REA DE INGENIERA DE SISTEMAS Y

AUTOMTICA
UNIVERSIDAD MIGUEL HERNNDEZ DE ELCHE
Arturo Gil Aparicio

CONTROL DE ROBOTS Y
SISTEMAS SENSORIALES
TEMA 9: Robtica mvil

ndice
2

Introduccin
Estructura general
Morfologa de robots
Tipos de ruedas
Sensores de robots mviles
Navegacin
Localizacin

ROBOT MVIL
Vehculo autnomo que se desplaza por
un entorno mientras realiza una tarea

Capacidad para navegar de forma autnoma.

ROBOT MVIL: Aplicaciones

Agente autnomo capaz de sus1tuir al hombre en alguna tarea.

Aplicaciones:
Transporte de mercancas: AGV
Limpieza
Tareas de rescate
Tareas de vigilancia
Robots gua
Asistencia a personas
Exploracin de lugares peligrosos

ARVC-UMH http://isa.umh.es/
arvc/

ROBOT MVIL

ARVC-UMH http://isa.umh.es/arvc/

ROBOT MVIL: preguntas fundamentales

Para navegar (p.e. ir de A a B), el robot debe saber

contestar a las siguientes preguntas:
Dnde

estoy?
Cul es el mejor camino para llegar a B?
Cmo es el entorno que me rodea?

Preguntas fundamentales
Dnde
n

Posicin (pose) en la que est el robot

Cul
n

estoy?

Localizacin

es el mejor camino para llegar a B?

Encontrar un camino sin obstculos que lleve de A a B. que sea ptimo

de alguna manera (tiempo, distancia, energa) Path planning,

planificacin de caminos
Cmo es el entorno que me rodea?
El robot cuenta con sensores.
n Representar esa informacin de forma coherente en un modelo del
n

entorno

Mapping, contruccin de mapas.

NAVEGACIN

Localizacin
Path planning
Mapping
Se consideran tareas
integradas en la
navegacin.
Estn muy
relacionadas.

DEFINICIONES
Navegacin:
n

Habilidad de un robot mvil para desplazarse por un entorno evitando

obstculos mientras sigue una ruta.

Mapping:
n

Construccin de un mapa. Plantea la interpretacin de los datos de los

sensores. Supone la posicin del robot es conocida en todo instante
(mapping with known poses, p.e. GPS).

Localizacin:
n

Clculo de la pose del robot a partir de los sensores y un mapa. El

robot debe disponer de un modelo del entorno para poder estimar su
pose.

Path
n

Planning:

Decidir cul es el mejor camino para ir de un punto A del entorno y

llegar a B.

Resto de conceptos?
Denid!:
Exploracin
Localizacin
ac6va
SLAM
Sist.
Integrados.

Mapas

MAPAS

Mapas usados en robtica mvil.

Mapas

topolgicos

Mapas

mtricos

n Mapas

de ocupacin
n Mapas de landmarks.

MAPAS
Mapas

topolgicos

n Representan

las relaciones de conectividad del espacio

(puedo ir de A a B?), no la distancia entre A y B.

MAPAS
Mapas

mtricos: Sitan la posicin de los elementos en el

mapa respecto de algn sistema de referencia mtrico.

n

Mapas de ocupacin: Definen las zonas del espacio que estn

ocupadas y las que estn libres de obstculos.

MAPAS

Mapas de ocupacin:

Son una discretizacin del espacio en celdas con un valor de ocupacin.

Generalmente almacenan la probabilidad con que la celda est
ocupada o libre.
Diferentes resoluciones tip. 5 cm.
Mapas grandes requieren bastante memoria.

MAPAS
Mapas
n

mtricos:

Mapas basados en marcas (hitos): feature-based maps, o landmarkbased maps. Representan la posicin de una serie de elementos en el
entorno (Vista del Victoria Park, Sydney. Se presenta la posicin de
los troncos de rboles).

MAPAS
Landmark: Se define landmark como una
caracterstica en el entorno fcilmente detectable por
los sensores del robot (hito o baliza en castellano).
Depende

de qu sensores se est utilizando:

nEjemplo,

suponed que tenemos un sensor lser.

 Podemos

usar estos datos de distancia para construir un

mapa de ocupacin directamente

MAPAS

O bien podemos extraer elementos caractersticos del entorno:

n P.e.

paredes, esquinas, crculos, ver vdeo.

Ejemplos de robots mviles

ROBOT MVIL
la navegacin es compleja?
La navegacin es una tarea muy
natural para nosotros. P.e. movernos
por casa, ir a Madrid en coche.
Se daba por supuesto esa
capacidad de los robots hace aos,
ya que Deep Blue era capaz de
batir a grandes ajedrecistas
Pero la navegacin est muy
relacionada con la inteligencia.

