Bakalářská práce Štěpána Smejkala se zabývá implementací obstacle avoidance pro UAS. Zadání práce je celkově komplexní a obtížnější.

Práce je strukturována do 3 kapitol na 34 stranách textu, což splňuje minimální textový rozsah práce. Formální úprava a úroveň zpracování textu jsou na nízké úrovni. Práce obsahuje řadu chyb, překlepů a nejasných formulací. Text je místy psán více vypravěčsky než vědecko-technicky.

Práce čerpá z 28 zdrojů, ale seznam literatury má výrazné slabiny. Například asi 12 citací se odkazuje na online dokumentaci ROS 2, přičemž většina z nich by šla sjednotit do 2–3 citací. Zároveň v textu často chybí zdroj. Například Google Cartographer nemá v textu citaci, přičemž text byl určitě převzat.

Student v první kapitole provedl rešerši přístupů k autonomní navigaci a detekci překážek. Vybral vhodné metody, některé byly staršího data, ale stále vhodné, funkční a použitelné. V rámci práce pracoval se simulátorem, který se používá ve skupině robotiky na ÚAMT. Naučil se se systémem rychle a spolehlivě pracovat a pochopil nutný software, který na dronu běží. Student používal RTAB-Map, což je komunitou hojně používaný mapovací balíček, a úspěšně v mapě implementoval plánovací algoritmus. Výsledky jsou prezentovány nešikovně, když přecházejí od implementačních rozhodnutí k vyhodnocení chování algoritmu a výsledky jsou obtížně pozorovatelné.

Student na práci pracoval od září 2024, neboť v průběhu práce prodlužoval studium. Na práci pracoval ve vlnách. Nejprve v průběhu semestrální práce na podzim roku 2024 a poté v zimě a na jaře letošního roku (2026).

Celkové hodnoceni je D / 65 bodů. Points proposed by supervisor: 65

Práce se zabývá návrhem a implementací algoritmu pro vyhýbání překážkám pro bezpilotní letadlo typu multikoptéra. Zadání je poměrně stručné a přímočaré, ale specifikuje i použití konkrétního jazyka a frameworku a konkrétních senzorů umožňujících detekci překážek. Bakalářská práce se tak zabývá pouze algoritmickou částí a testováním v předpřipraveném simulačním prostředí.

Struktura práce je přehledná, dělí se pouze do tří hlavních kapitol. První kapitola představuje teoretický rozbor a pokrývá takřka všechna potřebná témata: senzory a algoritmy pro mapování, plánování tras a pro vyhýbání překážkám. Úskalí spočívá v rozsahu, který zabírá, včetně mnohých obrázků, pouze sedm stran. U senzorů se čtenář pouze povrchně dočte o fyzikální podstatě 2D lidaru a hloubkové kamery, ale například údaje o dosahu, přesnosti, rozlišení, datovém toku, provozních omezeních a fyzických vlastnostech zcela chybí. S ohledem na téma práce se přitom jedná o podstatné údaje. Kapitola popisující SLAM sice shrnuje známé implementace, ale zcela chybí popis jiných přístupů k mapování a vysvětlení, proč byl zvolen právě SLAM. Problém samotného vyhýbání překážkám zcela jistě nevyžaduje SLAM, který do řešení zanáší velkou komplexitu a potýká se s problémy se škálováním na větší mapy. Pokud bylo cílem provádět lokalizaci a mapování v prostředí bez GNSS, mělo tak být uvedeno, ale v zadání tento požadavek není. Dále jsou opět velmi stručně popsány běžné algoritmy pro plánování trajektorie a vybývání překážkám. V tomto kontextu ale zcela chybí popis způsobů reprezentace mapy, o které se student často zmiňuje a úzce souvisí s řešeným problémem.

Druhá kapitola, zaměřující se na systémovou architekturu, se na pouhých dvou stranách včetně obrázků omezuje na stručný popis nástrojů, které byly specifikovány zadáním.

