intro-robotica

Vista previa del material en texto

Intro Robotica 1 
Introducción a la Robótica 
Móvil 
Eduardo Morales, L. Enrique Sucar 
Inteligencia Artificial 
Intro Robotica 2 
Contendio 
•  ¿Qué es un robot? 
•  Tipos de Robots 
•  Partes de un robot 
•  Arquitecturas 
•  Percepción 
•  Mapas del ambiente 
•  Localización 
•  Planeación de trayectorias 
•  Mapeo y Localización Simultánea (SLAM) 
•  Interacción Humano Robot 
Intro Robotica 3 
¿Qué es un robot? 
Intro Robotica 4 
Un robot es ... 
•  “manipulador programable y 
multifuncional diseñado para mover 
materiales, partes, herramientas o 
dispositivos específicos mediante 
movimientos programados para realizar 
diferentes tareas” [Instituto de Robótica 
de América] 
Intro Robotica 5 
Un robot es ... 
•  “agente activo artificial cuyo ambiente 
es el mundo físico” [Russell y Norvig] 
•  “conexión inteligente de percepción a 
acción” [Jones y Flynn] 
•  “una máquina programable capaz de 
percibir y actuar en el mundo con cierta 
autonomía” [Sucar] 
Intro Robotica 6 
Tipos de Robots 
•  Robots manipuladores (brazos) 
•  Robots móviles 
•  Robots “híbridos” (móviles con 
manipulación) 
•  Vehículos autónomos 
•  Robots áereos (UAVs) 
•  Robots submarinos 
•  Robots humanoides 
•  Robots hexápodos 
•  …. 
Intro Robotica 7 
Partes de un Robot 
Actuadores 
Sensores 
Comunicación 
“Inteligencia” 
Control 
Potencia 
Intro Robotica 8 
Actuadores 
•  Dispositivos que permiten al robot 
modificar el medio ambiente 
•  Dos tipos principales: 
– Locomoción: cambiar la posición del robot 
respecto al medio ambiente 
– Manipulación: mover otros objetos en el 
medio ambiente 
Intro Robotica 9 
Sensores 
•  Dispositivos que permiten 
al robot percibir el medio 
ambiente y su estado 
interno 
•  Principales tipos: 
–  “Propriception” – posición y 
movimiento: 
•  Codificadores en uniones 
de manipuladores 
•  Odometría en robots 
móviles 
–  Fuerza (bumpers) 
–  Táctiles 
–  Ultrasonido (sonares) 
Intro Robotica 10 
Sensores 
 
– Cámaras 
– Fotorreceptores 
– Apuntadores láser 
– Telémetros láser 
– Sensores de energía 
– Brújulas 
– Kinect 
Intro Robotica 11 
Potencia 
•  Sistema de potencia que proporcionan la 
energía eléctrica para la operación de las 
diferentes partes: electrónica, motores, 
sensores, etc. 
•  Los robots manipuladores se pueden 
alimentar de las líneas eléctricas (fijos), 
mientras que los robots móviles 
normalmente se alimentan de baterías 
Intro Robotica 12 
Control 
•  Provee la interfaz entre el sistema de 
procesamiento del robot y sus sensores y 
actuadores 
•  Normalmente se realiza mediante una 
combinación de hardware y software 
•  Provee una serie de comandos 
(subrutinas) para los programas de alto 
nivel del robot (“inteligencia”) 
Intro Robotica 13 
“Inteligencia” 
•  Programas que permiten que el robot 
realice sus tareas 
•  Dependiendo del tipo de robot y de la 
complejidad y variedad de las tareas a 
realizar, se tienen diferentes tipos de 
programas 
Intro Robotica 14 
“Inteligencia” 
•  Algunas tareas de un robot móvil: 
–  Integrar/interprertar la información de sus sensores 
–  Navegación (evitar obstáculos, ir a cierto lugar - meta) 
–  Planeación (decidir la serie de pasos para cumplir una o 
más metas) 
–  Construir modelos del ambiente (mapas) 
–  Localizarse en el mundo (en el mapa) 
–  Reconocer lugares y/o objetos 
–  Manipular objetos 
–  Comunicarse con otros agentes: computadoras, otros 
robots, personas 
Intro Robotica 15 
Comunicación 
•  En diversas aplicaciones es necesario que el 
robot se comunique con otros agentes 
•  Tipos de comunicación: 
–  Telecontrol: programación y control a distancia 
–  Cooperación: comunicación con robots u otras 
máquinas para realizar tareas conjuntas 
–  Interacción humano-robot: comunicación con 
personas para recibir comandos o dar información 
Intro Robotica 16 
Problemas fundamentales 
•  Obtener información del mundo: 
Percepción 
•  Saber donde estoy: Localización 
•  Construir un modelo del ambiente: Mapeo 
(SLAM) y Exploración 
•  Decidir como alcanzar el objetivo: 
Planeación 
•  Seguir un plan para alcanzar el objetivo: 
Navegación, Control 
Intro Robotica 17 
Arquitecturas de Software 
•  “organización de la generación de acciones 
a partir de las percepciones del robot” 
•  “arreglo de módulos de software para un 
robot móvil.” 
•  Principales tipos: 
– Arquitecturas deliberativas 
– Arquitecturas reactivas 
– Arquitecturas híbridas 
 
