Context-Aware Information Gathering and Processing Towards Supporting Autonomous Systems in Industry 4.0 Scenarios - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2023

Context-Aware Information Gathering and Processing Towards Supporting Autonomous Systems in Industry 4.0 Scenarios

Collecte et traitement des informations en fonction du contexte en vue de soutenir les systèmes autonomes dans les scénarios de l'industrie 4.0

Résumé

Industry 4.0 environments are characterized by the coexistence of a diverse set of devices, including sensors, mixed-reality displays, robots, drones, and smart objects. These systems must be capable of autonomously taking critical in-time decisions necessary to perform complex tasks without human input. One essential application for Industry 4.0 is multi-robot exploration and mapping of unknown environments, especially in critical missions such as hazard detection and search and rescue. These missions share the need to reach full coverage of the explorable space in the shortest time possible. To minimize completion time, robots in the fleet must be able to exchange information about the environment reliably with one another. However, existing exploration and mapping algorithms suffer from inaccuracies and inefficiencies due to their lack of contextual awareness of their surroundings, especially in terms of communications, lacking flexibility and adaptability to the environment, and hence, adding unnecessary delay to the mission at hand. In this thesis, we investigate the impact of communication awareness on the performance of multi-robot exploration and mapping expeditions, in terms of time to completion. We evaluate existing research in the field and demonstrate the impact of not considering communication impairments when designing such algorithms. From there, we propose Atlas, an exploration and mapping algorithm that natively takes packet loss into account, with a 100% completion ratio even with Packet Delivery Ratios (PDRs) as low as 0.1. However, Atlas on its own cannot handle scenarios where connectivity is completely lost. It also adds a significant delay to the completion of the mission, as lost packets keep getting re-transmitted periodically until they are received. One solution is relay placement. Most research on relay placement for multi-robot expeditions tend to fall into two categories. First, communication-aware relay placement based on initial Received Signal Strength Indicator (RSSI) is used. However, this requires running a full mission prior to the exploration to find the optimal position for the relays to be placed. Second, maintaining a distance (specified prior to the mission) between relays and exploration robots. These methods add to the time it takes to complete the mission. The research question becomes how can we place relays to maintain communication as reliable as possible, and also dynamically throughout the exploration mission without prior knowledge of the environment, in a way that reduces delay to the exploration and mapping time to completion. We solve this by proposing ``Connectivity Aware Relay Algorithm'' (CARA), a dynamic context-aware relay placement algorithm that does not require any prior knowledge of the environment. We developed an open-source simulator for multi-robot expeditions which we used to test both algorithms against state-of-the-art algorithms. Using both Atlas and CARA results in a dynamic context-aware multi-robot expedition that autonomously builds a map of a fully unknown environment, while dynamically placing relays when needed to maintain connectivity that outperforms state-of-the-art algorithms, in terms of time to completion, by a factor of 10.
Les environnements de l'industrie 4.0 se caractérisent par la coexistence d'un ensemble diversifié de dispositifs, notamment des capteurs, des écrans à réalité mixte, des robots, des drones et des objets intelligents. Ces systèmes doivent être capables de prendre de manière autonome les décisions critiques en temps voulu nécessaires à l'exécution de tâches complexes sans intervention humaine. Une application essentielle de l'industrie 4.0 est l'exploration et la cartographie multi-robots d'environnements inconnus, en particulier dans le cadre de missions critiques telles que la détection des dangers et la recherche et le sauvetage. Ces missions partagent le besoin d'atteindre une couverture complète de l'espace explorable dans le temps le plus court possible. Pour minimiser le temps de réalisation, les robots de la flotte doivent être capables d'échanger des informations sur l'environnement de manière fiable entre eux. Cependant, les algorithmes d'exploration et de cartographie existants souffrent d'inexactitudes et d'inefficacités en raison de leur manque de connaissance contextuelle de leur environnement, notamment en termes de communications, de leur manque de flexibilité et d'adaptabilité à l'environnement, et donc, de l'ajout d'un retard inutile à la mission en cours. Dans cette thèse, nous étudions l'impact de la connaissance des communications sur la performance des expéditions d'exploration et de cartographie multi-robots, en termes de temps de réalisation. Nous évaluons les recherches existantes dans ce domaine et démontrons l'impact de la non prise en compte des problèmes de communication lors de la conception de tels algorithmes. À partir de là, nous proposons Atlas, un algorithme d'exploration et de cartographie qui prend en compte de manière native la perte de paquets, avec un taux d'achèvement de 100 % même avec des taux de remise de paquets (PDR) aussi bas que 0,1. Cependant, Atlas ne peut pas, à lui seul, gérer les scénarios où la connectivité est complètement perdue. Cela ajoute également un retard important à l'achèvement de la mission, car les paquets perdus sont retransmis périodiquement jusqu'à ce qu'ils soient reçus. Une solution est le placement de relais. La plupart des recherches sur le placement de relais pour les expéditions multi-robots tendent à se répartir en deux catégories. Premièrement, le placement des relais en fonction de la communication, basé sur l'indicateur de force du signal reçu (RSSI) initial, est utilisé. Cependant, cela nécessite l'exécution d'une mission complète avant l'exploration pour trouver la position optimale des relais à placer. Deuxièmement, il faut maintenir une distance (spécifiée avant la mission) entre les relais et les robots d'exploration. Ces méthodes augmentent le temps nécessaire à l'exécution de la mission. La question de recherche devient : comment placer les relais pour maintenir une communication aussi fiable que possible, et aussi dynamiquement tout au long de la mission d'exploration sans connaissance préalable de l'environnement, de manière à réduire le retard de l'exploration et le temps de cartographie pour l'achèvement. Nous résolvons ce problème en proposant le "Connectivity Aware Relay Algorithm'' (CARA), un algorithme dynamique de placement de relais sensible au contexte qui ne nécessite aucune connaissance préalable de l'environnement. Nous avons développé un simulateur open-source pour les expéditions multi-robots que nous avons utilisé pour tester les deux algorithmes contre les algorithmes de pointe. L'utilisation d'Atlas et de CARA permet de réaliser une expédition multi-robot dynamique et contextuelle qui construit de manière autonome une carte d'un environnement totalement inconnu, tout en plaçant dynamiquement des relais lorsque cela est nécessaire pour maintenir la connectivité, qui surpasse les algorithmes de pointe, en termes de temps de réalisation, d'un facteur 10.
Fichier principal
Vignette du fichier
ABU_AISHEH_Razane_these_2023.pdf (9.11 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04017864 , version 1 (07-03-2023)
tel-04017864 , version 2 (28-03-2023)

Identifiants

  • HAL Id : tel-04017864 , version 2

Citer

Razanne Abu-Aisheh. Context-Aware Information Gathering and Processing Towards Supporting Autonomous Systems in Industry 4.0 Scenarios. Robotics [cs.RO]. Sorbonne Université, 2023. English. ⟨NNT : 2023SORUS022⟩. ⟨tel-04017864v2⟩
139 Consultations
23 Téléchargements

Partager

Gmail Facebook X LinkedIn More