The Terminator
(1984)
(2029)

ES UN ROBOT MVIL?

Asimo,

Asimo

EJEMPLO: ROBOTS GUA

24

ARVC-UMH http://isa.umh.es/
arvc/

EJEMPLO: ROBOTS GUA

25

ARVC-UMH http://isa.umh.es/
arvc/

EJEMPLO: ROBOTS GUA

Mine Mapping
Navegacin Palmera 1
Navegacin Palmera 2
Dama
Conversacin con Sphinx

26

ARVC-UMH http://isa.umh.es/
arvc/

Interfaces hombre-robot
Sistema

para la teleoperacin inteligente de robots.

n Permite

comandar de forma sencilla varios robots.

n Navegacin integrada a bordo de cada robot.
n Algoritmos de localizacin integrados.
n Diferentes S.O. y libreras.
IDENTITY
SERVER

WIFI
NETWORK

WIRED
NETWORK

ROBOT CONTROL INTERFACE

NATURAL LANGUAGE
INTERPRETER

ARVC-UMH http://
isa.umh.es/arvc/

27

ROBOT
SERVERS

Mobile Robotics: Human-robot interfaces

ARVC-UMH http://isa.umh.es/
arvc/

28

vdeo

ndice
29

Introduccin
Estructura general
Morfologa de robots
Tipos de ruedas
Sensores de robots mviles
Navegacin
Localizacin

Estructura general
30

Elementos
Estructura

mecnica
Actuadores
Sensores
n

Internos
n

Odometra

Externos
n

Percepcin del entorno

Estructura general
31

Caractersticas:
Robots

autnomos con capacidad de navegacin

automtica
Dotado de sistemas inteligentes para seguimiento de
trayectorias
n Deteccin

de obstculos

Accionamientos

elctricos
Integracin multisensorial

Estructura General
32

Sensores internos:

Sensores externos

Infrarrojos
Ultrasonidos
GPS
Visin por computador

Planificacin de movimientos

Odometra e Inerciales

Estratgica-Deliberativa
Reactiva

Interfaz Hombre-Mquina

ndice
33

Estructura general
Morfologa de robots
Tipos de ruedas
Sensores de robots mviles
Navegacin
Localizacin

Locomocin de las ruedas

34

Movimiento de las ruedas:

Capacidad

de moverse de un lugar a otro

Centro de curvatura Instantneo (ICC)

35

Para que el movimiento se pueda producir, cada

rueda debe moverse a lo largo de su eje y

Morfologa de robots
36

TIPO BICICLETA

TIPO ACKERMAN

TIPO TRICICLO

Representacin del robot

37

Ser necesario disponer de tres variables:

Sistemas de referencia:

Posicin (2) + Orientacin (1)

Sistema de referencia inercial SI
Sistema de referencia del robot SR

Posicin del robot

Velocidad del robot

x
I = y

cos sin 0
R( ) = sin cos 0
0
0 1

R = R( )I

Ej. modelo cinemtico directo

38

Objetivo

Determinar cmo se mueve

en el plano un robot, dada
una determinada geometra
y una velocidad en cada
rueda.

Notacin:

r Radio de cada rueda

P Punto central
l Distancia de cada rueda a
P
Velocidad de rotacin de
cada rueda:

1 2

Ej. modelo cinemtico directo

39

Contribucin al
movimiento en el
sistema de referencia
local:

Movimiento respecto
al sistema de
referencia global:

r
x R = (1 + 2 )
2

y R = 0

R = (1 2 )
2l

I = R ( )R

Ej. modelo cinemtico directo. Comprobacin.

40

Consideraciones:

Rueda frontal autodirigida.

Giro por diferencia en la rotacin
de las ruedas.

Notacin:

r Radio de cada rueda

P Punto central
l Distancia de cada rueda a P
Velocidad de rotacin de cada
rueda:

1 2

ndice
41

Estructura general
Morfologa de robots
Tipos de ruedas
Sensores de robots mviles
Navegacin
Localizacin

Tipos de ruedas
42

Rueda estndar fija:

No

tiene eje de rotacin para cambiar de direccin

El ngulo que forma con el chasis del robot es constante:
n

El movimiento es limitado hacia delante y detrs respecto al plano

de la rueda

Tipos de ruedas
43

Rueda estndar con movimiento:

Permite

modificar la direccin de sta

Las ecuaciones son las mismas salvo que ahora el
ngulo es variable.

