TU Darmstadt / ULB / TUbiblio

Optimal Motion Planning for Object Interception and Capture

Lampariello, Roberto (2021)
Optimal Motion Planning for Object Interception and Capture.
Technische Universität Darmstadt
doi: 10.26083/tuprints-00017617
Dissertation, Erstveröffentlichung, Verlagsversion

Kurzbeschreibung (Abstract)

The work presented in this thesis is motivated by the great strength of optimal control and numerical optimization in generating feasible and optimal trajectories for complex robot trajectory planning problems. The task of interest is the interception and capture of free-flying objects, to include the interception with a flying object on ground by means of a fixed-based robot and the capture of a free-tumbling satellite in orbit by means of a space robot. In the first application, dynamic constraints play an important role in the optimal solutions, which need to be computed in a short time. In the second application, the optimal motion planning is characterized by multiple motion and sensor-based constraints, as well as by the non-holonomic dynamics of the robot. The stringent safety requirements in the remote orbital operational environment call for methods which can provide guarantees of feasibility with respect to the constraints at hand. Given the non-convex and highly constrained nature of these planning problems, the performance of trajectory optimization methods heavily depends on the provided trajectory initialization and they are generally not guaranteed to find a feasible solution. This motivates generating solutions offline and retrieving them online with the aid of generalization via regression. A series of regression methods are applied and compared to the first problem, namely the interception with a flying object on ground, for purpose of analysis. The optimal solutions generated offline build a training set for the regression methods, which construct a mapping function between a suitable task space and the optimization parameter solution space. This mapping is then used in an online setting, to quickly provide an initial guess for warm starting an online planner. Statistical simulation results show a very high rate of convergence of the online planner, and give insight into the relation between the optimality of the solutions and the size of the training data set. For the second task, namely the robot trajectory planning for the capture of a freetumbling satellite in orbit, knowledge of the satellite motion in future time is required. The dynamics of a free-tumbling satellite in orbit can be modelled as a free rigid body. The rotational dynamics however still presents some challenges, when wanting to propagate the body’s orientation for a sufficient time, for planning purposes. These challenges are addressed here in detail, proposing a method to identify the state and inertial parameters necessary for a robust motion prediction, accounting for measurement noise, modelling errors and other dynamical effects pertinent to the free-body dynamics. Furthermore, a statistical propagation method is presented which provides an estimate of the dispersion of the motion prediction, which results from the same disturbances. This information is intended as input to robust control methods, which account for the given uncertainty. The OOS-SIM robotic experimental facility at the DLR reproduces orbital dynamic and illumination conditions on ground, and was used to validate the proposed methods. A complex trajectory planner is then presented for the task of capturing the free-tumbling satellite by means of a free-floating robot in a realistic operational scenario. Due to the long computation times necessary for generating a training data set, an initialization method was developed based on a look-up table combined with a motion propagation of the target satellite. A statistical simulation analysis shows a satisfactory convergence behavior of the online planner. Furthermore, in order to make use of the motion planning solutions for control purposes, a tracking controller is presented which combines the planner’s input to sensor feedback. This controller was also implemented and tested on the OOS-SIM facility. The methods presented in this thesis for the satellite capture task describe an autonomous operational strategy. The motion planning is combined with target satellite motion prediction and robot tracking control functionalities in a new fashion. The use of numerical trajectory optimization for control purposes is as such demonstrated for this application. The effectiveness of using an experimental facility on ground for validation purposes is also demonstrated. More generally, the results for the two addressed interception and capture tasks have shown that generalization via regression of feasible and optimal solutions generated offline has great potential for efficiently solving complex trajectory planning problems online. This potential is also recognizable from the described possible improvements of the adopted methods, as well as from the possible use of GPU and cluster technologies. A reference trajectory is argued to be necessary to provide guarantees of feasibility for a given task. However, its intrinsic uncertainty calls for methods which provide the same guarantees, in view of the necessary trajectory deviations in the tracking phase.

