sollte ein anderer seine Aufgabe übernehmen

Gemeinsame Aktions-Ausführung: Passspiel Verwendung von dynamischen Rollenwechseln


Kooperation: Dynamische Rollenverteilung

Jeder Spieler hat eine von 4 Rollen: „goalie“: Torwart (fest) „active“: Spieler mit dem Ball „supporter“: Spieler in geg. Hälfte „strategic“: Spieler in eig. Hälfte

Platzierung: jede Rolle bevorzugt bestimmte Positionen, abhängig von der Situation: Ball Position, Positionen der Mitspieler und

Gegner Defensive oder Offensive

Aktive Rolle

Strategische Rolle

Unterstützende Rolle


Dynamischer Rollenwechsel Jeder Spieler berechnet einen Nutzenwert für jeden Spieler und

jede Rolle und verschickt diesen Der Nutzen hängt von der Entfernung des Spielers zu der

bevorzugten Position der Rolle ab Jeder Spieler versucht den Gesamtnutzen der Gruppe zu

maximieren unter der Annahme das dies alle Mitspieler tun

Rollen werden nur dann vertauscht wenn min. zwei Spieler einer Meinung sind

Anmerkung: Lokale Ansichten der Roboter können variieren!


Beispiel des Rollenwechsels

Verteidigung gegen Artisti Veneti (Italien) .Die Rollen des aktiven und strategischen Spielers werden einige male gewechselt


Gemeinsame Ausführung: Ein Pass . . . der leider nicht geklappt hat

Ein Pass im Semi-Finale gegen das italienische ART Team (RoboCup 1999). Basierend auf folgender Direktive: “Wenn es nicht möglich ist direkt zu schießen, warte auf den supporter und spiele dann einen Pass“


Roboter für Sicherheit und Katastrophenhilfe (S&R)

„Vereinfachte“ Bedingungen bei RoboCup Soccer: Die Welt besteht aus 8 Farben (auch normierte Beleuchtung) Die Welt ist klein (ca. 14 x 12 Meter) Der Boden ist flach

Wissenschaftliche Herausforderung S&R: Hoher grad an Realitätsnähe, z.B. „unstrukturierte“ Umgebung

Sozialer Nutzen: Roboter sollen Aufgaben übernehmen die für Menschen lebensgefährlich sind Hohe Nachfrage bei „First Respondern“, z.B. Feuerwehr und Polizei Bisher nur „ferngesteuerte“ Einsätze bei z.B. 9/11 und Kathrina


TechX Wettkampf in SingapurSzenario Beschreibung

(1) Suche selbständig nach einem Zielgebäude auf einem größeren Gelände, bestehend aus

- Gebäuden- Unwegsamen Gelände (Wiese und

Steigungen)- Hindernissen die umfahren oder

überwunden werden müssen(2) Fahre eine Treppe um das

Zielgebäude zu betreten(3) Erreiche das Zielstockwerk über

einen Aufzug(4) Durchsuche alle Räume nach

Zielobjekten und berühre diese(5) Fahr zurück zur Startposition

(Eingang vom Gelände)

- Volle Autonomie, z.B. jeglicher Funkkontakt ist verboten - „Mission not accomplished“ nach verstreichen einer Stunde oder wenn ein Ziel übersehen wurde -Preisgeld: 500.000€ für den schnellsten Roboter der alle Ziele findet

Skizze der Organisatoren


TechX Wettkampf in SingapurMissionsinformation

1.) Bild des Gebäudeeingangs 2.) Bild des Aufzugs

3.) Text Information


TechX Wettkampf in SingapurZielobjekte die erkannt werden müssen

Kiste Mülleimer Koffer Puppe


TechX Wettkampf in SingapurUnterschiede zur „DARPA Grand Challenge“

DARPA GC: Ausreichend GPS Wegpunkte mit

“Fahrkorridor” “Befahrbarkeit” des Geländes ist

einfach erkennbar (Straße) Strassen sind von Gebäuden entfernt

(auch Innerorts) TechX:

Drei GPS Wegpunkte (Start, Ende, und das Zielgebäude)

Navigation auf jeder Geländeart erlaubt Robot navigiert nah zu Gebäuden

(GPS Probleme)

RNDF Fahrkorridor


Der teleMAX EOD Roboter

Systemübersicht teleMAX Roboter der TELEROB AG

All-Terrain Roboter mit 4 Flippern 6 DOF Manipulator 1h Autonomie Dimensionen: 45cm x 100cm –

160cm (abh. Von Flippern) Gewicht: ~100kg mit Sensoren Klettersteigung: 45° Hindernissüberwindung: 0.5m Made in Germany