Tipos de ruedas
44

Rueda tipo Castor:

Son capaces de girar

alrededor de un eje vertical
pero cuyo eje no pasa a
travs del punto de contacto
con el suelo
Se requiere un parmetro
adicional como es la
distancia entre el eje de giro
y el eje de la rueda (d)

Tipos de ruedas
45

Rueda esfrica:

No impone restricciones al movimiento

Es una rueda omnidireccional y no impone restricciones
sobre la cinemtica del chasis del robot

ndice
46

Estructura general
Morfologa de robots
Tipos de ruedas
Sensores de robots mviles
Navegacin
Localizacin

Sensores para robots mviles

47

Posicionamiento
Necesidad

de conocer la posicin del robot mvil

dentro del entorno de trabajo
Tarea fundamental para guiado y seguimiento de
trayectorias
Y
Camino
(xob, yob)

(x,y)
X

Sensores para posicionamiento

48

Clasificacin

Posicionamiento relativo (dead-reckoning)

n
n

Posicionamiento absoluto (reference-based systems)

n
n
n
n
n

Odometra
Navegacin inercial
Comps magnticos
Balizas activas
GPS
Navegacin por marcas
Correspondencia de modelos

Errores

Sistemticos: imperfecciones cinemticas

No Sistemticos: deslizamiento

Odometra
49

Usan sensores propioceptivos (aqullos que

adquieren datos del propio sistema) para obtener
una aproximacin de la posicin actual respecto a un
sistema de referencia inicial
Ventajas

Sensores
n

econmicos

Encoders (pticos, magnticos, inductivos, capacitivos)

Algoritmos

sencillos para clculo de posicionamiento

Inconvenientes
Error

acumulativo, requiere correccin

Navegacin inercial
50

Clave:
Medida

de cambios de velocidad

n Lineal:

acelermetros
n Angular: girscopos

Ventaja:
No

requieren referencias externas

Inconveniente:
Obtencin

de posicionamiento por integracin

Pequeos errores se agravan con el tiempo

Sensores de velocidad y aceleracin

Wii:

51

ISA-UMH http://
isa.umh.es/

Comps magntico
52

Clave:

Ventaja:

Aprovechar el campo magntico terrestre

Medida absoluta de la orientacin del mvil

Problema

Distorsin del campo magntico debido a lneas de potencia y

estructuras metlicas
No aplicacin indoors

Balizas activas
53

Clave
Balizas
n

emisoras y/o receptoras en el entorno de trabajo

Utilizan seal luminosa o radiofrecuencia

Ventajas
Exactitud

y fiabilidad con mnimo procesamiento

Inconvenientes
Cose

alto de instalacin y de mantenimiento

ngulo de visin de las balizas

Balizas activas
54

Nmero de medidas necesarias para la

localizacin del mvil
Triangulacin

(3 ngulos)
Trilateration (3 distancias)

GPS (Global Positioning System)

55

Permite, mediante un receptor, obtener las

coordenadas 3D
Sistema compuesto por:

Segmento

espacial: 24 satlites orbitando alrededor de la

tierra
Segmento de usuario: receptor GPS
Segmento de control: estaciones de control repartidas por
todo el mundo

En cualquier punto del mundo se puede ver un

mnimo de 5 satlites y un mximo de 8

GPS
56

Surge como proyecto de defensa DARPA

Se abre a aplicaciones civiles, aadiendo un ruido que
provoca un error de 100 m
Se elimina el error aadido: errores de menos de 5 m

GPS
57

Funcionamiento:
Cada

satlite emite una seal codificada con informacin

de identificacin
El receptor recibe seales de los distintos satlites
Conociendo las posiciones de los satlites y midiendo el
tiempo que ha tardado la seal en llegar, se realiza una
triangulacin para obtener la posicin

Problemas
Poca

precisin (uso de DGPS)

No es posible usarlo en edificios, subsuelo y bajo el agua.
Tampoco en bosques densos ni entre edificios altos

Sensores de Rango
58

Rango: distancia del sensor al objetivo (profundidad)

Se

suelen usar para obtener la distancia a los objetos

Se usan como complementos de otros mtodos
Tiempo de vuelo:

Sensores de Rango
59

Infrarrojos
Diferentes

ngulos con diferentes distancias

Sensores de Rango
60

SONAR (SOund Navigation and Ranging)

El

sensor acta de emisor y receptor

Sensores de Rango
61

Funcionamiento
n Emite

un tren de ultrasonidos de 50kHz

n Emite formando un haz cnico con una extensin de aprox.
15
n Duracin del haz 1 ms aprox.
n Pasa a modo receptor

Sensores de Rango
62

Problemas
n ngulo

con el sonar

de incidencia
n Amplitud del cono
n Dobles rebotes

Sensores de Rango
63

Laser Range Finder (Sick)

Devuelve un grupo de lecturas de 180, con una

lectura por cada grado

d.2)

64

ISA-UMH

http://isa.umh.es/

ndice
65

Estructura general
Morfologa de robots
Tipos de ruedas
Sensores de robots mviles
Navegacin
Localizacin

Navegacin por marcas

66

Clave:

Ventaja:

