Introducción a la Robótica Móvil

Introducción a la
Robótica Móvil

Prof. Dr.Eng. Fernando Passold

Introducción a la Robótica Móvil
Sumario
6. Modelaje del Entorno
1. Tipos de Robots Definición
Diferencia robot manipulador x Robot Móvil; Uso de landmarks
Características do robot móvil; Descomposición geométrica del entorno
Fusión geométrica o "map building"
2. Aplicaciones de robots móviles Formas de modelaje del entorno

3. Robots móviles terrestres 7. Arquitecturas de Robots Móviles
Tipos de tracción para robots móviles terrestres; Reactivas
Por planeamiento (Deliberativas)
4. Sensores Basado en Comportamiento
Tipos de Sensores; Descomposición Funcional del Sistema de
Fuentes de Errores Control
Actividades del Control por Comportamiento
5. Integración (o Fusión) Sensorial Arquitecturas híbridas
Definición Ejemplos de Arquitecturas de Controle
Formas de Integración Sensorial
8. Tendencias Futuras:
Enfoques para Integración Sensorial
Otros métodos Bibliografía
Proyecto de los Sensores utilizados Bibliografía Recomendada Codec MPEG4:
Especificación Lógica de Sensores
Quick
Modelaje de los Sensores
Time
MPEG2 Video Decoder:

Introducción a la Robótica Móvil 2

Introducción a la Robótica Móvil
Bibliografía recomendada

[Torres, 2002] Torres, Ferando; Pomares, Jorge; Gil, Pablo; Puente, Santiago T.; Aracil,
Rafael; Robots y Sistemas Sensoriales, Pearson Educación, Madrid, p. 480,
2002.
[Siegwart, 2004] Siegwart, Roland and Nourbakshsh; Introduction to Autonomous Mobile
Robots, Bradford Books/The MIT Press, Massachusetts, p. 321, 2004.
http://www.mobilerobots.org
[Thurn, 2006] Thurn, Sebastian; Burgard, Wolfram; Fox, Dieter; Probabilistic Robotics,
The MIT Press, Massachusetts, p. 647, 2006.
[Murphy, 2000] Murphy, Robin R.; Introduction to AI Robotics; Bradford Books/The MIT
Press, Massachusetts, p. 466, 2000
[Siciliano, 2008] Siciliano, Bruno; Khatib, Oussama (eds.), Springer Handbook of Robotics,
Springer, p. 1591, 2008.
[Borenstein, 1996] J. Borenstein, J.; Everett, H. R., and Feng, L., Where am I? - Systems and
Methods for Mobile Robot Positioning, p. 282, 1996.
http://www-personal.umich.edu/~johannb/position.htm
http://www-personal.umich.edu/~johannb/shared/pos96rep.pdf (12,5 Mb -
Disponible en May/2009)


6. Modelado del Entorno
A exploração baseada em sensores possibilita ao robô explorar e mapear um entorno
desconhecido, usando as informações dos sensores. Um dos componentes críticos
a serem mapeados é a própria capacidade do robô se localizar num mapa
parcialmente explorado. Isto se transforma em desafio quando o robô sofre ainda
de erros de posicionamento, não pode contar com um dispositivo externo de
posicionamento nem se pode dar ao luxo de guiar-se por balizas (marcas,
landscapes) introduzidas no entorno.

Métodos para localização e mapeamento simultâneos que exploram a topologia do
espaço livre do robô, permitem localizar o robô num mapa parcialmente
construído. Este mapa pode ser usado para gerar os grafos de Voroni (GVG) que é
na realidade um mapa topológico que codifica algumas informações métricas a
respeito do entorno do robô. Entretanto, atrasos de locomoção podem ser
esperados devidos à incertezas provindas dos sensores e processamento pesado
exigido.


Uso de landmarks:
desconhecido, usando as informações dos sensores. Um dos componentes críticos a serem
mapeados é a própria capacidade do robô se localizar num mapa parcialmente explorado.
Isto se transforma em desafio quando o robô sofre ainda de erros de posicionamento, não
pode contar com um dispositivo externo de posicionamento nem se pode dar ao luxo de
guiar-se por balizas (marcas, landscapes) introduzidas no entorno.