Typ des Eintrags: Dissertation
Erschienen: 2021
Autor(en): Lampariello, Roberto
Art des Eintrags: Erstveröffentlichung
Titel: Optimal Motion Planning for Object Interception and Capture
Sprache: Englisch
Referenten: Peters, Prof. Dr. Jan ; Schilling, Prof. Dr. Klaus
Publikationsjahr: 2021
Ort: Darmstadt
Kollation: xvi, 116 Seiten
Datum der mündlichen Prüfung: 8 Dezember 2020
DOI: 10.26083/tuprints-00017617
URL / URN: https://tuprints.ulb.tu-darmstadt.de/17617
Kurzbeschreibung (Abstract):

The work presented in this thesis is motivated by the great strength of optimal control and numerical optimization in generating feasible and optimal trajectories for complex robot trajectory planning problems. The task of interest is the interception and capture of free-flying objects, to include the interception with a flying object on ground by means of a fixed-based robot and the capture of a free-tumbling satellite in orbit by means of a space robot. In the first application, dynamic constraints play an important role in the optimal solutions, which need to be computed in a short time. In the second application, the optimal motion planning is characterized by multiple motion and sensor-based constraints, as well as by the non-holonomic dynamics of the robot. The stringent safety requirements in the remote orbital operational environment call for methods which can provide guarantees of feasibility with respect to the constraints at hand. Given the non-convex and highly constrained nature of these planning problems, the performance of trajectory optimization methods heavily depends on the provided trajectory initialization and they are generally not guaranteed to find a feasible solution. This motivates generating solutions offline and retrieving them online with the aid of generalization via regression. A series of regression methods are applied and compared to the first problem, namely the interception with a flying object on ground, for purpose of analysis. The optimal solutions generated offline build a training set for the regression methods, which construct a mapping function between a suitable task space and the optimization parameter solution space. This mapping is then used in an online setting, to quickly provide an initial guess for warm starting an online planner. Statistical simulation results show a very high rate of convergence of the online planner, and give insight into the relation between the optimality of the solutions and the size of the training data set. For the second task, namely the robot trajectory planning for the capture of a freetumbling satellite in orbit, knowledge of the satellite motion in future time is required. The dynamics of a free-tumbling satellite in orbit can be modelled as a free rigid body. The rotational dynamics however still presents some challenges, when wanting to propagate the body’s orientation for a sufficient time, for planning purposes. These challenges are addressed here in detail, proposing a method to identify the state and inertial parameters necessary for a robust motion prediction, accounting for measurement noise, modelling errors and other dynamical effects pertinent to the free-body dynamics. Furthermore, a statistical propagation method is presented which provides an estimate of the dispersion of the motion prediction, which results from the same disturbances. This information is intended as input to robust control methods, which account for the given uncertainty. The OOS-SIM robotic experimental facility at the DLR reproduces orbital dynamic and illumination conditions on ground, and was used to validate the proposed methods. A complex trajectory planner is then presented for the task of capturing the free-tumbling satellite by means of a free-floating robot in a realistic operational scenario. Due to the long computation times necessary for generating a training data set, an initialization method was developed based on a look-up table combined with a motion propagation of the target satellite. A statistical simulation analysis shows a satisfactory convergence behavior of the online planner. Furthermore, in order to make use of the motion planning solutions for control purposes, a tracking controller is presented which combines the planner’s input to sensor feedback. This controller was also implemented and tested on the OOS-SIM facility. The methods presented in this thesis for the satellite capture task describe an autonomous operational strategy. The motion planning is combined with target satellite motion prediction and robot tracking control functionalities in a new fashion. The use of numerical trajectory optimization for control purposes is as such demonstrated for this application. The effectiveness of using an experimental facility on ground for validation purposes is also demonstrated. More generally, the results for the two addressed interception and capture tasks have shown that generalization via regression of feasible and optimal solutions generated offline has great potential for efficiently solving complex trajectory planning problems online. This potential is also recognizable from the described possible improvements of the adopted methods, as well as from the possible use of GPU and cluster technologies. A reference trajectory is argued to be necessary to provide guarantees of feasibility for a given task. However, its intrinsic uncertainty calls for methods which provide the same guarantees, in view of the necessary trajectory deviations in the tracking phase.