Reconocimiento de marcas (landmarks) y clculo de su posicin

Informan de posicin y de otras caractersticas del entorno

Inconvenientes

Generalmente se requiere otro sistema para una localizacin previa

aproximada
n

Marcas para correccin

El resultado depende de la distancia a la marca y de su orientacin

Necesaria base de datos con marcas y posible ubicacin

Navegacin por Marcas

67

Marcas Artificiales
Objetos

o caractersticas diseadas y ubicadas en el

entorno para localizar al mvil
Deteccin ms fcil que las naturales
Sensores utilizados
n

Visin artificial

Navegacin por Marcas

68

Marcas Naturales
Objetos

o caractersticas propias del entorno, no pensadas

para aplicaciones de navegacin y/o localizacin
Ejemplos:
n

Esquinas, ventanas, puertas, focos de luz, etc.

Sensor
n

utilizado

Visin Artificial

50
100
150
200
50

100

150

200

250

300

ndice
69

Estructura general
Morfologa de robots
Tipos de ruedas
Sensores de robots mviles
Navegacin
Localizacin

Algoritmos de localizacin
70

Los algoritmos se distinguen:

Tipo

de mapa utilizado: Mapa de landmarks u ocupacin.

Tipo se sensor utilizado: Sonar, laser, cmara.
Localizacin global o tracking:
Depende del conocimiento inicial sobre la pose del robot.
n Localizacin global: Supone que no conocemos nada sobre la posicin
inicial del robot. Necesitamos barajar todas las hiptesis sobre la pose
del robot.
n Tracking: la posicin inicial es conocida, cuando el robot se mueva, la
incertidumbre aumentar y se utilizarn las observaciones para reducir
esta incertidumbre.
n

Algoritmos de localizacin
71

Algoritmos de localizacin:
Markov

grid localization
Monte-Carlo Localization (MCL)
Extended Kalman Filter.

La idea subyacente en todos es el filtrado bayesiano.

Algoritmos usados en 1001 aplicaciones.
Se diferencian en la manera de representar la
probabilidad sobre xt.

Monte Carlo Localization (MCL)

Monte Carlo Localiza1on

73

La probabilidad sobre xt se representa mediante un

conjunto de partculas.
Estos algoritmos reciben el nombre de Filtros de
Partculas.
La clave es la siguiente:

Las

poses con ms probabilidad se traducen en una

mayor densidad de partculas.
Las zonas poco probables tienen una baja densidad de
partculas.

Cada partcula representa una hiptesis sobre (x,

y, ).

Monte Carlo Localiza1on

74

Ejemplo 1: Distribucin aleatoria de partculas.

Ejemplo 2: Distribucin gaussiana de partculas.

Monte Carlo Localiza1on

75

Ejemplo: Asignamos un peso a cada una de las

partculas con func. Gaussiana.

Monte Carlo Localiza1on

76

Ejemplo: La posicin x sigue una distribucin aleatoria

(misma densidad para todo x).

Monte Carlo Localiza1on

77

Cmo conseguimos una distribucin de partculas

gaussiana?? (mayor densidad en la media??)

Monte Carlo Localiza1on

78

Muestreo en funcin del peso: elegimos o no cada

partcula en funcin de su peso.
Peso alto se elige con mayor probabilidad.

Monte Carlo Localiza1on

79

t = t =
for m = 1: M do
]
]
1: x [m
= sample _ motion(ut , x [m
t
t1 )
]
[m ]
2 : [m
=
measurement_model(z
,
x
t
t
t ,mapa)
]
[m ]
3 : t = t + x [m
,

t
t

endfor
for m = 1: M do
4 : elegir x tm con probabilidad prop. a tm
5 : aadir a t {m}
endfor
salida : t

Monte Carlo Localization: sample_motion

80

Cinemtica de un robot holonmico.

Monte Carlo Localization: sample_motion

81

Monte Carlo Localization: sample_motion

82

Cinemtica de un robot holonmico.

Monte Carlo Localization: sample_motion

83

Movimientos secuenciales:

Monte Carlo Localization:

observacin
84

Monte Carlo Localization: modelo de

observacin lser
85

Monte Carlo Localization: modelo de

observacin lser
86

Monte Carlo Localization: modelo de

observacin lser
87

Monte Carlo Localization: modelo de observacin lser

88

Ray-casting: Para cada partcula y el mapa, calcular

la distancia esperada de cada rayo <i> al obstculo
ms cercano.

zt,i

Compararla con la distancia observada por el sensor:

zt,i
Asignarle un
valor de probabilidad:
n _ beams

t =

i=1

t,i

i=1

t,i = e

(z t , i zt, i )2

n _ beams

(z t, i zt , i )2

b2

b2

Monte Carlo Localization

89

Loc. Monte Carlo global con lser.

Loc. Monte Carlo local con lser