Towards Safer and Risk-aware Motion Planning and Control for Robotic Systems

Safety and risk-awareness are important properties for robotic systems, be it for protecting them from potentially dangerous internal states, or for avoiding collisions with obstacles and environmental hazards in disaster scenarios. Ensuring safety may be the role of more than one algorithmic layer in a system, each with varying assumptions and guarantees. This thesis investigates how to provide safety and risk-awareness in a robotic system by leveraging temporal logics, motion planning algorithms, and control theory. Traditional control theory approaches interpret the collision avoidance safety task as a `stay-away' task; obstacles are abstracted as collections of geometric shapes, and controllers are designed to avoid each shape individually. We propose interpreting the collision avoidance problem as a `stay-within' task: the obstacle-free space is abstracted into safe regions. We propose control laws based on Control Barrier functions that guarantee that the system remains within such safe regions throughout its mission. Our results demonstrate that our controller indirectly avoids obstacles while providing the system the freedom to move within the safe regions, without the necessity to plan and track a safe trajectory. Furthermore, by extending our idea with Metric Interval Temporal Logic, we are able to consider missions with explicit time bounds. Temporal logics are often used to define hard constraints on motion plans for robotic systems. However, some missions may require the system to violate constraints to make progress. Therefore, we propose to soften the hard constraints when necessary. Such soft constraints, here coined as spatial preferences, are used to account for relations between the system and the environment, such as distance from obstacles. The proposed minimally-violating motion planning algorithm attempts to find trajectories that satisfy the spatial preferences as much as possible, but violate them when needed. We demonstrate the use of spat
Säkerhet och riskmedvetenhet är viktiga egenskaper för robotsystem, oavsett om det är för att skydda dem från potentiellt farliga interna tillstånd eller för att undvika kollisioner med hinder och miljöfaror i katastrofscenarier. Att garantera säkerhete kan vara rollen för mer än ett lager av algoritmer i ett system, var och en med olika antaganden och garantier. Denna avhandling undersöker hur man skapar säkerhet och riskmedvetenhet i ett robotsystem genom att utnyttja tidslogik, algoritmer för rörelseplanering och reglerteori. Traditionella metoder inom reglerteori tolkar säkerhetsuppgiften för att undvika kollisioner som en `hålla-sig-utom-uppgift'; hinder abstraheras som samlingar av geometriska former, och regulatorer utformas för att undvika varje form individuellt. Vi föreslår att problemet med kollisionsundvikande tolkas som en `hålla-sig-inom-uppgift': utrymmet fritt från hinder abstraheras till säkra regioner. Vi föreslår regulatorer baserade på kontrollbarriärfunktioner som garanterar att systemet förblir inom sådana säkra regioner under hela sitt uppdrag. Våra resultat visar att vår regulator indirekt undviker hinder samtidigt som den ger systemet frihet att röra sig inom de säkra regionerna, utan att det är nödvändigt att planera och följa en viss säker bana. Genom att utöka vår idé med tidslogik med metriska intervall kan vi dessutom hantera uppdrag med explicita tidsgränser. Tidslogik används ofta för att definiera strikta begränsningar för rörelseplaner för robotsystem. Vissa uppdrag kan dock kräva att systemet bryter mot begränsningar för att göra framsteg. Därför föreslår vi att mjuka upp de strikta begränsningarna vid behov. Sådana följsamma begränsningar, här kallade för rumsliga preferenser, används för att redogöra för relationer mellan systemet och miljön, såsom avstånd från hinder. Den föreslagna minimalt regelbrytande algoritmen för rörelseplanering försöker hitta banor som uppfyller de rumsliga preferenserna så mycket som möjligt, men kränk
QC 20220117