aalto1 untyped-item.component.html
Deceptive motion planning in robotics
Loading...
Files
Aalto login required (access for Aalto Staff only).
URL
Journal Title
Journal ISSN
Volume Title
School of Electrical Engineering |
Bachelor's thesis
Electronic archive copy is available locally at the Harald Herlin Learning Centre. The staff of Aalto University has access to the electronic bachelor's theses by logging into Aaltodoc with their personal Aalto user ID. Read more about the availability of the bachelor's theses.
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
Department
Major/Subject
Mcode
Language
en
Pages
26
Series
Abstract
Autonomous robots are increasingly being used in complex and dynamic environments where they must navigate efficiently. Traditional motion planning aims to generate a trajectory that allows a robot to move from a starting point to a desired goal. These methods aim to generate trajectories that optimise path length, energy consumption and time constraints. Deceptive motion planning aims to optimise the trade-off between path cost and deception.
The thesis is conducted as a literature review, and the objective of this thesis is to provide a comprehensive analysis of deceptive motion planning in the field of robotics. The work aims to synthesise existing knowledge on how autonomous agents navigate strategically to minimise an external observer’s ability to infer their true destination and minimise the path cost.
The study demonstrates that traditional motion planning methods often produce predictable trajectories due to their emphasis on efficiency. Such paths are typically goal-oriented, making it easier for an observer to infer the robot’s goal even from partial observations. While predictability can enhance human-robot collaboration, it may be crucial in adversarial environments where the robot’s intentions should remain hidden.
The thesis also examines the concept of deception and how deception changes whether the observer is human or an autonomous system. Deceptive motion planning is analysed through two primary strategies: simulation and dissimulation. Finally, the thesis discusses the key trade-offs of deceptive motion planning. Increasing deception may reduce path efficiency, increase computational complexity and hinder human-robot interaction. On the other hand, it enhances the robot’s performance in competitive and adversarial environments.
Autonomisia robotteja käytetään yhä enemmän kompleksisissa sekä dynaamisissa ympäristöissä, joissa niiden täytyy navigoida tehokkaasti. Perinteisen liikesuunnittelun tavoitteena on laskea liikerata, jonka avulla robotti pystyy liikkumaan alkuperäisestä asetelmasta päämäärään. Perinteiset liikesuunnittelualgoritmit pyrkivät optimoimaan tehokkuutta, kuten reitin pituutta, energian kulutusta ja suoritusaikaa. Joissakin tilanteissa pelkkä tehokkuus ei kuitenkaan riitä, vaan robotin liikkeen tulee myös estää sen todellisen tavoitteen paljastuminen. Harhauttava liikesuunnittelu pyrkii optimoimaan liikeratoja siten, että robotin todellinen tavoite ei ole helposti pääteltävissä ulkopuoliselle tarkkailijalle, samalla säilyttäen reitin tehokkuuden.
Tämä kandidaatintyö on kirjallisuuskatsaus, joka tarjoaa kattavan analyysin harhauttavasta liikesuunnittelusta robotiikan alalla. Työn tarkoituksena on koota yhteen olemassa oleva tieto siitä, miten autonomiset agentit minimoivat ulkopuolisen tarkkailijan mahdollisuuden päätellä niiden todellinen määränpää sekä samanaikaisesti minimoivat reitin pituuden ja suoritusajan.
Työssä osoitettiin, että perinteiset liikesuunnittelumenetelmät johtavat usein ennustettaviin liikeratoihin, koska ne perustuvat tehokkuuden optimointiin. Tällaiset liikeradat ovat tyypillisesti suoria sekä selkeästi tavoitetta kohti suuntautuvia, mikä helpottaa tarkkailijan kykyä päätellä robotin päämäärä jo osittaisen liikkeen perusteella. Ennustettavuus parantaa ihmisen ja robotin välistä yhteistyötä, mutta se voi muodostua haitalliseksi esimerkiksi vihamielisissä ympäristöissä, joissa robotin tavoitteiden tulisi olla salattuja. Työssä käsiteltiin myös harhauttavuuden käsitettä sekä tulkinnan vaihtelua sen mukaan, onko tarkkailijana ihminen vai autonominen järjestelmä. Harhauttavaa liikesuunnittelua tarkastellaan kahden päästrategian kautta, jotka ovat simulaatio ja dissimulaatio.
Työssä tarkasteltiin myös kirjallisuudessa esitettyjä menetelmiä harhauttavan liikkeen tuottamiseksi. Näihin kuuluvat muun muassa otantapohjaiset (engl. sampling-based) algoritmit, jotka integroivat harhauttavuuden perinteisiin liikesuunnittelualgoritmeihin sekä vahvistusoppimiseen (engl. reinforcement learning) perustuvat menetelmät, joissa agentti oppii harhauttavia strategioita vuorovaikutuksessa ympäristön kanssa.
Lisäksi työssä tarkasteltiin harhauttavan liikesuunnittelun keskeisiä haittapuolia. Harhauttavuuden lisääminen voi heikentää reitin tehokkuutta, lisätä laskennallista monimutkaisuutta sekä vaikeuttaa ihmisten ja robottien välistä yhteistyötä. Toisaalta se parantaa robotin toimintakykyä kilpailullisissa sekä vihamielisissä ympäristöissä.