Topicos em Engenharia (Robotica Probabilstica)

Trabalho 2
Lucas Silva Lopes, 11/0129482
8 de Fevereiro de 2016

1 Tarefas
1.1
Como o rudo de medic ao v[k] e i.i.d dado pela distribuicao N (0, Rv ) com Rv =
diag{sx , sy }, pode-se inferir o valor de Rv (considerando-se sx = sy ) a partir da
precis
ao do GPS (1 m) fornecida de acordo com um intervalo de confianca de
95%. Sabe-se que um intervalo de confianca de 95% corresponde ao intervalo
2 e + 2 de uma gaussiana. Assim:

1 = 0 + 2
= 1/2
sx = sy = 2 = 1/4
 
1/4 0
Rv =
0 1/4

1.2
Reescrevendo as equac
oes:

y[k] = y[k 1] + ts U [k]r + v[k]

y[k] y[k 1] = ts U [k]r + v[k]

y[1] y[0] ts U [1] v[1]
y[2] y[1] ts U [2] v[2]
= r +

.. .. ..
. . .
y[n] y[n 1] ts U [n] v[n]

1

y[1] y[0]
y[2] y[1]
= y nr

..
.
y[n] y[n 1]

ts U [1]
ts U [2]
= U nr

..
.
ts U [n]

Figura 1: Resultado da simulacao com rudo de medicao Rv = diag{1/4, 1/4}.

Simulando o sistema com Rv = diag{1/4, 1/4} (ruido.var = 0.52), obteve-se o

vetor y nr e a matriz U nr. Pode-se entao estimar r por mnimos quadrados:

 
0.3583
r=
0.8415
 
0.3583 0.8415
R=
0.8415 0.3583

O resultado da simulac
ao e mostrado graficamente na Figura 1.

2
1.3

Figura 2: Resultado da simulacao com tempo total de 10 s.

 
0.0618
r=
1.2437
 
0.0618 1.2437
R=
1.2437 0.0618

Observac
oes:

O robo fez uma trajet

oria mais curta com a mesma velocidade para res-
peitar o novo tempo de simulacao;
A matriz R e diferente a cada simulacao, pois depende da orientacao inicial
do rob ao ao mundo, e esta varia aleatoriamente entre 0 e 100 ,
o com relac
conforme consta no arquivo robo omni simulacao.m. A matriz R nao
depende da posic ao inicial (x,y,z) do robo, mas esta e sempre igual a
(6,0,0), conforme consta novamente no arquivo robo omni simulacao.m.
A matriz R e uma matriz de rotacao que transforma a base, da orientacao
inicial do rob
o para as coordenadas
 do mundo, a menos
 de uma translacao.
cos() sen()
Portanto, R tem a forma onde e a orientacao
sen() cos()
inicial do rob
o com relacao ao mundo.

3
 Observa-se pela Figura 2 que nesta simulacao a orientacao inicial do robo
e levemente maior do que 90 . Portanto espera-se ra = cos() < 0 e
rb = sen() > 0, e de fato ra < 0 e rb > 0. Contudo, rb > 1, mas nao
existe sen() > 1, para real. Isso e possvel porque R e apenas uma
estimativa, obtida de inacuradas medicoes de posicao dadas pelo GPS, e
de conhecidas velocidades aplicadas ao robo com relacao `a sua orientacao
inicial.
Comparando diversas simulacoes para um tempo total de 100 s e para
um tempo total de 10 s, observa-se que obtem-se estimativas muito piores
para R quando o tempo total e de 10 s. Isso se da porque um tempo
menor de simulacao fornece menos medicoes de GPS para serem usadas
pelo estimador, resultando em uma estimativa pior de R.

1.4
oes, r[0] foi inicializado aleatoriamente. P[0] foi inicializado
Em todas as simulac
com 1I nas Figuras 3 e 4, 100I nas Figuras 5 e 6 e 1000I nas Figuras 7 e 8.
A forma basica de qualquer estimador recursivo e:

(Estimac
ao Atual) = (Estimacao Anterior)+(Ganho de Estimacao)(Termo de Inovacao)

Quanto maior o valor de P[0], com mais intensidade o estimador confia mais
nas medicoes do que nas estimativas inicialmente. Assim, observa-se que os
valores de ra e rb variam pouco na Figura 4 (entre 0.35 e 0.6 aproximadamente),
variam mais na Figura 6 (entre -1.5 e 2 aproximadamente), e variam muito na
Figura 8 (entre -5 e 20 aproximadamente). Isso se da porque nas Figuras 6 e 8,
o estimador confia pouco nas estimativas inicialmente, fazendo as estimativas
oscilarem junto com as medicoes. Com o tempo, no entanto, mais medicoes
s
ao tomadas, as estimativas ficam melhores, e o estimador confia mais nelas.
Isso e medido pela matriz de covariancia do erro de estimacao P[k], que decai
com o tempo. O Ganho de Estimacao, da forma basica de qualquer estimador
recursivo, decai juntamente com P[k], fazendo a Estimacao Atual se tornar cada
vez mais proxima da Estimacao Anterior, o que significa que o valor estimado
converge. Tudo isso pode ser verificado nas Figuras 4, 6 e 8, com a observacao
adicional de que na Figura 4 o estimador demora mais a convergir porque o
estimador confia muito nas estimativas, conforme configurado inicialmente.

4
 Figura 3: Resultado da simulacao com P[0]=I.

Figura 4: Valores de ra e rb ao longo das iteracoes para a simulacao com P[0]=I.

5
 Figura 5: Resultado da simulacao com P[0] = 100I.

Figura 6: Valores de ra e rb ao longo das iteracoes para a simulacao com

P[0]=100I.

6
 Figura 7: Resultado da simulacao com P[0] = 1000I.

Figura 8: Valores de ra e rb ao longo das iteracoes para a simulacao com

P[0]=1000I.