Safe and efficient hierarchical planning and control of mobile robots : moving-horizon optimization with local sensing

Abstract

Mobile robots are increasingly being used in various fields such as delivery logistics, healthcare, elder care, and industrial automation. Many of these applications require high reliability and safe operation, especially when robots operate in dynamic envi- ronments shared with humans. A key challenge in this context is the planning of an optimal path to reach a desired goal –commonly referred to as path planning. Under ideal conditions, path planning relies on complete environmental information, includ- ing all obstacles, dynamic and static objects, and uncertainties regarding the available data. However, in real-world applications, mobile robots often have only limited in- formation, necessitating path planning based on locally available sensor data and the ability to respond to unforeseen changes, such as sudden obstacles. Technological advancements have helped to address this challenge. Modern mobile robots can be equipped with various sensors such as LiDAR, ultrasound, and camera systems, enabling them to capture environmental data in real-time. These data serve as the foundation for the planning and control layers, which guide the robot safely from an initial state to a desired location. However, this introduces the challenge of ensuring that path planning under limited information remains efficient and safe in real time. Generating a collision-free path for mobile robots in a partially or fully unknown environment presents a significant challenge. The planned trajectory must avoid obsta- cles and adhere to the robot’s dynamics, while being computed in real-time. Typically, this problem is solved hierarchically, where planning and control tasks are executed step by step based on available information. However, this approach often leads to overly cautious behavior and suboptimal paths, as the robot must continuously avoid potential collisions. Adaptive navigation in dynamic environments offers a potential solution, as it provides additional information and reduces uncertainties. Taking a slight detour using onboard sensors can improve environmental perception and lead to a more efficient movement strategy. This work focuses on the interaction between planning and control for mobile robots, aiming to achieve more efficient and faster navigation through adaptive navigation strategies, even in partially unknown environments. To accomplish this, the planner and controller must generate a safe path within the sensor’s field of view while simul- taneously gathering new information during movement, without compromising safety. By formulating the planning problem as a mathematical optimization problem, this thesis addresses key challenges and develops corresponding solutions. First, a hierarchical control framework over a moving horizon is introduced, enabling real-time path planning and control under limited sensor information. This concept includes a local planner, which solves a mixed-integer optimization problem using only local sensor data to generate a safe path within the sensor’s field of view. The robot’s dynamics are approximated using a linear model, while constraints such as obstacles and maximum velocities are enforced through linear inequalities with mixed- integer components. A low-level controller, based on a nonlinear model predictive control approach, ensures that the robot accurately follows the planned trajectories while accounting for potential nonlinearities. Simulation results confirm the real-time feasibility of the approach while ensuring safe obstacle avoidance. Building on this, a two-stage planning and control strategy over a rolling horizon is introduced, enabling adaptive navigation to enhance environmental perception within the robot’s sensor range. The local planner provides the low-level controller with a safe region in which it can perform navigation adjustments. New sensor data is integrated into the controller through an additional term in the cost function, allowing the robot to refine its navigation strategy while ensuring safe and efficient movement within its environment. Additionally, a fallback strategy is developed to limit the additional computational effort required for navigation adaptation. This strategy terminates adjustments when they become too costly and ensures that the robot can return to a preplanned safe path if necessary. Simulation results demonstrate that the approach is computationally efficient in real time, leading to shorter, safer, and more efficient paths. In summary, this work makes a significant contribution to the development of more efficient, adaptive, and safer mobile robots, capable of navigating reliably in complex environments. Particularly in dynamic scenarios where robots interact with humans, such as in care facilities, hospitals, or public spaces, safe and predictive movement is essential. The methods presented in this work enhance robotic assistance in daily life, enabling mobile robots to operate safely and efficiently, detect and avoid obsta- cles in real time, and dynamically adjust their navigation in changing environments, ultimately improving their usability and effectiveness in real-world applications.