Navegação por balizas (landmarks).


Uso de landmarks:
desconhecido, usando as informações dos sensores. Um dos componentes críticos a serem
mapeados é a própria capacidade do robô se localizar num mapa parcialmente explorado.
Isto se transforma em desafio quando o robô sofre ainda de erros de posicionamento, não
pode contar com um dispositivo externo de posicionamento nem se pode dar ao luxo de
guiar-se por balizas (marcas, landscapes) introduzidas no entorno.


desconhecido, usando as informações dos sensores. Um dos componentes críticos
a serem mapeados é a própria capacidade do robô se localizar num mapa
parcialmente explorado. Isto se transforma em desafio quando o robô sofre ainda
de erros de posicionamento, não pode contar com um dispositivo externo de
posicionamento nem se pode dar ao luxo de guiar-se por balizas (marcas,
landscapes) introduzidas no entorno.

Métodos para localização e mapeamento simultâneos que exploram a topologia do
espaço livre do robô, permitem localizar o robô num mapa parcialmente
construído. Este mapa pode ser usado para gerar os grafos de Voroni (GVG) que é
na realidade um mapa topológico que codifica algumas informações métricas a
respeito do entorno do robô. Entretanto, atrasos de locomoção podem ser
esperados devidos à incertezas provindas dos sensores e processamento pesado
exigido.



Decomposição trapezoidal: - Processamento + rápido

Método avançado:
Decomposição celular usando pontos
críticos da função segmentadora:
h(x,y)=x2+y2.



← Exemplo: Usando grafos


• Fusão geométrica dos
dados ou “Map Building”:
⇒ requer que um robô estime
simultaneamente sua própria
posição e o mapa do ambiente.
y0
yc

xc
yR da
Ro re
liv

θ

ϕ

xR x0


Map Building e Exploração do Entorno:
#1: Traçar grafo de Vorony (GVG) do ponto 2 até
ponto 4.
#2: Voltar ao ponto 5, explorando as redondezas do
ponto 6.
#3: Traçar o GVG do ponto 5 ao ponto 1.
#4: Traçar o ramo partindo do ponto 1 e retornar ao
ponto 2.


• Modelagem do entorno (“mundo” do robô):

Estrutural Paramétrica Funcional

Determinação Parâmetros; Forma de interação
dos limites; Domínios com o entorno
Relações...

Características Como o objeto interage
Descrição física e numéricas ligadas a com os outros
Geométrica (arestas) uma estrutura (peso, elementos ou como
comprimentos) pode ser manipulado.


7. Arquitectura de Robots Móviles
Arquiteturas de Controle do robô:
• Reativas
• Planejadas

Atividades do Sistema de Controle:
1) Baseado em comportamento, ou;
2) Não baseado em comportamento.

Modelagem do entorno:
• Modelagem do espaço livre;
• Planejamento da percepção


• Reativas
• Planejadas Exemplos:
-Desviar de obstáculos;
-Contornar obstáculos;
Atividades do Sistema de Controle: -Seguir trilhas no chão (sensor IR)
1) Baseado em comportamento, ou; -Seguir paredes
2) Não baseado em comportamento. -Procurar/desviar de focos de luz



Ponto de
chegada
• Reativas:
- Método dos Potenciais:
Potenciais Obstáculo:
vetores divergentes

1) Definir força atrativa: Note: à partir
ponto de chegada → potencial atrativo. deste ponto,
mudança de
2) Definir forças repulsivas (dadas pela info.
direção, isto
de cada sensor). São forças divergentes é, já passei
geradas pelos obstáculos. do ponto de
3) Cálculo do vetor resultante → define o chegada.
“gradiente” de força.
4) Aplicar no modelo cinemático do robô de v
forma a definir a velocidade linear e θ
angular (giro).