Alternatives oder übersetztes Abstract:
Alternatives AbstractSprache

Die hier vorgestellten Arbeiten sind durch die große Stärke der optimalen Steuerung und der numerischen Optimierung bei der Berechnung durchfuhrbarer und optimaler Trajektorien für komplexe Roboter-Trajektorienplanungsprobleme motiviert. Die in dieser Arbeit interessierende Aufgabe ist das Abfangen und Einfangen von frei fliegenden Objekten, einschließlich des Abfangens mit einem fliegenden Objekt am Boden mittels eines erdgebundenen Roboters und das Einfangen eines frei taumelnden Satelliten im Orbit mittels eines Weltraumroboters. Bei der ersten Anwendung spielen dynamische Beschränkungen eine wichtige Rolle für die optimalen Lösungen, die in kurzer Zeit berechnet werden müssen. In der zweiten Anwendung ist die optimale Bewegungsplanung durch mehrere Bewegungs- und sensorbasierte Einschränkungen sowie durch die nicht-holonomische Dynamik des Roboters gekennzeichnet. Die hohen Sicherheitsanforderungen in der abgelegenen orbitalen Betriebsumgebung erfordern Methoden, die Garantien für die Machbarkeit unter Berücksichtigung der vorliegenden Randbedingungen bieten können. Angesichts der nicht konvexen und stark eingeschränkten Natur dieser Planungsprobleme hängt die Leistung von Trajektorienoptimierungsmethoden stark von der vorgesehenen Trajektorieninitialisierung ab, und es ist im Allgemeinen nicht garantiert, dass sie eine durchfuhrbare Lösung finden. Dies motiviert dazu, Lösungen offline zu generieren und sie online mit Hilfe der Generalisierung durch Regression abzurufen. Zur Analyse wird eine Reihe von Regressionsmethoden angewendet und mit dem ersten Problem, nämlich dem Abfangen mit einem Flugobjekt am Boden, verglichen. Die Aufgabe wird in verschiedenen Varianten formuliert und mit einer unterschiedlichen Anzahl von Dimensionen parametrisiert. Die offline generierten optimalen Lösungen bilden ein Trainingsset für die Regressionsmethoden, die eine Abbildungsfunktion zwischen einem geeigneten Aufgabenraum und dem Optimierungsparameter-Lösungsraum konstruieren. Diese Abbildung wird dann in einer Online-Umgebung verwendet, um schnell eine erste Schätzung für den Warmstart eines Online-Planers zu liefern. Statistische Simulationsergebnisse zeigen eine sehr hohe Konvergenzrate des Online-Planers und geben Einblick in die Beziehung zwischen der Optimalität der Lösungen und der Größe des Trainingsdatensatzes. Für die zweite Aufgabe, nämlich die Planung der Trajektorie des Roboters für das Einfangen eines frei taumelnden Satelliten im Orbit, ist die Kenntnis der Satellitenbewegung in der Zukunft erforderlich. Die Dynamik eines frei taumelnden Satelliten im Orbit kann als freier starrer Körper modelliert werden. Die Rotationsdynamik stellt jedoch immer noch einige Herausforderungen dar, wenn man die Ausrichtung des Körpers für eine ausreichende Zeit zu Planungszwecken propagieren will. Diese Herausforderungen werden hier im Detail behandelt, indem eine Methode vorgeschlagen wird, um den Zustand und die Trägheitsparameter zu identifizieren, die für eine robuste Bewegungsvorhersage notwendig sind, wobei Messrauschen, Modellierungsfehler und andere dynamische Effekte, die für die Freikörperdynamik relevant sind, berücksichtigt werden. Darüber hinaus wird eine statistische Vorhersagemethode vorgestellt, die