Der Übergang von beweglichen Robotern von einer kontrollierten Umgebung in eine reale Welt stellt einen großen Komplexitätssprung dar, der hauptsächlich auf drei unterschiedlichen Faktoren beruht: teilweise Beobachtbarkeit, Nicht-Determinismus und dynamische Ereignisse. Um diese zu beherrschen müssen Roboter ein gewisses intelligentes Verhalten entwickeln, um kostengünstig operieren zu können.

Mars Rover Missions und der Darpa Robotic Challenge (DRC) sind zwei besonders interessante Beispiele von hochkomplexen Roboterszenarien. Trotz wichtiger Unterschiede in Randbedingungen und Anforderungen besitzen beide Szenarien ein gewisses Autonomieniveau, um spezielle Probleme überwinden zu können. Mars Rover zum Beispiel, wurden mit multiplen Systemen ausgestattet, um autonome Nutzlastoperationen zu ermöglichen und dadurch den wissenschaftlichen Nutzen zu erhöhen. Im Falle von DRC nutzen die meisten Teams autonome Schrittplanung oder autonome Berechnung der Bewegung des Roboterarms.

Obwohl einige spezielle Probleme mit eigens dafür entworfenen Tools bearbeitet werden können, bleibt das generelle Problem ungelöst: Die On-board-Installierung eines zuverlässigen Entscheidungssystem, das in der Lage ist, Roboter ohne menschliche Intervention selbst in komplexen Umgebungen zu steuern. Genau dies ist das Ziel eines automatisierten Missionsplanungstools.

Wissenschaftler haben eine Vielzahl von Planungstools entwickelt, die in der Lage sind, sehr schnelle Lösungen für klassische Probleme zu liefern, die sich typischerweise dadurch auszeichnen, dass Zeit und Ressourcen stellen können. Darüber hinaus gibt es eine Handvoll angewandter Tools mit tieferer Detailtreue, was aber zu Lasten deren Performance geht. Ein schneller, expressiver und robuster Missionsplaner wurde jedoch noch nie in einer komplexen Robotormission benutzt. Diese drei Eigenschaften stellen die Hauptmotivation dar für das Ergebnis dieser Arbeit.

Ein neuer Formalismus, Hierarchical TimeLine Networks (HTLN), wurde vorgeschlagen, der Zeitplan und HTN Planung verknüpft, um die Lücke zwischen klassischer und angewandter Planung zu schließen.

HTLN wurde in dem Planungstool QuijoteExpress implementiert. Dieses Tool ist nach unserem Wissen, das erste forward-chaining Zeitplanungstool. Die Idee ist von der hohen Performance der forwardchaining Suche zu profitieren, um zeitliche Probleme im Zustandsraum zu lösen. Zusätzlich enthält QuijoteExpress Suchverfeinerungen wie paralleles Planen durch Aufteilen des Problems in Unterprobleme oder fortgeschrittenes Management von Heuristiken. Bezüglich Expressiveness verwendet das Planungstool HTN Techniken, die erlauben hierarchische Modelle und Lösungen zu definieren. Zu guter Letzt wurde Planungsrobustheit durch das Konzept von “ausreichender Planung” adressiert , die erlaubt, dass Teile von gültigen Plänen undefiniert bleiben.

Um das Planungstool zu testen, wurde ein neues “light” Zeitplan- und ROS-basiertes Executable entworfen, um die Pläne in Aktionen zu übersetzen, die von den verschiedenen Robotersubsystemen verstanden werden können.