WHILE ponto_atual ≠ ponto_chegada


• Reativas:
Notas:
1) Potencial Atrativo ∝ distância do ponto de
chegada (função parabólica).
Cuidados: definir função em que o vetor
atrativo ainda seja maior que os vetores
repulsivos quando o robô está longe do
objetivo. v
Distância grande: se usa função cônica
(3a ordem ⇒ vel. quase constante.)
Distâncias pequenas: se usa função .
quadrática (de 2a ordem). θ


• Reativas:
Notas:
2) Potencial Repulsivo: ∝ 1/d
onde d: distância do obstáculo:
VRep

v
1 (cm) 10 (cm) d
Cuidados: não pode ser grande se o robô
está longe do obstáculo. .
Calculado de forma “local” para cada θ
obstáculo.


• Reativas:
Potenciais

Detalhes:
1) Este algoritmo permite orientar o robô mesmo que o
mesmo inicie com uma orientação propositalmente
incorreta.
2) Se vetor_resultante ≅ 0 AND robô não percorre
distância mínima dentro de certo tempo, se adiciona
(lentamente) ruído de forma o força o robô a sair de v
um possível ponto de mínimo local.
3) Teste interessante: colocar um robô contra outro para
verificar se desviam quando estão próximos (evita-se .
a colisão com outros objetos móveis?) θ


• Reativas:

Detalhes:
1) Este algoritmo permite orientar o robô
mesmo que o mesmo inicie com uma
orientação propositalmente incorreta.
2) Se vetor_resultante ≅ 0 AND robô não
percorre distância mínima dentro de
certo tempo, se adiciona (lentamente)
ruído de forma o força o robô a sair de
um possível ponto de mínimo local. Ref: http://www.calerga.com/products/Sysquake/robotnav.html
3) Teste interessante: colocar um robô
contra outro para verificar se desviam
quando estão próximos (evita-se a
colisão com outros objetos móveis?)


• Reativas:
Potenciais

Vantagens:
• Não necessita do modelo do entorno!
• Resposta rápida.

Problemas:
• Decompor vetor resultante de força em:
• Velocidade linear (v), e;
• Velocidade angular (dθ/dt = w).
• Pode ficar retido em mínimo locais
(entornos + complexos)


• Reativas
• Planejadas
Campo fértil para a área de
Atividades do Sistema de Controle: Inteligência Computacional e
1) Baseado em comportamento, ou; Inteligência Artificial
2) Não baseado em comportamento. ⇒Problema: muitas possibilidades
de trajetórias.


• Planejadas: Note: exige
levantamento do
de missões ⇒ off-line: 1a parte → modelo do
entorno.
de caminhos
↑ Intimamente
↓ relacionados
da percepção.

Problema: seguir por um caminho, mas o que devo “mirrar” ?


• Planejadas:

do caminho:
(divide espaço em segmentos):
Decomposição trapezoidal:

Ponto médio
Tarefa à cargo do “planificador”.
planificador
Se introduz
linhas verticais


• Planejadas:

do caminho:
Decomposição trapezoidal:


Exemplos:
• Planejadas:
do caminho:
Diagramas de Voronoi: (pontos
eqüidistantes entre 2 arestas).

Útil em entornos complexos e estreitos:


• Reativas
• De Planejamento

Problema:
1) Baseado em comportamento, ou; Como mesclar comportamentos
2) Não baseado em comportamento. para que o robô realize uma
Trajetória razoável.



• Reativas
• De Planejamento

Problema:
1) Baseado em comportamento, ou; Como mesclar comportamentos
2) Não baseado em comportamento. para que o robô realize uma
Trajetória razoável.
Mesclar tarefas de:
• percepção;
• planificação;
• execução de tarefas


• Reativas
• De Planejamento

2) Não baseado em comportamento. Decomposição de tarefas:
• por funcionalidade:
• tarefa de localização;
Mesclar tarefas de: • processamento sensorial;
• percepção; • modelo do entorno;
• planificação; • planificação de tarefas;
• execução de tarefas • execução de tarefas;
• controle de motores.
• por comportamento.


