Multi-Robot 3D Inspection with Limited Perception

Abstract

This thesis presents a complete, GPU-resident pipeline for multi-robot 3D inspection of underwater structures. Given a triangle mesh and a fleet of k robots, the pipeline computes collision-free 6-DOF trajectories that jointly cover a target fraction of the sur- face while minimizing a linearly interpolated makespan/total-cost objective. The joint problem is NP-hard, so we decompose it into five core stages - candidate viewpoint gener- ation, visibility computation, set cover, min-max vehicle routing solved as a mixed integer program with lifted Miller-Tucker-Zemlin subtour elimination, and priority-based multi- agent path finding on a 4D space-time reservation table - preceded by mesh loading and surface sampling as preprocessing and followed by trajectory smoothing and densification as postprocessing. Our five contributions are: an end-to-end GPU-accelerated integration of the five core stages; a GPU batch adaptation of Lien's ε-visibility with custom CUDA kernels; a β-aware per-vehicle tour upper bound derived from the interpolated objec- tive, supplementing the Desrochers-Laporte coefficient lift with forbidden-pair cuts; a 4D space-time extension of Zhou and Zeng's GPU parallel-frontier A* with reservation-table- aware transitions for priority-based MAPF; and a comparative experimental evaluation...

Tato práce představuje kompletní GPU pipeline pro vícerobotickou 3D inspekci podvodních struktur. Vstupem je trojúhelníkový mesh a flotila k robotů; výstupem jsou bezkolizní 6- DOF trajektorie, které společně pokryjí požadovaný podíl povrchu a zároveň minimalizují lineárně interpolovaný cíl kombinující makespan a celkové náklady. Sdružená úloha je NP- těžká, proto ji rozkládáme do pěti hlavních fází - generování kandidátních pozorovacích bodů, výpočet viditelnosti, set cover, min-max VRP řešený jako smíšeně celočíselný program (MIP) s vylepšenou Miller-Tucker-Zemlinovou eliminací podcyklů a prioritní plánování cest pro více agentů (MAPF) na 4D prostoročasové rezervační tabulce - jimž předchází načtení meshe a vzorkování povrchu jako preprocessing a po nich následuje vyhlazování a zahuštění trajektorií jako postprocessing. Hlavními pěti přínosy práce jsou: ucelená integrace pěti hlavních fází na GPU; GPU adaptace Lienova algoritmu ε- viditelnosti s vlastními CUDA jádry; β-závislý horní odhad délky jedné trasy odvozený z interpolovaného cíle, doplňující zesílení koeficientů podle Desrocherse a Laporta o řezy zakazující dvojice hran; rozšíření paralelního A* algoritmu Zhoua a Zenga o 4D prostoročasový stav s přechody zohledňujícími rezervační tabulku pro prioritní MAPF; a srovnávací experimentální vyhodnocení...