Intro Robotica 18 
Ejemplo 
•  Ir a la meta (luz) evitando los obstáculos 
 
Intro Robotica 19 
Arquitecturas básicas 
•  Arquitectura deliberativa 
•  Arquitectura reactiva 
actuadores sensores 
Intro Robotica 20 
Arquitectura deliberativa 
•  Basada en el paradigma de sensa-planea-
actua (SPA): 
– Se tiene un modelo completo (mapa) del 
ambiente 
– Se construye un plan de acción para realizar 
la tarea basado en el modelo 
– Se ejecuta el plan 
Intro Robotica 21 
Arquitectura deliberativa 
Sensado 
Modelo 
del 
mundo 
Plan Control Ejecu- ción 
Intro Robotica 22 
Ejemplo: enfoque deliberativo 
•  Construir mapa del ambiente, incluyendo 
obstáculos y meta 
•  Generar un plan para ir de la posición 
inicial a la meta evitando los obstáculos 
•  Ejecutar el plan 
Intro Robotica 23 
Ejemplo: plan en un mapa de 
rejilla 
•  Plan: buscar una serie de acciones básicas 
que lleven al robot de la posición inicial a la 
meta 
 
Intro Robotica 24 
Arquitectura deliberativa 
•  Ventajas: 
–  El tener un modelo del ambiente permite optimizar 
las acciones para obtener el “mejor” plan 
•  Limitaciones: 
–  Necesidad de un modelo preciso del ambiente 
–  Altos requerimientos de cómputo y memoria 
–  Dificultad de operar en un mundo dinámico o 
desconocido 
–  Reacción “lenta” a situaciones imprevistas 
Intro Robotica 25 
Arquitectura Reactiva 
•  En el enfoque reactivo hay una conexión 
directa de percepción a acción sin 
necesidad de un modelo del mundo 
•  Normalmente se considera una serie de 
niveles de comportamiento que realizan 
diferentes comportamientos en forma 
“paralela” (subsumption architecture) 
Intro Robotica 26 
Arquitectura basada en 
Comportamiento 
Planear 
Explorar 
Deambular 
Evitar objetos 
sensores actuadores 
Intro Robotica 27 
Manejo de Conflictos 
•  Al existir varios módulos en paralelo 
pueden existir conflictos, que se 
resuelven dando prioridades a los 
diferentes comportamientos 
•  El comportamiento de mayor prioridad 
“suprime” los otros comportamientos 
Deambular 
Evitar objetos motores 
Intro Robotica 28 
Ejemplo: enfoque reactivo 
Ir a la luz 
Evitar objetos motores 
Buscar luz 
Intro Robotica 29 
Arquitectura Reactiva 
•  Ventajas: 
– Bajo requerimiento de cómputo, respuesta 
rápida 
– Facilidad de desarrollo modular 
– No requiere un modelo del mundo 
•  Limitaciones: 
– Difícil de extender a tareas complejas 
– Limitaciones sensoriales pueden ocasionar 
problemas al no contar con un modelo 
– No garantiza la mejor solución (óptimo) 
Intro Robotica 30 
Arquitecturas Híbridas 
•  Combinación de arquitecturas 
deliberativas y reactivas que intentan 
aprovechar ventajas de ambas 
•  Ejemplos: 
– Arquitecturas jerárquicas (3 capas) 
– Arquitecturas de pizarrón (blackboard) 
– Arquitecturas probabilísticas 
Intro Robotica 31 
Arquitectura de 3 capas 
•  Tres componentes básicos: 
– Capa de habilidades: Mecanismo de 
control reactivo (controlador) 
– Capa de secuenciación: Mecanismo de 
ejecución de plan (secuenciador) 
– Capa de planeación: Mecanismo 
deliberativo (deliberador) 
•  El secuenciador selecciona los 
mecanismos básicos de la capa de 
habilidades en base al plan de la capa 
de planeación 
Intro Robotica 32 
Arquitectura de 3 capas: 
ejemplo 
Planeador 
Secuenciador 
sensores actuadores 
avanzar 
sin 
chocar 
girar ir a luz 
Intro Robotica 33 
Arquitectura de Pizarrón 
•  Conjunto de módulos o procesos que 
interactúanmediante un espacio de información 
común llamado pizarrón (blackboard) 