Poslední kapitola popisuje zvolené řešení a jeho implementaci spolu s testováním a vyhodnocením. Student zvolil přístup založený na dvou senzorech, 2D lidaru a hloubkové kameře, což je s ohledem na jejich rozdílné vlastnosti poměrně vhodné řešení. Pro tvorbu mapy okolí zvolil SLAM algoritmus RTAB-Map, přičemž mapa samotná je ve výsledku reprezentovaná ve formě costmapy. Vyhýbání překážkám, tedy výpočet nové, bezkolizní trajektorie je realizováno pomocí algoritmu A*. Jedná se o řešení, které může fungovat a plnit zadaný úkol, ale pro dynamické přeplánování trajektorie okolo lokálních překážek je spíše těžkopádné a zbytečně komplexní. Řešení spíše odpovídá složitější úloze lokalizace a navigace v neznámém prostředí s překážkami. Student se v této kapitole často vrací k teorii, kterou v úvodní kapitole popsal nedostatečně. Ze stručného popisu realizace nelze pochopit celou řadu implementačních detailů, například zda algoritmus inflace implementoval student sám, co jsou to moduly planner_manager a control_manager, jak často a za jakých podmínek se volá přeplánování, nebo jaká je struktura ROS 2 projektu a jaké balíčky jsou vlastním dílem.

Vyhodnocení, které proběhlo po experimentálním nastaveím velikosti inflace, je založeno na testování v simulátoru na třech scénářích sestávajících z krátké trajektorie s různým počtem překážek, přičemž každý scénář je čtrnáctkrát opakován. Nastavení experimentálního testování považuji za docela vhodné. Prezentované výsledky dokládají, že řešení jako celek funguje a dochází k aktivnímu vyhýbání překážkám. Objektivní závěry jdou vyvozovat pouze s velkou opatrností, protože nelze zcela odlišit, zda je pozorované chování způsobeno plánovačem, šumem v senzorech či špatnou estimací SLAM algoritmu. Stejně tak není jasné, o čem vypovídají zvolené metriky, zejména porovnání počtu naplánovaných bodů.

Po formální stránce je technická zpráva na dobré úrovni, je přehledně formátovaná a zahrnuje převážné vlastní přehledné grafické výstupy. Práce je poměrně dobře čtivá a neobsahuje významnější množství gramatických nedostatků. Student pracoval v dostatečné míře s odbornou literaturou, která se týká především relevantních algoritmů. Jako největší slabinu ovšem považuji délku práce, která je na spodní hranici očekávaného rozsahu bakalářské práce. Spousta důležitých detailů v teoretické, ale zejména implementační části nebyla popsána dostatečně a čtenář nemůže získat ucelený pohled na realizované řešení. Odevzdané soubory v elektronické verzi nepředstavují kompletní projekt, který by šel reprodukovat.

I přes uvedené výhrady lze konstatovat, že student implementoval nelehkou úlohu a splnil hlavní cíl zadání, tedy vyhýbání překážkám. Student by měl nicméně objasnit, jakým způsobem splnil bod č. 3 zadání. Práci doporučuji k obhajobě s hodnocením D, 68 bodů. Topics for thesis defence:

1. Objasněte, jaké části řešení jsou Vaším dílem a jaké jsou převzaté. Zejména z pohledu použitých ROS 2 balíčků.
2. Jak často a za jakých podmínek se volá přeplánování trajektorie?
3. Výsledek navigace v prvním scénáři se jeví jako velmi neoptimální, viz Obr. 3.13. Neměla by být v prostředí bez překážek ideální trajektorií přímka? Vysvětlete pozorované chování.
4. Vysvětlete zvolené metriky testování, zejména význam počtu naplánovaných bodů. Lze v některém ze scénářů považovat vyšší počet bodů za indikaci méně optimální trajektorie?

Points proposed by reviewer: 68