eine Schätzung der Streuung der Bewegungsvorhersage liefert, die aus den gleichen Störungen resultiert. Diese Informationen sind als Input für robuste Regelungsmethoden gedacht, die die gegebene Unsicherheit berücksichtigen. Die Roboter-Experimentieranlage OOS-SIM am DLR reproduziert die orbitalen Dynamik- und Beleuchtungsbedingungen am Boden und wurde zur Validierung der vorgeschlagenen Methoden verwendet. Anschließend wird ein komplexer Trajektorienplaner vorgestellt, der die Aufgabe hat, den frei taumelnden Satelliten mit Hilfe eines frei-schwebenden Roboters in einem realistischen Einsatzszenario zu einfangen. Aufgrund der langen Berechnungszeiten, die für die Generierung eines Trainingsdatensatzes notwendig sind, wurde eine Initialisierungsmethode entwickelt, die auf einer Look-up-Tabelle in Kombination mit einer Bewegungsvorhersage des Zielsatelliten basiert. Eine statistische Simulationsanalyse zeigt ein zufriedenstellendes Konvergenzverhalten des Online-Planers. Um die Bewegungsplanungslösungen für Steuerungszwecke zu nutzen, wird darüber hinaus ein Tracking-Controller vorgestellt, der den Input des Planers mit Sensor-Feedback kombiniert. Dieser Controller wurde ebenfalls auf der OOS-SIM-Anlage implementiert und getestet. Die in dieser Arbeit vorgestellten Methoden für die Satelliteneinfangensaufgabe beschreiben eine autonome Betriebsstrategie. Die Bewegungsplanung wird auf eine neue Art und Weise mit den Funktionen der Bewegungsvorhersage des Zielsatelliten und der Tracking-Controller der Roboters kombiniert. Die Anwendung der numerischen Trajektorienoptimierung für Steuerungszwecke wird als solche für diese Anwendung demonstriert. Die Wirksamkeit des Einsatzes einer Versuchsanlage am Boden zu Validierungszwecken wird ebenfalls demonstriert. Allgemeiner gesagt, die Ergebnisse für die beiden behandelten Abfang- und Erfassungsaufgaben haben gezeigt, dass die Verallgemeinerung durch Regression von machbaren und optimalen Lösungen, die offline generiert wurden, ein großes Potential für die effiziente Lösung komplexer Trajektorienplanungsprobleme online hat. Dies ist auch an den beschriebenen möglichen Verbesserungen der angewandten Methoden sowie an der möglichen Nutzung von GPU- und Cluster-Technologien erkennbar. Es wird argumentiert, dass eine Referenztrajektorie notwendig ist, um die Durchfuhrbarkeit für eine bestimmte Aufgabe zu garantieren. Ihre inhärente Unsicherheit verlangt jedoch nach Methoden, die angesichts der notwendigen Trajektorienabweichungen in der Tracking-Phase die gleichen Garantien bieten.

Deutsch
Status: Verlagsversion
URN: urn:nbn:de:tuda-tuprints-176178
Sachgruppe der Dewey Dezimalklassifikatin (DDC): 000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik
600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften und Maschinenbau
Fachbereich(e)/-gebiet(e): 20 Fachbereich Informatik
20 Fachbereich Informatik > Intelligente Autonome Systeme
Hinterlegungsdatum: 23 Mär 2021 08:33
Letzte Änderung: 30 Mär 2021 07:52
PPN:
Referenten: Peters, Prof. Dr. Jan ; Schilling, Prof. Dr. Klaus
Datum der mündlichen Prüfung / Verteidigung / mdl. Prüfung: 8 Dezember 2020
Export:
Suche nach Titel in: TUfind oder in Google
Frage zum Eintrag Frage zum Eintrag

Optionen (nur für Redakteure)
Redaktionelle Details anzeigen Redaktionelle Details anzeigen