•  Cada módulo implemente una función específica 
y en conjunto todos realizan la tarea 
•  Todos los módulos pueden ver la información en 
el pizarrón y actúan en forma oportunística, de 
acuerdo al que más pueda aportar en ese 
momento (coordinador) 
Intro Robotica 34 
Arquitectura de Pizarrón 
Obtener 
info. 
sensores 
Ir a la 
meta 
Evitar 
obstáculo control 
planeación 
PIZARRÓN 
Intro Robotica 35 
Arquitectura probabilística 
•  Consideran la incertidumbre inherente en el 
mundo real, tanto en la información de los 
sensores como en la ejecución de los 
actuadores 
•  Representan en forma explícita dicha 
incertidumbre mediante distribuciones de 
probabilidad: 
–  Integración probabilística de sensores 
–  Mapas probabilísticos 
–  Acciones basadas en teoría de decisiones 
(maximizar utilidad) 
Intro Robotica 36 
Arquitectura probabilística 
sensores actuadores Fusión 
sensorial 
Locali- 
zación 
Nave- 
gación 
Coordinación 
Control (sensores/actuadores) 
Robótica Probabilista, L. E. Sucar 37 
Percepción del Ambiente 
•  Los sensores permiten al robot percibir 
su medio ambiente y su estado interno 
•  Dos tipos básicos: 
– Sensores de estado interno 
– Sensores de estado externo 
•  Desde otro punto de vista se pueden 
clasificar en: 
– Activos: emiten energía o modifican el 
ambiente 
– Pasivos: reciben energía pasivamente 
Robótica Probabilista, L. E. Sucar 38 
Modelo del Sensor 
•  El modelo de un sensor provee una 
relación matemática entre la propiedad de 
interés (e) y la lectura del sensor (r) 
 r = f (e) 
•  El modelo debe incluir la relación del 
dispositivo físico y el ruido debido al 
sensor mismo (interno) y al medio 
ambiente (externo) 
Robótica Probabilista, L. E. Sucar 39 
Modelo del Sensor 
r 
e 
ruido 
Robótica Probabilista, L. E. Sucar 40 
Modelo del Sensor 
P(Olaser|Z)	
Z	
Considerando la incertidumbre – modelo probabilístico 
Robótica Probabilista, L. E. Sucar 41 
Fusión sensorial 
•  Una forma de reducir la incertidumbre es 
combinando varios sensores, ya sea del mismo 
tipo o de diferente tipo: 
  Fusión sensorial 
•  La forma más sencilla de combinar varios 
sensores es simplemente tomar el promedio de 
las mediciones 
•  Existen técnicas más sofisticadas de fusión 
como técnicas bayesianas y el filtro de Kalman 
Robótica Probabilista, L. E. Sucar 42 
Fusión sensorial 
•  Existen al menos 3 diferentes formas de 
fusión sensorial en robótica móvil: 
1. Diferentes sensores 
2. Diferentes posiciones 
3. Diferentes tiempos 
Robótica Probabilista, L. E. Sucar 43 
Filtro de Kalman 
•  Las variables de estado (X) y observaciones 
(Z) tienen una distribución Gaussiana 
•  Las funciones de transición y observación son 
lineales: 
xt+1 = A xt + G wt 
zt = C xt + vt 
•  Donde A, C, G son constantes, y wt, vt son los 
términos que representan el ruido (media cero, 
varianza q, r) 
[En general, x y z son vectores y Q, R matrices de covarianza] 
Robótica Probabilista, L. E. Sucar 44 
Filtro de Kalman – Inferencia 
•  El problema básico es calcular la probabilidad 
posterior del estado, xt, dada la secuencia de 
observaciones, z1, …, zt 
P( xt | z1, …, zt ) 
•  Dado que las variables son Gaussians, sólo 
necesitamos estimar la media y varianza de xt 
m(xt | z1, …, zt ) 
v(xt | z1, …, zt ) 
Robótica Probabilista, L. E. Sucar 45 
Filtro de Kalman – Inferencia 
•  Algoritmo recursivo: 
– Actualización temporal-predicción P( xt+1 | xt) 
– Actualización de la observación P(xt+1 | xt, zt+1) 
Xt	