Mobile Roboter finden zunehmend Einsatz in verschiedenen Bereichen wie der Lieferlo- gistik, dem Gesundheitswesen, der Pflege und der industriellen Automatisierung. Viele dieser Anwendungen erfordern eine hohe Zuverlässigkeit und einen sicheren Betrieb, insbesondere wenn Roboter in dynamischen Umgebungen mit Menschen agieren. Eine zentrale Aufgabe dabei ist die Planung eines optimalen Weges, um ein gewünschtes Ziel zu erreichen – die sogenannte Pfadplanung. Unter idealen Bedingungen basiert die Pfadplanung auf vollständigen Umgebungsinformationen, einschließlich aller Hinder- nisse, dynamischer und statischer Objekte sowie möglicher Unsicherheiten bezüglich der verfügbaren Daten. In der Realität jedoch stehen mobilen Robotern oft nur be- grenzte Informationen zur Verfügung, was eine Pfadplanung auf Grundlage lokal ver- fügbarer Sensordaten sowie die Reaktion auf unvorhergesehene Veränderungen, wie plötzlich auftretende Hindernisse, erforderlich macht. Diese Herausforderung wird durch den technologischen Fortschritt erleichtert. Mo- derne mobile Roboter können mit verschiedenen Sensoren wie LIDAR- und Kame- rasystemen ausgestattet werden, die es ermöglichen, Umgebungsdaten in Echtzeit zu erfassen. Diese Daten dienen als Grundlage für die Planungs- und Regelungsschicht, die den Roboter sicher von einem Ausgangszustand zu einem gewünschten Ziel führt. Dies bringt jedoch die Herausforderung mit sich, dass die Pfadplanung unter begrenz- ten Informationen effizient und sicher in Echtzeit erfolgen muss. Die Entwicklung eines kollisionsfreien Pfades für mobile Roboter in einer teilweise oder vollständig unbekannten Umgebung stellt eine erhebliche Herausforderung dar. Die geplante Trajektorie muss nicht nur Hindernisse vermeiden, sondern auch der Dy- namik des Roboters entsprechen, während sie in Echtzeit berechnet wird. Typischer- weise wird diese Problematik hierarchisch gelöst, indem Planungs- und Steuerungsauf- gaben auf Grundlage der verfügbaren Informationen schrittweise ausgeführt werden. Diese Vorgehensweise führt jedoch häufig zu vorsichtigem Verhalten des Roboters und suboptimalen Pfaden, da jederzeit eine Kollision vermieden werden soll. Eine adaptive Navigation in dynamischen Umgebungen kann eine Lösung bieten, da sie die Umge- bungswahrnehmung verbessert und Unsicherheiten bei der Bewegung reduziert. Ein „Umwegünter Nutzung der Bord-Sensoren kann die Umgebungswahrnehmung erwei- tern und zu einer effizienteren Bewegung führen. Diese Arbeit konzentriert sich auf die Interaktion von Planung und Regelung für mobile Roboter mit dem Ziel, durch adaptive Navigation effizientere und sicherere Pfade zu finden, selbst in dynamischen Umgebungen mit begrenzten Sensorinforma- tionen. Dazu muss der Planer/Regler einen sicheren Pfad innerhalb des Sichtfeldes der Bord-Sensoren berechnen und gleichzeitig sicherstellen, dass während der Bewegung des Roboters neue Informationen gewonnen werden, ohne die Sicherheit zu gefährden. Basierend auf der Grundidee, Planungs- und Regelungsprobleme als mathematische Optimierungsprobleme zu formulieren, stehen die folgenden spezifischen Fragestellun- gen im Mittelpunkt dieser Arbeit, und es werden geeignete Lösungen entwickelt. Zunächst wird ein hierarchisches Regelungskonzept über einen bewegten Zeithori- zont vorgestellt, das eine Echtzeit-Pfadplanung und -regelung unter begrenzten Sen- sorinformationen ermöglicht. Dieses Konzept umfasst einen lokalen Planer, der ein gemischt-ganzzahliges Optimierungsproblem löst. Dabei werden ausschließlich lokale Sensordaten genutzt, um einen sicheren Pfad innerhalb des Sichtfelds der Sensoren zu planen. Die Dynamik des mobilen Roboters wird durch eine lineare Beschreibung approximiert, während die Einhaltung von Beschränkungen, wie Hindernissen oder maximalen Geschwindigkeiten, durch geeignete lineare Ungleichheitsbedingungen mit gemischt-ganzzahligen Komponenten sichergestellt wird. Ein unterlagerter Regler, der auf einem nichtlinearen modellprädiktiven Regelungsverfahren zur Verfolgung der ge- planten Trajektorien basiert, garantiert die Einhaltung der Dynamik des Roboters, unter Berücksichtigung möglicher Nichtlinearitäten. Simulationsergebnisse belegen die Echtzeitfähigkeit sowie die garantierte Vermeidung von Hindernissen. Darauf aufbauend wird eine zweistufige Planungs- und Regelungsstrategie über einen beweglichen Horizont vorgestellt, die eine adaptive Navigation zur verbesser- ten Wahrnehmung und präziseren Umgebungserfassung im Sensorumfeld des Roboters ermöglicht. Der lokale Planer stellt dem unterlagerten Regler den sicheren Bereich in der Um- gebung zur Verfügung, in dem dieser seine Navigation anpassen kann. Die Gewinnung neuer Informationen wird im Regler durch einen zusätzlichen Term in der Kostenfunk- tion berücksichtigt, wodurch neben der möglichst exakten Verfolgung des geplanten Pfades auch eine verbesserte Umgebungserfassung ermöglicht wird. Zusätzlich wird eine adaptive Anpassungs- und Rückfallstrategie vorgestellt, um den Rechenaufwand zu begrenzen. Die Strategie sorgt dafür, dass der Roboter seine Navigation effizient an- passt und im Bedarfsfall zu einem vorab geplanten sicheren Pfad zurückkehren kann. Simulationsergebnisse belegen, dass das Verfahren in Echtzeit umsetzbar ist und zu kürzeren, sichereren und effizienteren Pfaden führt. Zusammenfassend leistet diese Arbeit einen wichtigen Beitrag zur Entwicklung ef- fizienter, adaptiver und sicherer mobiler Roboter, die in der Lage sind, in komplexen Umgebungen zuverlässig zu navigieren. Besonders in dynamischen Szenarien, in denen Roboter mit Menschen interagieren, wie beispielsweise in Pflegeeinrichtungen, Kran- kenhäusern oder öffentlichen Räumen, ist eine sichere und vorausschauende Bewegung essenziell. Durch die hier vorgestellten Methoden kann Unterstützung im Alltag ver- bessert werden, indem mobile Roboter sicher und effizient arbeiten, Hindernisse au- tonom erkennen und vermeiden sowie ihre Navigation dynamisch anpassen, um ihren Einsatzbereich, ihre Effektivität und ihre Sicherheit weiter zu erhöhen.