Search

We study the problem of coordinating multiple robots along fixed geometric paths. Our contribution is threefold. First we formalize the intuitive concept of priorities as a binary relation induced by a feasible coordination solution, without excluding the case of robots following each other on the same geometric path. Then we prove that two paths in the coordination space are continuously deformable into each other if and only if they induce the \emph{same priority graph}, that is, the priority graph uniquely encodes homotopy classes of coordination solutions. Finally, we give a simple control law allowing to safely navigate into homotopy classes \emph{under kinodynamic constraints} even in the presence of unexpected events, such as a sudden robot deceleration without notice. It appears the freedom within homotopy classes allows to much deviate from any pre-planned trajectory without ever colliding nor having to re-plan the assigned priorities., Comment: 21 pages, in revision for publication in System & Control Letters

AutoNet2030 – Co-operative Systems in Support of Networked Automated Driving by 2030 – is a European project connecting two domains of intensive research: cooperative systems for Intelligent Transportation Systems and Automated Driving. Given the latest developments in the standardization of vehicular communications, vehicles will soon be wirelessly connected, enabling cooperation among them and with the infrastructure. At the same time, some vehicles will offer very advanced driving assistance systems, ranging from Cooperative Adaptive Cruise Control (C-ACC) to full automation. The research issues addressed in AutoNet2030 are as follows: how can all these vehicles with different capabilities most efficiently cooperate to increase safety and fluidity of the traffic system? What kind of information should be exchanged? Which organization (e.g. centralized or distributed) is the best? The purpose of this paper is to introduce the vision and concepts underlying the AutoNet2030 project and the direction of this ongoing research work.

Orientadores: João Bosco Ribeiro do Val, Yusef Rafael Caceres Zuniga Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação Resumo: Radares são sistemas que utilizam ondas eletromagnéticas para detectar alvos e obter informações sobre eles, as quais geralmente incluem distância, azimute, elevação e velocidade radial. Quase todos os radares modernos podem ainda rastrear as trajetórias dos alvos, baseando-se nas medidas. O problema de rastreamento de trajetórias é bem conhecido na literatura. Muitas soluções incluem a premissa de que a variável aleatória representando o estado do sistema, em um dado instante de tempo, é modelada por uma distribuição Gaussiana no espaço Euclidiano, ou, ao menos, pode ser aproximada por uma. Trabalhos recentes mostram que alguns sistemas dinâmicos, tais como robôs de tração diferencial, apresentam restrições geométricas que produzem uma distribuição curva para o estado e enfraquecem a aproximação Gaussiana, o que leva a perdas no desempenho da filtragem. Entretanto, os trabalhos mostram que se o estado do sistema é representado em uma estrutura de grupo de Lie matricial, as coordenadas exponenciais da álgebra de Lie acabam por apresentar um formato que pode ser ajustado a uma distribuição Gaussiana. Mais que isso, muitas estratégias de filtragem negligenciam as restrições geométricas associadas ao sistema, enquanto filtros baseados em grupo de Lie podem considerar tais restrições de uma forma muito natural. Devido às incertezas na velocidade e na velocidade angular de um alvo aéreo, durante a filtragem da trajetória, é razoável esperar que a distribuição do estado também pode apresentar um formato curvo. Além disso, muitos modelos de alvos aéreos de radar consideram o sistema como sendo não holonômico. Por conta disso, é coerente esperar que o rastreamento de alvos de radar também possa se beneficiar ao usar uma estrutura de grupo de Lie para representar o estado do sistema. Este trabalho desenvolve um estudo sobre a aplicação de grupos de Lie ao problema de rastreamento de alvos de radar, investigando melhorias em desempenho de filtros de trajetórias quando o estado do alvo é modelado como um processo estocástico que evolui em um grupo de Lie. Nós apresentamos a teoria necessária para o entendimento dos algoritmos de filtragem em grupos de Lie utilizados de uma forma auto-contida. Ademais, desenvolvemos os modelos de sistema e de medida para alvos aéreos de radar, bem como verificamos a premissa da distribuição curva para o estado do sistema. Ainda, comparamos o desempenho dos filtros em grupos de Lie desenvolvidos contra suas alternativas que evoluem no espaço Euclidiano. O desempenho é avaliado em termos do erro RMS da posição e é analisado para valores variáveis da precisão em azimute e probabilidade de detecção, utilizando dados simulados Abstract: Radar is a system that uses electromagnetic waves to detect targets and obtain information about them. Usually, they include radial distance, azimuth, elevation, and radial speed relative to the radar. Additionally, almost every modern radar system can track the trajectories of the targets based on the measurements. The problem of trajectory tracking is well-known in the literature. Many solutions include a premise that the system state, at a given time instant, is modeled by a Gaussian distribution in the Euclidean space, or at least can be approximated to one. Recent works have shown that some systems, such as differential-drive robots, present geometrical constraints that produce a curved-shape state distribution, such that the Gaussian approximation is poor and can compromise the filtering performance. However, they show that if one represents the system state in a matrix Lie group structure, instead of in the Euclidean space, the exponential coordinates of the Lie algebra end up presenting a shape that can be fitted to a Gaussian distribution. More than that, many filtering strategies neglect the geometrical constraints associated with the system while Lie group-based filters can naturally consider such restrictions. Due to the uncertainties in speed and angular velocity of aerial targets, it is reasonable to expect that the state distribution of aerial targets may also present a curved shape during the tracking filtering. Moreover, many aerial target models consider the system to be non-holonomic. Due to this, it can be expected that the radar target tracking could also benefit from the Lie group structure to represent the state. This work studies the application of the Lie group theory to the radar target tracking problem, investigating improvements in the tracking filter performance when the target state is modeled as a stochastic process evolving on a Lie group. We present the theory for understanding filtering on Lie groups in a self-contained manner. We derive system and measurement models for aerial radar targets. We verify the premise of a curved distribution for the system state distribution. Moreover, we compare the performance of the developed filters on Lie groups against their alternatives in the Euclidean space. The performance is evaluated in terms of the position RMSE and it is analyzed for varying the precision range in azimuth and the probability of detection of the radar system using simulated data Mestrado Automação Mestre em Engenharia Elétrica FINEP