 Xt+1	
Zt	

 Z	
T T+1 
Xt	

 Xt+1	
Z Zt+1	
T T+1 
P(xt+1 | xt) P(xt+1 | xt , zt+1) 
Robótica Probabilista, L. E. Sucar 46 
Ejemplo – localización en 1-D 
Distr. inicial. 
Obs. 
nueva distr. 
Robótica Probabilista, L. E. Sucar 47 
Mapas 
•  Modelo del ambiente – generalemnte 
se representa el espacio libre y el 
espacio ocupado (obstáculos) mediante 
una representación geométrica: un 
mapa 
•  Tipos de mapas: 
– Mapas métricos 
– Mapas topológicos 
– Mapas semánticos 
Robótica Probabilista, L. E. Sucar 48 
Mapas Métricos 
•  Se representa el espacio libre y/o 
obstáculos mediante medidas 
espaciales (geométricas). 
•  Dos formas básicas: 
– descomposición o rejillas 
– geométrico 
Robótica Probabilista, L. E. Sucar 49 
Descomposición espacial 
•  Se representa el espacio libre / obstáculos 
mediante una discretización en un con 
junto de celdas básicas, por medio de una 
rejilla de ocupación espacial (occupancy 
grids) 
•  Tipos de rejillas: 
– Binarias (bitmap) o probabilísticas 
– Uniformes o jerárquicas 
Robótica Probabilista, L. E. Sucar 50 
Mapas de Rejilla 
 
Robótica Probabilista, L. E. Sucar 51 
•  Rejilla uniforme 
 
Robótica Probabilista, L. E. Sucar 52 
•  Obstáculos / espacio libre 
 
Robótica Probabilista, L. E. Sucar 53 
Mapa de Rejilla Probabilístico 
•  Cada celda tiene asociada una probabilidad 
de estar ocupada 
 
Robótica Probabilista, L. E. Sucar 54 
Mapas Topológicos 
•  Se considera el ambiente como una serie 
de lugares y conexiones entre dichos 
lugares. 
•  Esto se puede considerar como un grafo: 
– Nodos: lugares 
– Arcos: conexiones 
•  Se le puede incorporar información 
métrica al grafo – longitud y orientación de 
los arcos 
Robótica Probabilista, L. E. Sucar 55 
Ejemplo: mapa topológico 
•  Grafo de conectividad entre “cuartos” 
 
