La disponibilità di una mappa dell'ambiente in cui un robot opera è un requisito fondamentale nel campo della robotica mobile. Un robot, per essere veramente autonomo, ha bisogno di un sistema di mapping che costruisca un modello del mondo circostante in modo incrementale, determinando la successiva migliore posizione di esplorazione all'interno di un ambiente parzialmente esplorato.
Questa tesi propone un metodo di esplorazione implementato su un robot mobile dotato di uno scanner laser. Il sistema proposto costruisce mappe geometriche a punti, impiegando una strategia di esplorazione che tiene conto sia dell'informazione ottenibile da una posizione sia del costo per il suo raggiungimento. La strategia proposta si basa sul concetto di entropia relativa [13], [48], per quantificare l'informazione che ci si attende sia ottenibile da una posizione di esplorazione. L'utilizzo di solide basi teoriche per la scelta della successiva posizione di esplorazione ottima diversifica l'approccio qui proposto dagli altri metodi di mapping presentati in letteratura.
L'algoritmo di esplorazione effettua ciclicamente tre operazioni principali: (1) costruzione di una mappa parziale dell'ambiente che circonda il robot in una data posizione, (2) aggiornamento della mappa globale in base alle nuove informazioni acquisite, (3) scelta e raggiungimento della nuova posizione di esplorazione (la scelta è effettuata in base alla strategia di esplorazione proposta).
Lo scanner laser utilizzato effettua una scansione di 180 gradi dell'ambiente circostante il robot, ottenendo dei punti che rappresentano i contorni degli oggetti che sono stati rilevati e che si trovano all'altezza del sensore. Ogni scansione effettua 180 rilevazioni (distanziate di un grado): se un raggio laser incontra un oggetto, il sensore restituisce la distanza del punto appartenente all'oggetto colpito, altrimenti restituisce il valore di fondo scala.
La mappa dell'ambiente in cui robot è immerso sarà quindi una collezione di punti posti su un piano che riproducono i contorni (a una data altezza) degli oggetti presenti nell'ambiente. Le coordinate dei punti sono riferite ad un sistema di riferimento globale centrato sul laser del robot. Ad ogni spostamento le coordinate dei punti della mappa globale vengono aggiornate in base allo spostamento effettuato.
In ogni posizione il robot esegue una scansione a 360 gradi dell'ambiente che lo circonda, ottenuta effettuando quattro rotazioni successive di 90 gradi nella posizione corrente e rilevando una scansione prima di ogni rotazione. Le scansioni sono integrate per formare la mappa parziale. La mappa parziale così ottenuta va ad aggiornare la mappa globale corrente.
La sequenza delle posizioni di osservazione è il risultato della strategia di esplorazione. Viene seguito per semplicità un approccio greedy che, ad ogni passo, determina solamente la posizione di esplorazione immediatamente successiva, scelta all'interno dello spazio libero da ostacoli (secondo la mappa costruita fino a quel passo).
Il metodo proposto è stato implementato sul robot mobile MORO2 del laboratorio di Robotica e Intelligenza Artificiale e testato in ambienti diversi, sia poligonali sia sparsi. Le prove sperimentali hanno mostrato l'efficienza e l'accuratezza del metodo proposto in entrambi gli ambienti di prova. È stato inoltre possibile osservare il comportamento del metodo di esplorazione, sia in ambienti differenti sia all'interno dello stesso ambiente facendo partire l'esplorazione da posizioni diverse ottenendo buoni risultati.
La tesi è organizzata come segue: il Capitolo 2 fornisce una panoramica delle tecniche di mapping presenti in letteratura, elencando i diversi approcci ed evidenziando gli aspetti per i quali l'approccio proposto nella presente tesi di differenzia. Il Capitolo 3 presenta in modo dettagliato il metodo di esplorazione implementato. Il Capitolo 4 descrive le prove sperimentali eseguite per testare la validità del nostro approccio. Infine il Capitolo 5 riassume i risultati ottenuti e propone possibili sviluppi futuri per il metodo di esplorazione. L'Appendice A descrive mediante diagrammi d'uso le parti che compongono il software FLEA, risultato dell'implementazione del metodo proposto e ne spiega l'utilizzo.