• Reativas
• De Planificação

2) Não baseado em comportamento. Outro campo fértil de
pesquisas para a área de
Modelagem do entorno: Inteligência Computacional
• Modelagem do espaço livre; e Inteligência Artificial



Decomposição Funcional do Sistema de Controle:
alto
nível Leva em conta o conceito de cruzabilidade, relacionado à
velocidade máxima que o veículo pode desenvolver.
Calcula-se a cruzabilidade de cada segmento para depois selecionar
o melhor trajeto (procurar manter zonas de cruzabilidade constante).
Planificador
Define trajetória dinamicamente.
Navegador Opera em escalas pequenas (< 10 metros).
Segue baseado nos dados do “planificador”

Segue seqüências de controle (velocidade linear e
“Piloto” angular) baseado em dados gerados pelo navegador.

Controle da Malha fechada baseada em sensores internos.
baixo
execução Aqui necessário somente modelo dinâmico do
nível
sistema.



alto
nível Opera à nível geométrico. Recebe os
Opera à nível geométrico. Recebe os
pontos passados pelo planificador (3
pontos passados pelo planificador (3
zonas de cruzabilidade aprox. cte.). O
zonas de cruzabilidade aprox. cte.). O
Planificador navegador define pontos intermediários
navegador define pontos intermediários
(interpolação). Define → Mapa
(interpolação). Define → Mapa
Navegador p/Navegação.
p/Navegação.
Necessita maior definição dos objetos
Necessita maior definição dos objetos
externos (detecção de obstáculos?). O
externos (detecção de obstáculos?). O
“Piloto” mapa passado pelo Navegador precisa
mapa passado pelo Navegador precisa
ser detalhado.
ser detalhado.
Controle da
baixo
execução
nível



alto Converte as ordens do Navegador para
Converte as ordens do Navegador para
nível
os controladores do sistema motriz do
os controladores do sistema motriz do
robô (informações como vel. linear e
robô (informações como vel. linear e
Planificador
angular).
angular).
O Piloto evita os obstáculos
O Piloto evita os obstáculos
desconhecidos porque somente neste
desconhecidos porque somente neste
Navegador
nível mais baixo existe realimentação do
nível mais baixo existe realimentação do
mundo externo.
mundo externo.
“Piloto”
Agente “extra”: Repórter ⇒ avisa sobre
Agente “extra”: Repórter ⇒ avisa sobre
obstáculos não previstos à priori. Avisa o
obstáculos não previstos à priori. Avisa o
Controle da
baixo planificador o que desencadeia uma nova
planificador o que desencadeia uma nova
execução
nível planificação
planificação



alto
nível

Sem realimentação, a menos que este robô modele o próprio
Planificador entorno

Navegador Exige sistema de localização

Sistema de localização não faz falta
“Piloto”

Controle da
baixo execução
nível
Define trajetória dinamicamente.
Opera em escalas pequenas (< 10 metros).
Segue baseado nos dados do “planificador”



alto
nível Notas: se associa estratégias de
Planejamento com planos de Percepção para
confirmar a localização do robô.
Planificador
Exemplo: o robô se desloca pelo meio até
Navegador encontrar marcas (landscapes). Se não
encontra, é provável que tenha se deslocado
na direção errada.
“Piloto”

Outro agente “extra”:
Controle da Cartógrafo ⇒ armazena info.
baixo execução
nível Do entorno (topologicamente BD
ou geometricamente).


Atividades de Controle por Comportamento:

Comportamentos:
•Seguir um caminho;
•Seguir uma trilha;
•Andar afastado de uma parede; !?
•Ir até um ponto; Sistema
•Procurar/detectar marcas;
•Atravessar uma porta;
•Seguir objeto em frente
(comportamento de comboio)


Comportamentos:
•Seguir um caminho;
+ interessante do ponto de
•Seguir uma trilha; vista de pesquisas;
•Andar afastado de uma parede; • Tenta detectar objetos
!?
•Ir até um ponto; Sistema rápidos que se movem
•Procurar/detectar marcas; (prever colisões);
•Atravessar uma porta; • Uso de PID para Ctrl. Traj.;
• Uso de RNs;
(comportamento de comboio)
• Uso de regras;
• Uso de Lógica fuzzy;