Robótica Probabilista, L. E. Sucar 56 
Ejemplo: mapa topológico 
•  Grafo de conectividad entre “cuartos” 
Robótica Probabilista, L. E. Sucar 57 
Mapas semánticos 
•  Se tiene asociado a un mapa métrico o 
topológico, una cierta semántica para los 
diferentes espacios/objetos en el mapa 
•  Esto permite una comunicación más 
natural con el robot en forma análoga a la 
comunicación entre personas (ve al a la 
oficina de Enrique …) 
Robótica Probabilista, L. E. Sucar 58 
Mapas semánticos 
Pasillo Cuarto 1 
Cuarto 2 
Cuarto 3 Estancia 
Robótica Probabilista, L. E. Sucar 59 
Localización 
•  Hay dos tipos principales de localización: 
1.  Local (seguimiento) – dada una posición 
conocida del robot, mantener su localización 
en el mapa 
2.  Global – encontrar la posición sin 
conocimiento previo (o con conocimiento 
erróneo – “kidnapped robot”) 
Robótica Probabilista, L. E. Sucar 60 
Seguimiento de la posición 
•  Odometría (“dead reckoning”) – se estima 
la posición integrando los movimientos 
(traslación y rotación) desde una posición 
conocida 
•  Esto introduce un error que es 
acumulativo, normalmente mayor para 
rotaciones 
•  Puede utilizarse en combinación con 
información de sensores externos 
Robótica Probabilista, L. E. Sucar 61 
Localización global 
•  Consiste en determinar la posición del 
robot sin tener una referencia de su 
posición anterior 
•  Dada las lecturas de los sensores, 
normalmente hay varias posibles 
localizaciones para el robot, por lo que 
tiene que en ocasiones tiene que 
desplazarse para encontrar su posición 
“real” 
Robótica Probabilista, L. E. Sucar 62 
Localización basada en Marcas 
•  Una alternativa para la localización es 
usar marcas y triangulación 
•  Se pueden usar más de 2 marcas y hacer 
un esquema de “votación” para hacer el 
sistema más robusto 
•  Existen diferentes tipos de “marcas 
naturales”, como esquinas, paredes, 
puertas, … 
Robótica Probabilista, L. E. Sucar 63 
 
