Scriptiebank overzicht

De industrie vereist elke dag complexere processen en logistiek, wat heeft geleid tot de opkomst van multi-agent systemen. Hierbij werken meerdere robots, voertuigen of machines in dezelfde omgeving. Dit stimuleert de behoefte aan multi-agent bewegingsplanners die de bewegingen van deze agents op een efficiënte en veilige manier coördineren en plannen.

Daarom presenteert deze scriptie een nieuwe, op model predictieve controle (MPC) gebaseerde bewegingsplanner voor holonomische multi-agent systemen, door een gedecentraliseerde formulering van de alternating direction method of multipliers (ADMM) te combineren met een gecentraliseerde formulering van control barrier functions (CBF's). De methode is ontwikkeld met het oog op, maar niet beperkt tot, industriële magnetische levitatieplatforms zoals het Beckhoff XPlanar-systeem.

De klassieke gecentraliseerde MPC-benadering blijkt te schalen met ∼ O(N^2,96), waardoor de methode onuitvoerbaar wordt bij een toenemend aantal agents. Hoewel gedecentraliseerde ADMM de tijdcomplexiteit aanzienlijk vermindert, kan deze de veiligheid niet garanderen, d.w.z. er bestaat een risico op botsingen. Daarom wordt de methode aangevuld met een extra optimalisatieprobleem waarin CBF's zijn opgenomen. Het resultaat is een veilige methode die schaalt met ∼ O(N^1,82). Deze veiligheidsgarantie stelt ons in staat om het aantal ADMM-iteraties vast te leggen, waarbij een afweging wordt gemaakt tussen prestaties en rekenkracht.

Om de realtimeprestaties verder te verbeteren, biedt dit werk een C++-implementatie van de hybride methode, die gebruikmaakt van de gedecentraliseerde ADMM-structuur door de code te parallelliseren. Dit vermindert de rekentijd voor 5 en 10 agents met respectievelijk 90,1% en 60,5%. De hybride methode wordt vervolgens kwalitatief en kwantitatief vergeleken met de gecentraliseerde MPC-methode. Ten slotte wordt een proof of concept gepresenteerd door de algoritmen te implementeren en te testen op het XPlanar-systeem.

Naarmate robots steeds belangrijker worden in diverse industrieën, krijgt de coördinatie van meerdere autonome robots in gedeelde omgevingen meer aandacht in onderzoek. Multi-Robot Systemen (MRS) beloven verhoogde efficiëntie, robuustheid en nieuwe mogelijkheden, maar brengen ook uitdagingen met zich mee, vooral op het gebied van bewegingsplanning. Dit geldt met name voor de coördinatie van meerdere manipulators, waarbij geavanceerde strategieën nodig zijn door de hoge dimensionale complexiteit van het probleem.

Traditioneel worden gekoppelde en ontkoppelde methoden gebruikt om het probleem van bewegingsplanning voor meerdere robots aan te pakken. Gekoppelde methoden hebben aanzienlijke schaalbaarheidsproblemen, omdat de reken- en geheugencapaciteit exponentieel toeneemt met elke extra vrijheidsgraad (DOF) in het systeem. Ontkoppelde methoden daarentegen zijn beter schaalbaar, maar leveren vaak suboptimale oplossingen en bieden geen garanties dat er een oplossing wordt gevonden, zelfs als die er is.

Dit onderzoek verkent een hybride aanpak tot bewegingsplanning, dat gebruikmaakt van Conflict-Based Search (CBS) als het low-level zoekalgoritme voor Probabilistic Roadmaps (PRM). Deze hybride benadering combineert de voordelen van zowel gekoppelde als ontkoppelde methoden. De effectiviteit van de hybride aanpak is geëvalueerd en vergeleken met beide methoden via Python-gebaseerde simulaties in twee experimentele opstellingen: één met vlakke manipulators in elkaars nabijheid en een andere met Franka Emika Panda-manipulators in PyBullet. De resultaten tonen aan dat CBS-PRM beter schaalt bij toenemende dimensionaliteit vergeleken met gekoppelde methoden, en dat het verbeterde slagingspercentages en efficiëntere paden oplevert ten opzichte van ontkoppelde methoden.

De ontwikkeling van deze hybride methode werd ondersteund door de creatie van een bibliotheek voor multi-robot bewegingsplanning, die de besproken algoritmen implementeert en benchmarking in verschillende scenario's ondersteunt. Hoewel de hybride aanpak aanzienlijke verbeteringen biedt, zijn er nog volop mogelijkheden voor verdere verfijning en optimalisatie.

Ontwikkeling en validatie van warmte- en faseveranderingsmodellen om inwendige vertandingen voor een Formula Student racewagen te laserharden.

In het kader van mijn masterproef heb ik een nieuwe, “hybride” methode ontwikkeld voor het tellen van het aantal atomen in ontzettend kleine deeltjes, nanodeeltjes genoemd. Atomen tellen kan leiden tot de ontwikkeling van allerlei nieuwe technologische snufjes, handig voor ons allemaal.