Comportamentos: Problemas:
•Seguir um caminho; • Ações complexas:
•Seguir uma trilha; • Seqüência de
•Andar afastado de uma parede; comportamento?
!?
•Ir até um ponto; Sistema • Como combinar
•Procurar/detectar marcas; comportamentos?
•Atravessar uma porta;
• Associar uma prioridade
(comportamento de comboio) (peso) para cada
comportamento?
Dificuldade:
• Mesclar comportamentos ≠;
• Uso de regras, RN, fuzzy.


Arquiteturas híbridas:
Na prática: resultados não muito
+ indicado para bons porque o entorno é
entornos muito dinâmico (objetos se movem)
dinâmicos:
+ reativa + planificada
(tanto local quanto globalmente)
+ local
(atividade de controle • atividade de controle por
por comportamento) funcionalidade (controle clássico:
hierárquico)
+ rápido:
+ lento:
Estímulo
ação
(info. Local) Novos obstáculos ⇒ exigem replanificação


+ indicado para
entornos muito
dinâmicos:
Desvantagens:
+ reativa - Ações não otimizadas;
- Mínimos locais;
+ local - Dificuldade para alcançar objetivos
(atividade de controle globais
por comportamento)

+ rápido:

Estímulo
ação
(info. Local)


Na prática: resultados não muito
bons porque o entorno é
dinâmico (objetos se movem)
Planejamento:

• de missões (off-line, remoto); + planificada
• de caminhos (tanto local quanto globalmente)
↑
Intimamente • atividade de controle por
Relacionados funcionalidade (controle clássico:
↓ hierárquico)
• da percepção
+ lento:

Novos obstáculos ⇒ exigem replanificação



Controle funcional
Alto nível

+ reativa + planificada

Baixo nível

Controle por comportamento
(+ rápido)



Arquiteturas para o Sistema de Controle:
alto Arquiteturas mais conhecidas:
nível
• LAAS (Lab. LAAS, Toulose, França): híbrida,
hierarquizada: 2 níveis: (1) superior: módulo
Planificador supervisor + planificador, (2) inferior: módulo
reativo’; + nível de decisão + nível funcional
Navegador (biblioteca de funções “inteligentes” –
preparada para trabalhar em tempo-real,
podem ser paralelizadas).
“Piloto” • AFRED: plano em nível + alto já entregue.
Planos de execução + plano de percepção =
Controle da casados p/fazer o veículo seguir um
baixo execução caminho. Baseado em mapas geométrico.
nível Compara info. Sensores com planejamento
prévio.


7. Arquitetura de Robôs Móveis

alto Arquiteturas mais conhecidas:
nível
• IMAS (Meystel): planificação hierarquizada;
• NASREM (Albus): para robôs teleguiados no
Planificador espaço, hierarquizada, pode ser distribuída
(modelo do entorno pode estar em outras
Navegador máquinas, compartilhamento de dados).
• “Subsumption” (Brooks): baseada em
comportamentos, subdividido em níveis de
“Piloto” competência, integração entre vários níveis
de competência, prévio 8 níveis de
Controle da competência:
baixo execução • AURA (Aukin): reativa (não exige
nível planejamento de uma rota).



Arquitetura exemplo:


8. Tendencias Futuras

• Sistemas Robóticos Modulares:
• Nano robôs;
• Robôs Médicos:


• Robôs modulares:
• Modular Serpentine Robot:
http://voronoi.sbp.ri.cmu.edu/projects/modsnake/modsnake.html

Cobras reais se locomovem de diferentes maneiras no mundo animal. Para fazer estas cobras
robôs se locomoverem, o modo como deslizam foi inspirado da natureza e adaptado para cada
um dos blocos que compõem os elos da cobra robô completo, incluído a rotina de controle
para cada módulo (comunicações e sensoriamento entre módulos). Seguem alguns vídeos
demonstrando as habilidades desenvolvidas com estas cobras-robôs.