Localización 
basada en 
marcas 
naturales 
d1 
d2 
Localización Local 
Robótica Probabilista, L. E. Sucar 65 
Localización 
global 
No se puede mostrar la imagen. Puede que su equipo no tenga suficiente memoria para abrir la imagen o que ésta esté dañada. Reinicie el equipo y, a 
continuación, abra el archivo de nuevo. Si sigue apareciendo la x roja, puede que tenga que borrar la imagen e insertarla de nuevo.
No se puede mostrar la imagen. Puede que su equipo no tenga suficiente memoria para abrir la imagen oque ésta esté dañada. Reinicie 
el equipo y, a continuación, abra el archivo de nuevo. Si sigue apareciendo la x roja, puede que tenga que borrar la imagen e insertarla 
de nuevo.
No se puede mostrar la imagen. Puede que su equipo no tenga suficiente memoria para abrir la imagen o que ésta esté dañada. 
Reinicie el equipo y, a continuación, abra el archivo de nuevo. Si sigue apareciendo la x roja, puede que tenga que borrar la imagen e 
insertarla de nuevo.
Robótica Probabilista, L. E. Sucar 66 
Localización de Markov 
•  Bajo el enfoque probabilístico, el problema de 
localización global se puede resolver mediante 
el Filtro de Bayes (localización de Markov) 
•  El robot va alternando sensado/movimiento 
hasta poder determinar su ubicación 
•  Se puede implementar de diferentes formas: 
–  Filtro de Kalman 
–  Filtros de partículas 
–  Filtro discreto 
Robótica Probabilista, L. E. Sucar 67 
Localización de Markov	
Intro Robotica 68 
Ejemplo: localización (Fox 98) 
•  Sensado 
•  Predicción 
•  Sensado 
Intro Robotica 69 
Ejemplo de localización de Markov 
(Fox 98) 
•  Filtro de partículas: P
(ST | A1:T, O0:T) 
S	
S	
Robótica Probabilista, L. E. Sucar 70 
Cinemática 
•  La cinemática se refiere a los efectos de 
las acciones de control en la configuración 
del robot 
•  La configuración es la posición y 
orientación de un cuerpo, en este caso un 
robot en el espacio 
Robótica Probabilista, L. E. Sucar 71 
Espacio de configuraciones 
•  Grados de libertad: 
– Se refiere a los posibles movimientos de un 
robot (X,Y,Z y rotaciones) 
– Para manipuladores, cada articulación provee 
un grado de libertad (se requieren 6 para 
ubicar un objeto rígido en cualquier posición y 
orientación) 
•  Robots móviles: 
– Movimiento en el plano X-Y y rotación 
Robótica Probabilista, L. E. Sucar 72 
Configuración de un robot 
•  La configuración de un robot se refiere a 
la posición de sus todas articulaciones 
que definen su estado en el espacio 
Θ1 
Θ2 
Robótica Probabilista, L. E. Sucar 73 
Espacio de configuraciones 
•  Espacio “n”-dimensional donde se ubica 
cada grado de libertad del robot – el 
robot (orgáno terminal) se puede ver 
como un punto en este espacio 
Θ1 
Θ2 
Robótica Probabilista, L. E. Sucar 74 
Espacio de configuraciones 
•  Ejemplos: 
– Robot Scout: X, Y, Θ1 
– Robot Nomad: X, Y, Θ1, Θ2 
Para un robot móvil, la configuración del robot está dada por 
su posición X-Y y su orientación 
Robótica Probabilista, L. E. Sucar 75 
Espacio de configuraciones: 
robot móvil 
Θ 
Y 
X 
Robótica Probabilista, L. E. Sucar 76 
Ejemplo: espacio de 
configuraciones, de obstáculos y 
espacio libre 
Θ1 
Θ2 
Robótica Probabilista, L. E. Sucar 77 
Planeación de Trayectorias 
•  Determinar una trayectoria en el espacio 
de configuraciones, entre una 
configuración inicial (inicio) y una 
configuración final (meta), de forma que el 
robot no colisione con los obstáculos y 
cumpla con las restricciones cinemáticas 
del robot 
Robótica Probabilista, L. E. Sucar 78 
Plan 
•  Un plan es un conjunto de acciones 
(operadores) que permiten a un agente 
(robot) ir de un estado inicial a un 
estado final o meta 
•  Los elementos básicos para hacer un 
plan son: 
– Estados (p. ej. Posición del robot), 
incluyendo el estado incial y el estado 
meta 
– Operadores: acciones que llevan de un 
estado a otro, Si  Sj 
Robótica Probabilista, L. E. Sucar 79 
Ejemplo de Plan 
•  Considerando el mapa de rejilla: 
•  Estados: 
– posición X,Y en el mapa 
– Estado inicial: 0,0 
– Estado meta (luz): Xm, Ym 
•  Acciones: 
– Movimiento a alguna de las celdas vecinas 
– X+1, Y+1, X-1, Y-1 
Robótica Probabilista, L. E. Sucar 80 
Ejemplo de Plan 
•  Plan: buscar una serie de acciones básicas 
que lleven al robot de la posición inicial a la 
meta 
 