Systemübersicht Sensoren

(1) 3D Scanner: Macht 3D Scans während der Fahrt

Sieht alles, z.B. Hindernisse, innerhalb von 80 Meter vor den Roboter

Sick LMS291 rotiert um seine Achse Amtec PR070 Modul für die Rotation

(2) 2D Laser (sieht 360°) Zur Lokalisierung

(3) 2D/3D Hokuyo URG-04LX Zur „Manipulation“ an der Hand angebracht

(misst Entfernungen)(4) Video Kameras vorne und hinten am

Roboter Zur Manipulation und Terrain Klassifikation

(5) Crossbow AHRS440 Trägheitssensor- Berechnet die 6D Pose des Roboters

(6) Trimble Pathfinder ProXT GPS

6

teleMAX mit Sensoren


System ÜbersichtGPS Positionsbestimmung – Verringerung von „Multipath“

Fehler ca. 3.5 Meter

Fehler ca. 5.0 Meter

30 Minuten Fahrt


System Übersicht3D Karte von Laser Daten und Rad-Odometrie

Wegweiser

Bäume

Gebäude 51

Gebäude 52

Vom Roboter erstellte 3D Karte (Uni Freiburg)


Kartierung des GeländesBeispiel: „Closing the Loop“


Unwegsames Gelände

Höhenkarte

Klassifizierte Karte Verhaltenskarte

NavigationKlassifikation von „unwegsamen Gelände“ durch Verhaltenskarten

Eingezeichnete Verhalten mit Parameter, z.B. Startposition und Winkel


Objekterkennung

Tiefenbild der momentanen Szene

Tiefenbilder des Models (von verschiedenen Ansichten)

3D Scan der momentanen Szene Aus der 3D Objektdatenbank

Merkmalerkennung

Objekterkennung


Befahren einer TreppeNeues und altes System

„Lurker“ während RoboCup 2006 (voll autonom)

Telemax in unserem Labor 2008 (ferngesteuert)


Schlussbemerkungen Methoden für das verteilte Wahrnehmen und Handeln werden

zunehmend wichtiger Die Verschmelzung mehrerer „Meinungen“ führt zu einer robusteren

Wahrnehmung der Welt … … und die Koordination einzelner Aktionen zu effizientem Handeln

Wettkämpfe, wie RoboCup und TechX, sind Beispiele für das „Benchmarking“ von Robotersystemen Die Anforderungen steigen schrittweise Jahr für Jahr, wie z.B. beim spielen

verschiedener Golfplätze Wenn man es richtig angeht, kann man auch einen

Weltmeistertitel gewinnen

32


Ergebnisse In der Mid-sized Liga

2ter Platz bei RoboCup German Open 2002 1ter Platz bei RoboCup 2001 1ter Platz bei RoboCup German Open 2001 1ter Platz bei RoboCup 2000 1ter Platz bei RoboCup'98

In der Rescue Simulation Liga (ResQ Freiburg): 1ter Platz bei den GermanOpen 2003 1ter Platz bei den GermanOpen 2004 1ter Platz bei der RoboCup Weltmeisterschaft 2004 in Portugal Gewinner des Infrastruktur-Wettkampfs bei RoboCup 2004 1ter Platz bei den GermanOpen 2005 Gewinner des Infrastruktur-Wettkampfs bei RoboCup 2005

In der Rescue Robot Liga (RescueRobots Freiburg): 2ter Platz bei den GermanOpen 2005 „Mobility Award“ bei den GermanOpen 2005 1ter Platz "Best in class Autonomy" bei RoboCup 2005 in Osaka 1ter Platz "Best in class Autonomy" bei RoboCup 2006 in Bremen

In der Rescue Simulation Liga (RescueRobots Freiburg): 1ter Platz in der „Virtual robots competition“ bei RoboCup 2006 Gewinner des Infrastruktur-Wettkampfs bei RoboCup 2006

Beim “Sick Robot Day” 2007 1ter Platz


Vielen Dank für ihre Aufmerksamkeit!


Wettkämpfe & Wissenschaft Wettkämpfe fördern den „State of the art“ in der

Wissenschaft Direkte Vergleiche Entwicklung neuer, innovativer Lösungen

Probleme: Ausnutzen von „Löchern“ in den Regeln Fokus auf den Wettkampf

Wie baut man ein erfolgreiches System: Konzeptionelle Details sind sehr wichtig (z.B.

Selbstlokalisierung, Team Koordination) Kombination, Integration & Robustheit spielen eine wichtige

Rolle Resultate werden in Workshops ausgetauscht

Documents

Dr. Alexander Kleiner, Albert-Ludwigs-Universität Freiburg Autonome Roboter Teams für Fußball und Katastrophenhilfe Verteiltes Wahrnehmen und Handeln Roboter