Vídeos:
Movimento sinusoidal da cobra-
robô.
Cobra-robô entrando num tubo.

Cobra-robô atravessando
obstáculo.

Cobra-robô subindo paredes.


• Robôs modulares:
– Uma cadeira robótica, construída por
engenheiros da Universidade de Cornell, Estados
Unidos, em colaboração com os artistas Max
Dean e Matt Donovan, é capaz de se reconstruir
sozinha, depois de ter sido totalmente
desmontada.
– A utilidade prática do aparato pode parecer CMU (Carnegie Mellow Univ)
bastante duvidosa, a não ser para compor
cenários de filmes de faroeste, onde bandidos e
mocinhos costumavam quebrar cadeiras por
esporte. Mas essa primeira impressão é
obviamente enganosa.
– O princípio tem uma série de aplicações, entre as
quais a construção de robôs que se montam ou
se transformam em diferentes estruturas, de
acordo com o trabalho a ser executado, de forma
totalmente autônoma.


• Mãos artificiais robotizadas:
– A tendência, especialmente nos
continentes asiático e europeu,
aponta para a massificação da
utilização dos robôs visando ao
aumento de sua interação com
os seres humanos.
– A meta da indústria mundial é
fazer com que, em um futuro
cada vez mais próximo, cada
residência tenha um robô,
principalmente para realizar
tarefas que nem sempre o
homem tem vontade de fazer. E
essa realidade já começou com
um marco importante para o
setor: a venda, em 2005, de mais
de 1 milhão de robôs aspiradores
de pó.
– FAPESP, UnB,


Robôs cooperativos:
• utilizam sensores e equipamentos uns dos
outros;
• podem acionar remotamente os sensores
e os computadores uns dos outros para
desempenhar tarefas complicadas.
• Os robôs podem, por exemplo, negociar
seu caminho entre obstáculos Um dos campos mais pesquisados e mais
complicados distribuindo diferentes promissores da robótica é "autonomia
pontos de vista uns para os outros. cooperativa", por meio da qual robôs autônomos
• Em um experimento, dois robôs trabalham em conjunto, trocando informações e
circulares, cada um com 45 cm de
diâmetro e 25 cm de altura, se uniram se auxiliando mutuamente para o cumprimento
para negociar seu caminho através de de uma tarefa comum.
uma porta. Eles foram forçados a
cooperar porque o sistema de visão de
cada um dos robôs foi limitado, de forma
que cada um deles não conseguia ver
suficientemente a porta para se garantir New Scientist
de que seria capaz de atravessá-la sem 21/08/2006
bater nas suas laterais. http://www.oru.se/templates/oruExtNormal____18674.aspx


Bibliografía recomendada:
•Tendências Futuras (na área de robótica):
–Robôs modulares:
•Centro de Pesquisas da Xerox em Palo Alto (PARC) [desde 1997]:
http://www2.parc.com/spl/projects/modrobots/index.htm

PolyBot:
Generation I: PIC
(16F877) 8-bit
microcontroller is
used on every
module. The modules
are connected
together through
either an RS232 or an
RS485 serial bus.
The modules may run
either fully
autonomously or
under supervisory
control from a PC
sending commands
through a wired or

•Tendências Futuras (na área de robótica):
–Robôs modulares:
•Centro de Pesquisas da Xerox em Palo Alto (PARC) [desde 1997]:
http://www2.parc.com/spl/projects/modrobots/index.htm
PolyBot:
Generation II: cube and
this module is roughly 11
x 7 x 6 cm, The MicroMo
gear motor (DC motors
serving both for
commutation as well as
joint position with a
resolution of 0.45
degrees.), although
heavy is quite powerful
delivering up to 5.6Nm of
torque at 60 RPM and
the stainless steel sheet
structure has a range of
motion of +90 to -90
degrees. Each module
contains a Motorola
PowerPC 555 embedded
processor with 1
Introducción a la Robótica Móvil megabyte of external 51

Livros:
• Meystel, A., Autonomous Mobile Robots, World Scientific, 1991.
• Russel, R.A., Robot Tactile Sensing, Prentice Hall, 1990.
• Borenstein, J. et all, Where am I? Sensors and Methods for Mobile Robot
Positioning, University of Michigan:


• Introdução a µC PIC’s:
– “Microcontroladores PIC on-line”, Neboksa Matic, versão
em português (Portugal) de Alberto Jerônimo → site:
http://www.mikroelektronika.co.yu/portuguese/product/b
ooks/picbook/00.htm ou
http://www.i-
magazine.com.br/imagazine/picbook/livropic.htm.
Conteúdo: Exemplos de ligações práticas (Relés,
Optoacopladores, LCD's, Teclas, Dígitos, Conversores A D,
Comunicação série, etc.), Introdução aos
Microcontroladores (Aprenda o que são, como funcionam,
e como podem ser úteis no seu trabalho), Programação em
linguagem Assembler (Como escrever o seu primeiro
programa, utilização de macros, modos de
endereçamento... ), Conjunto de Instruções (Descrição,
exemplo e proposta para utilizar cada instrução...), Pacote
do programa MPLAB (Como instalá-lo, como começar o
primeiro programa, seguindo o programa passo a passo no
simulador...).


• Livro de Introdução a Robótica Móvel:
Robot Building For Dummies
By Roger Arrick
ISBN: 0-7645-4069-6
Paperback
384 páginas
October 2003

* Fundamentos de robótica e programação;
* Explora robôs programáveis e não programáveis.
* Construa seu próprio robô (baseado em kit).
* Expanda seu robô adicionando sensores, vídeo e voz.
* Melhore a ação de seus robôs usando programas especializados.


• Introdução a Robótica Móvel
– Robôs TekBots (Universidade Estadual do Oregon, parte das
disciplinas introdutórias para os cursos de Eng. Elétrica e Eng. de
Software):
http://eecs.oregonstate.edu/education/tekbots.html
Até competições: The TekBot Triathlon
(http://oregonstate.edu/groups/srvos/tekbots/)

• Páginas de fabricantes de µC:
– ATMEL: http://www.atmel.com/ → Ex.: AT90S2313
(http://oregonstate.edu/groups/srvos/projects/ucboard/datasheet
s/AT90S2313.pdf);
– PIC´s: (Microchip): http://www.microchip.com/ → Ex.: PIC16F676
(http://oregonstate.edu/groups/srvos/projects/ucboard/datasheet
s/16f676.pdf).


• Fabricantes de Kits:
– Parallax: http://www.parallax.com/

The Toddler™ bipedal walking
Boe-Bot robot HexCrawler


- K-team: http://www.k-team.com/
Especialmente sobre o robô Khepera II:
http://www.k-team.com/robots/khepera/index.html
Links para:
• Khepera Unlimited Experiments
• Navigation
• Artificial Intelligence Simulador do Khepera:
• Multi-Agents System
• Control
• Collective Behavior
• Real-Time Programming
• Advanced Electronics
Demonstration


- K-team: http://www.k-team.com/
Especialmente sobre o robô Khepera II:
http://www.k-team.com/robots/khepera/index.html

Simulador para WebBoots:
http://www.k-team.com/software/webots.html


Dados do robô Khepera II: KHEPERA II SPECIFICATIONS
Elements Technical Information
Processor Motorola 68331, 25MHz IMPROVED
2 DC brushed servo motors with incremental
Motion encoders (roughly 12 pulses per mm of robot
motion)
Speed Max: 1 m/s, Min: 0.02 m/s
8 Infra-red proximity and ambient light
Sensors sensors with up to 100mm range IMPROVED
AND
Power ConsumptionNEW
Power Adapater
Power OR
Rechargeable NiMH BatteriesIMPROVED
Autonomy 1 hour, moving continuously IMPROVED.
Additional turrets will reduce battery life.
Communication Standard Serial Port, up to 115kbps
IMPROVED
Diameter: 70 mm
Size
Height: 30 mm
Weight Approx 80 g
•WEBOTS, Realistic 3D Simulator (Windows &
Simulators Linux).
•Freeware.
Development •KTProject, graphical interface for GNU C
Environment for Cross-Compiler (Windows).
Autonomous •GNU C Cross-Compiler, for native on-board
Application applications (Windows, Linux & Sun).
•Freeware.


•Fabricantes de Kits:
Lego MindStorms:
http://mindstorms.lego.com/eng/default.asp:
Robotics Invention System 2.0:
–RCX™ Microcomputer:
• 6 AA batteries;
• LCD display;
• 3 sensor inputs;
• 3 motor outputs;
• Hitachi H8/3297 processor @ 16 Mhz;
• 32k ram; Hitachi H8/3297 µcontrolador:
• rom with basic I/O functions • 8 registradores de 16-bits ou 16 registradores de 8-bits;
• High-speed operation:
–CD-ROM Software • 8- or 16-bit register-register add/subtract: 125 ns (16 MHz;
–USB Infrared Transmitter • 8 x 8-bit multiply: 875 ns (16 MHz);
• 16 ÷ 8-bit divide: 875 ns (16 MHz);
–718 pieces, including:
• 1 contador/timmer de 16-bits;
• 2 Motors • 1 A/D de 10-bits;
• 2 Touch Sensors • I/O ports:
• 43 input/output lines (16 of which can drive LEDs)
• 1 Light Sensor • 8 input-only lines.
• Interrupts:
• Four external interrupt lines: 10,, IRQ0 to IRQ2
• 19 on-chip interrupt sources


• Laboratórios de Pesquisa:
– Biorobotics Lab (da Carnegie Mellon
University):
http://voronoi.sbp.ri.cmu.edu/
• Mecanismos:
– Robôs indestrutíveis;
– Robôs biomédicos;
– Manipuladores distribuídos;
– Robôs “cobra”.
• Aplicações:
– Câmera aérea (Aercam);
– Busca e Salvamento;
– Limpar minas terrestres;
– Pintura.
• Robôs Educacionais
• Métodos Topológicos
– Convergência;
– “slam”;
slam”
– Retração
Retraç
– Controle Híbrido
Hí



• Informações sobre sensores:
– Animações mostrando funcionamento de diferentes sensores:
http://www.cs.washington.edu/ai/Mobile_Robotics/mcl/
[Welcome to Particle Filters in Action at the UW RSE-lab (Laboratório de estimação de estados e
robótica da Universidade de Washington, Dept. de Engenharia e Ciência da Computação)]
– Exemplo: cooperação entre robôs para mapeamento topológico:


•Outros robôs:

Stiquito.com
Home of the world's smallest, inexpensive, hexapod
robot!: (http://www.stiquito.com/ )

DOFs 6
No. of Links 7
Size (L x W x H) 75 x 70 x 25 mm
Weight 10 grams
Actuators Nitinol


•Outros robôs:

StampBug:
http://www.din.uem.br/ia/robotica/stampbug.htm Basic Stamp → Exemplo:
: principal:
Symbol dir_olho=pin5 toggle esq_olho
Symbol dir_antena=pin6 toggle dir_olho
Symbol esq_antena=pin7 meio_pos=max_grau
esq_pos=max_grau
'Inicio dir_pos=max_grau
dirs=%00111110 gosub anda
pins=0 toggle esq_olho
high esq_olho toggle dir_olho
low dir_olho meio_pos=min_grau
esq_pos=min_grau
dir_pos=min_grau
gosub anda
goto principal
:


Introducción a la
Robótica Móvil
Prof. Dr.Eng.* Fernando Passold

*Dr. Eng: Universidad Federal de Santa Catarina (UFSC),
Dept. Automatización de Sistemas (DAS), Florianópolis,
Brasil;
Mr.Eng.: UFSC/Biomédica, Brasil

Introducción a la Robótica Móvil

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Ähnlich wie Introducción a la Robótica Móvil

Ähnlich wie Introducción a la Robótica Móvil (20)

Mehr von Fernando Passold

Mehr von Fernando Passold (20)

Introducción a la Robótica Móvil