Robótica Probabilista, L. E. Sucar 81 
Ejemplo: plan en el mapa 
topológico 
•  Plan = búsqueda de una trayectoria en el 
grafo, del nodo inicial al meta 
Robótica Probabilista, L. E. Sucar 82 
Programación dinámica 
•  Procedimiento iterativo (recursivo) para 
evaluar el costo de la trayectoria mínima 
de cualquier punto a la meta 
•  Se considera un ambiente discreto y un 
costo de moverse de un sitio (celda) a otro 
•  El algoritmo básico se conoce como 
“iteración de valor” 
Robótica Probabilista, L. E. Sucar 83 
Ejemplo – programación 
dinámica 
0 
1 1.4 
1 
1.4 1 
2.4 
2.4 
2 
2 
Robótica Probabilista, L. E. Sucar 84 
Ejemplo – programación 
dinámica 
0 
1 1.4 
1 
1.4 1 
2.4 
2.4 
2 
2 3 
3.4 
3 
3.4 
3.4 3.8 4.8 
4.4 4.8 
4.4 
4.4 
5.8 
4 
6.8 
5.8 
5.4 6.4 
6.8 
6.8 
7.8 8.2 
7.8 
7.8 
8.2 9.2 
8.8 
8.8 
9.2 
10.2 
9.8 
Robótica Probabilista, L. E. Sucar 85 
Ejemplo – programación 
dinámica 
0 
1 1.4 
1 
1.4 1 
2.4 
2.4 
2 
2 3 
3.4 
3 
3.4 
3.4 3.8 4.8 
4.4 4.8 
4.4 
4.4 
5.8 
4 
6.8 
5.8 
5.4 6.4 
6.8 
6.8 
7.8 8.2 
7.8 
7.8 
8.2 9.2 
8.8 
8.8 
9.2 
10.2 
9.8 
Robótica Probabilista, L. E. Sucar 86 
 Ejemplo de programación dinámica	
Se considera un conjunto de celdas (road-map) libres	
de obstáculos obtenidas previamente	
V(x,y) (pixel oscuros	
denotan valores altos)	

G	

I	
Robótica Probabilista, L. E. Sucar 87 
SLAM 
•  El problema de construcción de mapas por el 
mismo robot es uno de los problemas 
fundamentales en robótica móvil 
•  Este involucra el resolver concurrentemente 
(simultáneamente) dos problemas: 
–  Construir un mapa (espacio libre/ocupado) del 
ambiente 
–  Localizarse en el mapa que se va construyendo 
•  Por lo que se conoce como “mapeo y 
localización simultáneos” – SLAM 
Robótica Probabilista, L. E. Sucar 88 
El problema de construir un mapa	
Mapa	
Robótica Probabilista, L. E. Sucar 89 
Construcción de mapas (Romero 2002)	
Robótica Probabilista, L. E. Sucar 90 
Robot simulado construyendo un 
mapa de rejilla 
Robótica Probabilista, L. E. Sucar 91 
Mapas en el INAOE 
Pasillo oficinas 2do piso Laboratorio de robótica 
Interacción Humano-Robot 
Detección de Personas 
Reconocimiento de Personas 
Localization and tracking 
SIFT feature extraction 
Face recognition 
Video streaming 
Results 
Ademanes 
•  Útiles para la comunicación humano-robot 
•  Comunicar información geométrica 
– Ve para allá 
– Toma ese objeto 
– Qué es eso? 
•  Complemento a la voz 
– Para! 
– Ven! 
Ven 
 
Atención 
 
Derecha 
 
Izquierda 
 
Alto 
Interacción por voz y 
emociones 
•  Reconocimiento y 
síntesis de voz 
•  Simulación de 
emociones 
Expresiones faciales 
RoboCup@Home 
•  Torneo orientado a robots de servicio en casa 
que es parte de la iniciativa de RoboCup 
•  Alguna Tareas: 
–  Presentation 
–  Who is Who 
–  Follow me 
–  Lost & Found 
–  Shopping mall 
–  Restaurante 
–  Fire detection 
–  Open challenge (mesero, rehabilitación, bailarín) 
TMR 2013 - restaurante 
Referencias 
•  Dudek, Jenkin, Computational Principles 
of Mobile Robots, Cambridge Univ. Press 
•  Kortenkamp et al. (Eds.), Artificial 
Intelligence and Mobile Robots, MIT Press 
•  Thrun, Burgard, Fox, Probabilistic 
Robotics, MIT Press 
Intro Robotica 101