Descarga la aplicación para disfrutar aún más
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
Compartir