In this thesis, strategies for navigating a crowded area using an autonomous holonomic robot are discussed and evaluated. The focus is set on path planning and the topic is therefore largely decoupled from the prediction (i.e. machine learning) and control theory techniques needed for a practical implementation outside of the simulated environment. Existing methods and algorithms for path planning in highly dynamic environments are compared using several measures via computer simulations in different environments. A new, effective, and yet simple, algorithm is introduced and proven to be useful in certain scenarios. This algorithm, ART, predicts the future states of the crowd and using these predictions finds better paths to the goal than traditional algorithms. / I detta examensarbete utvärderas och diskuteras strategier för navigering bland folk med hjälp av en självstyrd holonomisk robot. Fokus är satt på navigeringsproblemet i sig och närliggande ämnen som maskininlärning och reglerteknik behandlas ej även om en fördjupning på dessa områden vore nödvändigt för en praktisk implementation utanför den simulerade världen. Existerande strategier och algoritmer för navigering av dynamiska miljöer utvärderas genom datorsimuleringar i varierande miljöer. En ny algorithm presenteras och visar sig vara användbar i vissa situationer. Denna algoritm, ART, förutser folkmassans rörelser och använder denna information för att hitta bättre vägar till målet.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-169497 |
| Date | January 2015 |
| Creators | Freider, Elias |
| Publisher | KTH, Skolan för datavetenskap och kommunikation (CSC) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds