Karl Granström: Forskning

Nedan ges en populärvetenskaplig sammanfattning av min forksning, samt en lista över de utmärkelser som jag har tilldelats. De konferenspapper och journalartiklar som jag har medförfattat finns i publikationslistan.

---

Populärvetenskaplig sammanfattning

Den värld i vilken vi lever har med tiden blivit allt mer automatiserad. Ett av många tecken på detta är det stora antal robotar, eller autonoma farkoster, som verkar bland annat i luften, på land, eller i vatten. Robotarna utför ett brett spektrum av uppgifter, från farliga, som underjordisk gruvdrift, till alldagliga, som dammsugning. På samma sätt som en människa behöver använda sina sinnen och sitt medvetande för att hantera vardagen, måste robotar ha en viss medvetenhet för att kunna utföra sina uppgifter. Det krävs bland annat att robotarna kan uppfatta och förstå sin arbetsmiljö.

I min forskning har vi betraktat två stycken övergripande forskningsproblem som är relaterade till detta. Det första forskningsproblemet kallas för samtidig positionering och kartering, med den engelska förkortningen SLAM. Det andra forskningsproblemet kallas för målföljning.

SLAM-problemet går ut på att låta roboten skapa en karta av ett område, och samtidigt som kartan skapas positionera sig i den. Vad karta betyder varierar beroende på robotens arbetsuppgift. För en inomhusrobot kan det röra sig om en virtuell modell av var golv, väggar och möbler finns i ett hus.

För att den karta som skapas ska hålla hög kvalitet krävs det att roboten kan känna igen platser som den besökt tidigare, vilket kallas platsigenkänning. I min forskning har vi angripit platsigenkänning genom att matematiskt beskriva vad som kännetecknar varje enskild plats. Därefter har vi skapat en funktion som kan jämföra kännetecken från två olika tidpunkter, och avgöra om det är samma plats eller inte. I en serie experiment har det visats att funktionen kan känna igen platser såväl inomhus i kontorsmiljö, som utomhus i stadsmiljö. Det har även visats att funktionens egenskaper jämför sig väl med tidigare arbete på området.

En karta bör endast innehålla stationära föremål, men världen innehåller dock även rörliga föremål. För att en robot ska kunna arbeta säkert måste den kunna hålla reda på alla rörliga föremål som finns i dess närhet. Syftet med målföljning är att utrusta roboten med funktioner som gör det möjligt att göra just detta. Exempelvis kan den här typen av funktioner användas till att hålla reda på fotgängare, cyklister och bilar i en stadsmiljö.

I min forskning har vi betraktat ett antal olika aspekter av målföljning. Vi har skapat en funktion som gör det möjligt för roboten att räkna hur många mål som finns i dess närhet. Ibland behöver roboten prediktera, eller förutspå, vart målen är på väg. För detta ändamål har vi skapat en preditionsfunktion, vilken kan användas exempelvis då roboten ska köra genom en vägkorsning utan att krocka med övrig trafik. När många mål rör sig nära varandra är det lättare för roboten att behandla de som en grupp. Vi har tittat på hur roboten kan hantera att nya mål ansluter till gruppen, eller att mål lämnar gruppen.

Målföljningsfunktionerna som nämnts ovan har utvärderats med hjälp av såväl simulerade data, som experimentella data. Resultaten visar att det arbete som har utförts jämför sig väl med tidigare arbete på området.

---

Utmärkelser

Karl Granström har tilldelats följande utmärkelser:

First Runner Up to the Best Student Paper Award

För publikationen On the Reduction of Gaussian inverse Wishart Mixtures, presenterad på konferensen 15th International Conference on Information Fusion i Singapore, juli 2012.
Utmärkelsen delas med Umut Orguner.

Third Best Conference Paper Award

För publikationen Extended Target Tracking with a Cardinalized Probability Hypothesis Density Filter, presenterad på konferensen 14th International Conference on Information Fusion i Chicago, Illinois, USA, juli 2011.
Utmärkelsen delas med Umut Orguner och Christian Lundquist.