Väitös automaatiotekniikan alalta, DI Heikki Hyyti

Väitöskirjan nimi: Perception Systems for Autonomous Forest Machinery

Tohtoriopiskelija: Heikki Hyyti
Vastaväittäjät: Prof. Ola Ringdahl, Umeå Universitet, Ruotsi ja Prof. Thierry Peynot, Queensland University of Technology (QUT), Australia
Kustos: Prof. Arto Visala, Aalto-yliopiston sähkötekniikan korkeakoulu, sähkötekniikan ja automaation laitos

Jotta robotti voisi toimia itsenäisesti monimutkaisessa ympäristössä, tulee sen havaita ja ymmärtää ympäristönsä sekä myös oma toimintansa siellä. Kun ympäristönä on metsä ja robotin on tarkoitus kaataa puita, pitää robotin löytää kaadettavat puut sekä vapaa tilaa kaataa ne turvallisesti. Lisäksi koneen pitää tietää missä ja miten päin se itse sekä sen hakkuutyökalu ovat. Vaikka tämä väitöskirja tarjoaa ratkaisuja kaikkiin näihin haasteisiin, ei robotin voida olettaa toimivan autonomisesti kaikissa tilanteissa. Siksi kuljettaja kannattaa pitää mukana auttamassa robottia selviämään ongelmatilanteista. Tällöin robotin voidaan sanoa toimivan puoliautonomisesti yhteistyössä kuljettajan kanssa. Tällöin koneen on myös syytä havaita kuljettajan toimintaa. 

Tässä väitöskirjassa tutkitaan autonomisen metsäkoneen koneaistijärjestelmiä, jotka yhdistävät konenäkö-, laserkeilaus-, paikannus- ja asentoantureita. Työ liittää yhteen seitsemässä osajulkaisussa toteutetut havainnointimenetelmät, joissa useiden anturien mittauksia yhdistetään sensorifuusiomenetelmillä. Työssä metsäkoneelle kehitetään tasapainoaisti ja puomin sekä puomin päähän asennetun työkalun asentoaisti. Koneelle luodaan myös kolmiulotteinen näköaisti puiden ja maanpinnan havaitsemiseen, nuorten puiden lajiluokitteluun ja myös kuusen taimien tunnistamiseen muun kasvillisuuden seasta. Lisäksi hytissä istuvan kuljettajan kypärän asentoa mitataan, jotta kuljettajalle voidaan näyttää koneen mallintamaa tilannetietoa lisätyn todellisuuden käyttöliittymällä. 

Kaikki työssä esitetyt ratkaisut pyrkivät vastaamaan todelliseen olemassa olevaan kehitystarpeeseen. Useat menetelmät yhdistävät mittaustietoa reaaliajassa hyödyntäen bayesiläisiä menetelmiä. Niissä otetaan huomioon sekä mittauksen epävarmuus että mittausprosessi, johon vaikuttaa mittalaitteen lisäksi myös ympäristö, jossa mittausta tehdään. Kaikki esitetyt menetelmät sekä menetelmien tarvitsema anturointi on toteutettu prototyyppimetsäkoneisiin. Kaikki esitetyt menetelmät soveltuvat reaaliaikaiseen toimintaan ja ne on myös testattu metsäympäristössä. 

Väitöskirja tarjoaa tietoa probabilistisista sensorifuusio- ja estimointimenetelmistä kuten Kalman- ja partikkelisuotimesta, sekä niiden soveltamisesta metsäkoneisiin. Se on suunnattu haastavissa olosuhteissa toimivan robotiikan kehittäjille, tutkijoille, sekä metsäkoneiden ja muiden työkoneiden anturijärjestelmien kehityksen parissa työskenteleville.

Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 10 päivää ennen väitöstä): https://aaltodoc.aalto.fi/doc_public/eonly/riiputus/

Yhteystiedot:

Sähkötekniikan korkeakoulun väitöskirjat: https://aaltodoc.aalto.fi/handle/123456789/53